Safe Bayesian Optimization for Complex Control Systems via Additive Gaussian Processes

要約

コントローラーの調整と最適化は、ロボット工学やメカトロニクス システムにおける最も基本的な問題の 1 つです。
従来の方法論は通常モデルベースですが、そのパフォーマンスは正確な数学システム モデルに大きく依存しています。
複雑なダイナミクスを伴う制御アプリケーションでは、正確なモデルを取得することが困難な場合が多く、データ駆動型のアプローチが求められます。
さまざまな研究者が単一コントローラーの最適化を研究してきましたが、複数のコントローラーが関係する場合に最適なコントローラーパラメーターを安全かつ効率的に取得することは依然として課題です。
この論文では、複数のコントローラを同時に安全に最適化するための SafeCtrlBO を提案します。
安全なベイジアン最適化で探索プロセスを簡素化し、拡張機能を犠牲にすることなく計算量を削減します。
さらに、加算カーネルを使用して、未知の関数のガウス プロセス更新の効率を高めます。
永久磁石同期モーター (PMSM) のハードウェア実験結果は、既存の安全なベイジアン最適化アルゴリズムと比較して、SafeCtrlBO が安全性を確保しながら最適なパラメーターをより効率的に取得できることを示しています。

要約(オリジナル)

Controller tuning and optimization have been among the most fundamental problems in robotics and mechatronic systems. The traditional methodology is usually model-based, but its performance heavily relies on an accurate mathematical system model. In control applications with complex dynamics, obtaining a precise model is often challenging, leading us towards a data-driven approach. While various researchers have explored the optimization of a single controller, it remains a challenge to obtain the optimal controller parameters safely and efficiently when multiple controllers are involved. In this paper, we propose SafeCtrlBO to optimize multiple controllers simultaneously and safely. We simplify the exploration process in safe Bayesian optimization, reducing computational effort without sacrificing expansion capability. Additionally, we use additive kernels to enhance the efficiency of Gaussian process updates for unknown functions. Hardware experimental results on a permanent magnet synchronous motor (PMSM) demonstrate that compared to existing safe Bayesian optimization algorithms, SafeCtrlBO can obtain optimal parameters more efficiently while ensuring safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google