XiaoMi-AI文件搜索系统
World File Search System预测控制
评估基于MPC的模仿学习对人类的自主驾驶
摘要：这项工作评估并分析了模仿学习（IL）和可区分模型预测控制（MPC）的组合，以应用类似人类的自主驾驶。我们将MPC与基于层次学习的政策相结合，并在开环和闭环中衡量其与人类驾驶特征的安全性，舒适性和相似性相关的指标。我们还展示了通过闭环训练增强开环行为克隆的价值，以进行更强大的学习，从而通过MPC使用的状态空间模型近似策略梯度。我们对巷道控制系统进行实验评估，从固定基础驾驶模拟器上收集的示范中学到的学历，并表明我们的模仿策略接近了人类驾驶风格的偏好。
Thomas Chevet、Cristina Stoica Maniu、Cristina Vlad、Youmin Zhang。使用 MPC 技术进行基于 Voronoi 的 UAV 编队部署和重新配置。国际无人机系统会议，ICUAS'18，2018 年 6 月，美国德克萨斯州达拉斯。第 9-14 页，10.1109/ICUAS.2018.8453342。hal-01768188
摘要 —本文介绍了一种基于分散 Voronoi 的线性模型预测控制 (MPC) 技术，用于在有界区域内部署和重构由无人机 (UAV) 组成的多智能体系统。在每个时刻，该区域被划分为与每个 UAV 智能体相关联的不重叠的时变 Voronoi 单元。编队部署目标是根据每个 Voronoi 单元的 Chebyshev 中心将智能体驱动到静态配置中。所提出的基于 MPC 的编队重构算法不仅允许有故障/不合作的智能体离开编队，还允许恢复/健康的智能体加入当前编队，同时避免碰撞。仿真结果验证了所提出的控制算法的有效性。
使用 MPC 进行多代理电池存储管理 - ...
摘要 — 本文介绍了使用基于强化学习 (RL) 的模型预测控制 (MPC) 来寻找多智能体电池存储系统的最佳策略。考虑了电价的时变预测和生产需求不确定性。我们专注于优化经济目标成本，同时避免充电状态过低或过高，因为这可能会损坏电池。我们考虑了主电网提供的有界功率以及每个智能体的功率输入和状态的约束。参数化的 MPC 方案用作确定性策略梯度方法的函数近似器，RL 通过更新参数来优化闭环性能。仿真结果表明，所提出的方法能够解决约束并提供最佳策略。
计划无人机自动空中拦截
作为无人驾驶汽车（通常称为无人机的无人机）的流行，人们对潜在滥用行为的担忧已经变得更加实际。无人机安全领域的新兴挑战之一是入侵无人机的拦截，尤其是当他们的存在可能导致伤害或违反法律时。拦截不合作的无人机需要复杂的处理，而该技术的一个有前途的分支涉及部署Interceptor无人机。为此，必须使用一种快速，强大的计划拦截轨迹的方法。在本文中，基于模型预测控制（MPC）基于基于基于的轨迹计划者（RL）控制策略。在模拟中评估，比较并测试了它们的效果，速度和鲁棒性。基于MPC的计划者还在现实世界中进行了测试。
优化的自适应MPC用于自动驾驶汽车的横向控制
摘要 - 自治车辆是解决大多数运输问题的解决方案，例如安全性，舒适性和效率。转向控制是实现自动驾驶的主要重要任务之一。模型预测控制（MPC）是该任务的效果控制器之一，因为其最佳性能和处理约束的能力。本文提出了用于路径跟踪任务的自适应MPC控制器（AMPC），并提出了一种改进的PSO算法，以优化AMPC参数。使用查找表方法在线实现参数改编。通过模拟评估了提出的AMPC性能，并将其与经典的MPC和Pure Pursuit控制器进行了比较。索引项 - 自主车，优化，模型预控制，自适应控制，粒子群优化。
开发和评估具有可再生能源的智能家居负载协调的在线房屋能源管理策略
