Data-driven Nonlinear Model Reduction using Koopman Theory: Integrated Control Form and NMPC Case Study

要約

制御を伴う非線形動的システムのデータ駆動型モデル削減にコープマン理論を使用します。
我々は、削減されたクープマンモデリングと状態推定を統合するために、測定値の遅延座標エンコードと完全状態デコードを組み合わせた一般的なモデル構造を提案します。
提案されたモデルをトレーニングするための深層学習アプローチを紹介します。
ケーススタディは、当社のアプローチが正確な制御モデルを提供し、高純度極低温蒸留塔のリアルタイム対応非線形モデル予測制御を可能にすることを示しています。

要約(オリジナル)

We use Koopman theory for data-driven model reduction of nonlinear dynamical systems with controls. We propose generic model structures combining delay-coordinate encoding of measurements and full-state decoding to integrate reduced Koopman modeling and state estimation. We present a deep-learning approach to train the proposed models. A case study demonstrates that our approach provides accurate control models and enables real-time capable nonlinear model predictive control of a high-purity cryogenic distillation column.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google