要約
最適なアクチュエータと制御の設計は、マルチレベルの最適化問題として研究され、アクチュエータの設計は、関連する最適な閉ループのパフォーマンスに基づいて評価されます。
特定のアクチュエータ実現のための最適な閉ループの評価は、計算量の多いタスクであり、そのためにニューラル ネットワーク サロゲートの使用が提案されています。
ニューラル ネットワーク サロゲートを使用して最適化階層の下位レベルを置き換えることにより、高速勾配ベースおよび勾配フリーのコンセンサス ベースの最適化手法を使用して最適なアクチュエータ設計を決定できるようになります。
提案された代替モデルと最適化手法の有効性は、熱制御のための最適なアクチュエータの位置に関連するテストで評価されます。
要約(オリジナル)
Optimal actuator and control design is studied as a multi-level optimisation problem, where the actuator design is evaluated based on the performance of the associated optimal closed loop. The evaluation of the optimal closed loop for a given actuator realisation is a computationally demanding task, for which the use of a neural network surrogate is proposed. The use of neural network surrogates to replace the lower level of the optimisation hierarchy enables the use of fast gradient-based and gradient-free consensus-based optimisation methods to determine the optimal actuator design. The effectiveness of the proposed surrogate models and optimisation methods is assessed in a test related to optimal actuator location for heat control.
arxiv情報
著者 | Dante Kalise,Estefanía Loayza-Romero,Kirsten A. Morris,Zhengang Zhong |
発行日 | 2024-02-12 16:28:57+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google