在本文中，为在智能家庭中优化电动需求而开发了实时实施的负载协调策略。该策略最大程度地减少了对房主的电力成本，同时限制了与延期额外电力负载相关的中断。多目标非线性混合整数编程被配制为一个顺序模型预测控制，然后使用遗传算法解决。通过部署高级协调策略获得的负载转移益处与用于各种家庭特征（例如位置，大小和设备）的基线控制器进行了比较。模拟研究表明，与基线策略相比，智能家居能源管理策略的部署降低了5％。这是通过推迟大约50％的纤性载荷来实现的，这是由于使用固定能量存储而可能导致的。
偶然受限的温室生产系统的随机MPC具有参数不确定性
温室气候控制对于以经济和可持续的方式为不断增长的人群提供足够的新鲜食品很重要。然而，开发的农作物气候模型通常具有参数不确定性的复杂性，而远非准确地描述实际系统，这会影响控制系统的性能。为了提高控制过程中的最佳性并确保鲁棒性，我们为考虑参数不确定性的温室生产系统开发并实施了随机模型预测控制（MPC）方案。通过利用模型线性化的优势，与直接使用非线性模型相比，提出的机会受限的MPC方法可以更直接地制定不确定性约束和计算廉价优化。最后，在温室气候控制案例研究中证明了拟议方法的功效。
航空航天系统的动态和控制
此转载是对航空航天系统的动态，控制和致动的全面研究，解决了航空航天工程中的关键挑战和创新解决方案。通过整合新的方法论和实际应用，该重印展示了空间操纵器的分布式控制中的进步，无拖力卫星的状态依赖性控制，全天候立方体的混合推进系统以及用于Aero-Engine Engine和Spacecra的先进策略。探索了各种技术，包括滑动模式控制，模型预测控制，分散的LQR和自适应模糊控制，以实现轨迹跟踪，振动抑制以及集成指导和控制的强大解决方案。 此外，这种重印强调了高级材料和传感技术的变革性潜力，例如压电传感器，纤维Bragg光栅（FBG）系统和智能材料，以增强振动抑制，结构健康监测和系统可靠性。 通过理论建模，计算分析和实验验证的结合，研究提供了对航空航天系统的设计和优化的整体观点。 针对研究人员，工程师和专业人员，该重印是理解航空动态，控制和驱动技术的最新进步和未来方向的宝贵资源。探索了各种技术，包括滑动模式控制，模型预测控制，分散的LQR和自适应模糊控制，以实现轨迹跟踪，振动抑制以及集成指导和控制的强大解决方案。此外，这种重印强调了高级材料和传感技术的变革性潜力，例如压电传感器，纤维Bragg光栅（FBG）系统和智能材料，以增强振动抑制，结构健康监测和系统可靠性。通过理论建模，计算分析和实验验证的结合，研究提供了对航空航天系统的设计和优化的整体观点。针对研究人员，工程师和专业人员，该重印是理解航空动态，控制和驱动技术的最新进步和未来方向的宝贵资源。
OHP的纸莎草纸：通过加强学习的预测控制，以提高性能 在英国通道和北海地区跟踪野生扁平鱼中的抗菌抗性指示基因：一个健康问题
在本文中，我们在数值模拟中实施和研究一种基于模型的增强学习（MBRL）方法，称为自适应光学（PO4AO）的策略优化。我们使用面向对象的Python自适应光学（OOPAO）模拟工具来模拟Provence自适应光学元件金字塔运行系统（Papyrus）光学台，并提供系统的实时模型。尤其是我们证明了该方法的预测能力，因为时间误差主导了木瓜的误差预算。我们首先介绍了强化学习框架的详细描述，包括我们对状态空间，行动空间和奖励功能的定义。实验部分将PO4AO与在不同大气条件下调整良好的积分器进行了比较。总而言之，在将方法应用于实际望远镜和未来工作的可能途径之前，我们将讨论实验在数值模拟中的重要性。
微电网系统的智能控制技术
摘要 微电网 (MG) 是一个复杂的系统，它整合了分布式能源资源，为本地负载提供可靠高效的电力。由于 MG 环境的动态性和不确定性，智能控制技术已成为确保最佳性能的流行解决方案。本文概述了应用于 MG 的智能控制技术的最新进展，包括神经网络、模型预测控制、博弈论、深度强化学习和贝叶斯控制器。本文还讨论了这些技术的优点和局限性，强调了在 MG 系统中实施这些技术所面临的挑战。最后，对现有文献中智能控制技术在 MG 系统中的性能进行了研究，深入了解了它们在提高 MG 系统的能源效率、稳定性和可靠性方面的有效性。