非線形動的システムのための深いバイリニアクープマンモデル予測制御

本稿では、未知の非線形システムのモデリングと制御のための深いバイリニアクープマンモデル予測制御（DBKMPC）アプローチを紹介します。バイリニアモデルは、線形モデルの計算速度と非線形モデルの予測精度を兼ね備えており、多くの空中および地上のロボットシステムを正確に特徴づけることができます。具体的には、前知識やシステムパラメータなしでリフティング空間における有限次元バイリニアクープマン演算子を学習するために、バイリニアクープマン動的深層ニューラルネットワーク（BKDDNN）が開発されます。さらに、バイリニアモデルは標準モデル予測制御（MPC）最適化問題に統合され、バイリニア最適化問題の解決を促進します。このようにして、提案されたDBKMPCは、既存の手法が直面する過度の帰納的バイアス問題や辞書関数の選択困難性を回避し、非線形ロボットシステムのモデリングと制御の問題に対してより効果的な解決策を提供します。実験結果は、提案されたDBKMPC法が予測と制御性能の面で既存の代表的な手法を上回ることを示しています。