التحكم التنبؤي القائم على البيانات للمعالجات الزائدة مع نموذج غير معروف

يلعب التحكم في تتبع المعالجات الزائدة دورًا حاسمًا في أبحاث الروبوتات وعادة ما يتطلب معرفة دقيقة بنماذج المعالجات الزائدة. عندما تكون معلومات النموذج لمُعالِج زائد غير معروفة، قد يفشل التحكم في تتبُّع المسار باستخدام طرق قائمة على النموذج في إكمال مهمة معينة. لذلك، يقترح هذا المقال خوارزمية التحكم التنبؤي الديناميكي العصبي القائم على البيانات (NDMPC)، والتي تتكون من مخطط التحكم التنبؤي (MPC)، ومحلل الديناميات العصبية (ND)، وقانون تحديث مصفوفة جاكوب (DTJM) في الزمن المنفصل. بمساعدة قانون تحديث DTJM، يتم التنبؤ بالمخرجات المستقبلية لمُعالِج زائد غير معروف، ويتم بناء مخطط MPC لتتبع المسار. تم تصميم محلل ND لحل المخطط MPC لتوليد مدخلات تحكم تقود المُعالِج الزائد. تم إثبات تقارب خوارزمية NDMPC القائمة على البيانات المقترحة من خلال التحليلات النظرية، وتم إثبات جدواها وتفوقها من خلال المحاكاة والتجارب على مُعالِج زائد. تحت قيادة الخوارزمية المقترحة، تمكن المُعالِج الزائد من تنفيذ مهمة تتبع المسار بنجاح دون الحاجة إلى نموذج حركته.