电气工程与系统科学>系统与控制
标题: 模型参考数据驱动控制的元学习
摘要: 单点直接模型参考控制设计技术,如虚拟参考反馈调节(VRFT)方法,为动态系统固定结构控制器的校准提供了节省时间的解决方案。 尽管如此,众所周知,这些方法对可用数据的质量非常敏感,通常需要进行长期且昂贵的实验才能获得可接受的闭环性能。 这些特征可能会阻止此类技术的广泛采用,尤其是在低数据环境中。 在本文中,我们认为,许多工业相关系统的固有相似性可能随之而来,从与控制系统相似(但不相等)的植物中提供额外信息。 假设该补充信息可用,我们提出了一种新颖、直接的设计方法,该方法利用了类似电厂的数据、在其上校准的控制器的知识以及相应的闭环性能,以增强模型参考控制设计。 更具体地说,通过将新控制器构建为可用控制器的组合,我们的方法遵循元学习原理利用所有可用的先验知识,同时确保性能不会降低。 广泛的数值分析支持了我们的主张,强调了所提方法在实现与迭代方法相当的性能方面的有效性,同时保留了VRFT等一次性直接数据驱动方法的效率。