• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Combining system identification with reinforcement learning-based MPC
【24h】

Combining system identification with reinforcement learning-based MPC

机译：将系统识别与加强基于学习的MPC相结合

获取原文
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we propose and compare methods for combining system identification (SYSID) and reinforcement learning (RL) in the context of data-driven model predictive control (MPC). Assuming a known model structure of the controlled system, and considering a parametric MPC, the proposed approach simultaneously: a) Learns the parameters of the MPC using RL in order to optimize performance, and b) fits the observed model behaviour using SYSID. Six methods that avoid conflicts between the two optimization objectives are proposed and evaluated using a simple linear system. Based on the simulation results, hierarchical, parallel projection, nullspace projection, and singular value projection achieved the best performance.
机译：在本文中，我们提出并比较了在数据驱动模型预测控制（MPC）的背景下将系统识别（SYSID）和强化学习（RL）组合的方法。假设受控系统的已知模型结构，并考虑参数MPC，所提出的方法同时：a）使用RL来优化性能，B）使用SYSID来拟合观察到的模型行为来学习MPC的参数。六种方法避免了两个优化目标之间的冲突，并使用简单的线性系统进行评估。基于仿真结果，分层，并行投影，无空节投影和奇异值投影实现了最佳性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号