Introducing a Deep Neural Network-based Model Predictive Control Framework for Rapid Controller Implementation

要約

モデル予測制御 (MPC) は、プロセス制約の実装を可能にしながら、コスト関数に基づいた最適な制御ソリューションを提供します。
モデルベースの最適制御手法として、MPC のパフォーマンスは、モデルの計算時間と予測パフォーマンスの間にトレードオフが存在する場合、使用されるモデルに大きく依存します。
解決策の 1 つは、オンラインで迅速に評価できる機械学習 (ML) ベースのプロセス モデルと MPC を統合することです。
この研究では、予混合圧縮点火 (HCCI) 燃焼制御のためのディープ ニューラル ネットワーク (DNN) ベースの非線形 MPC の実験的実装を紹介します。
DNN モデルは、実験エンジン データを使用してトレーニングされ、すべての出力に対して誤差 5% 未満の許容可能な予測パフォーマンスを示した、完全に接続されたレイヤーで囲まれた長期短期記憶 (LSTM) ネットワークで構成されています。
このモデルを使用して、MPC は、いくつかのパラメーターを最小限に抑えながら、指示平均有効圧力 (IMEP) と燃焼段階の軌道を追跡するように設計されています。
acados ソフトウェア パッケージを使用して、ARM Cortex A72 上での MPC のリアルタイム実装を有効にし、最適化計算は 1.4 ミリ秒以内に完了します。
外部 A72 プロセッサは、UDP 接続を使用してプロトタイピング エンジン コントローラと統合されており、NMPC の迅速な実験展開が可能になります。
開発されたコントローラーの IMEP 軌道追跡は、プロセス制約を遵守したことに加え、二乗平均平方根誤差が 0.133 bar と優れていました。

要約(オリジナル)

Model Predictive Control (MPC) provides an optimal control solution based on a cost function while allowing for the implementation of process constraints. As a model-based optimal control technique, the performance of MPC strongly depends on the model used where a trade-off between model computation time and prediction performance exists. One solution is the integration of MPC with a machine learning (ML) based process model which are quick to evaluate online. This work presents the experimental implementation of a deep neural network (DNN) based nonlinear MPC for Homogeneous Charge Compression Ignition (HCCI) combustion control. The DNN model consists of a Long Short-Term Memory (LSTM) network surrounded by fully connected layers which was trained using experimental engine data and showed acceptable prediction performance with under 5% error for all outputs. Using this model, the MPC is designed to track the Indicated Mean Effective Pressure (IMEP) and combustion phasing trajectories, while minimizing several parameters. Using the acados software package to enable the real-time implementation of the MPC on an ARM Cortex A72, the optimization calculations are completed within 1.4 ms. The external A72 processor is integrated with the prototyping engine controller using a UDP connection allowing for rapid experimental deployment of the NMPC. The IMEP trajectory following of the developed controller was excellent, with a root-mean-square error of 0.133 bar, in addition to observing process constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google