노이즈 데이터로부터의 적응형 확률 예측 제어: 샘플링 기반 접근법

이 연구에서는 알려지지 않은 매개변수와 한정된 덧셈 잡음을 가진 선형 시스템을 위한 적응형 예측 제어 방식이 제안됩니다. 매개변수의 불확실성을 강건하게 고려하는 관련 적응 제어 접근법과는 달리, 제안된 방법은 온라인 적응형 샘플링 기반의 우연 제약의 근사화를 사용하여 모든 불확실성을 확률적으로 처리합니다. 이 접근법은 짧은 입력-출력 경로와 잡음의 분포 지식의 형태로 초기 데이터가 필요합니다. 이 사전 지식은 데이터 일관성을 갖춘 시스템 매개변수의 초기 집합과 샘플 생성을 가능하게 하는 분포를 구성하는 데 사용됩니다. 온라인으로 새로운 데이터가 스트리밍되면, 일관된 시스템 매개변수 집합은 집합 멤버십 식별을 활용하여 조정됩니다. 결과적으로, 우연 제약은 시스템 매개변수 집합에서 샘플링하여 확률적 스케일링 접근 방식을 사용하여 결정론적으로 근사화됩니다. 첫 번째 예측 단계에 대한 강건한 제약과 결합하여, 제안된 예측 제어기의 재귀적 타당성과 폐쇄 루프 제약 만족이 보장됩니다. 수치 예제가 제안된 방법의 효율성을 보여줍니다.