BriefGPT - AI 论文速递
·
通过贝叶斯优化学习模型预测控制参数实现电池快速充电
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究介绍了一种学习基础的模型预测控制方案，提高系统性能并提供稳健性的确定性保证。该方案利用统计识别工具识别系统的更丰富模型，通过维护两个模型，在一个优化框架中将安全性和性能隔离。LBMPC通过选择最小化成本的输入来提高性能，并通过检查模糊模型稳定性来确保安全性和鲁棒性。此外，证明了LBMPC控制行动以概率收敛为使用真实动力学计算的MPC的行动。
🎯
关键要点
-
本研究介绍了一种学习基础的模型预测控制 (LBMPC) 方案。
-
LBMPC 提高系统性能并提供稳健性的确定性保证。
-
该方案利用统计识别工具识别系统的更丰富模型。
-
通过维护两个模型，可以在一个优化框架中将安全性和性能隔离。
-
LBMPC 通过选择最小化成本的输入来提高性能。
-
通过检查模糊模型稳定性来确保安全性和鲁棒性。
-
证明了 LBMPC 控制行动以概率收敛为使用真实动力学计算的 MPC 的行动。
➡️
