ترجمه فارسی مقاله کنترل پیش بینی مدل افق عصبی – افزایش راندمان محاسباتی با شبکه های عصبی

چکیده

The expansion in automation of increasingly fast applications and low-power edge devices poses a particular challenge for optimization based control algorithms, like model predictive control. Our proposed machine-learning supported approach addresses this by utilizing a feed-forward neural network to reduce the computation load of the online-optimization. We propose approximating part of the problem horizon, while maintaining safety guarantees — constraint satisfaction — via the remaining optimization part of the controller. The approach is validated in simulation, demonstrating an improvement in computational efficiency, while maintaining guarantees and near-optimal performance. The proposed MPC scheme can be applied to a wide range of applications, including those requiring a rapid control response, such as robotics and embedded applications with limited computational resources.

چکیده به فارسی (ترجمه ماشینی)

گسترش اتوماسیون برنامه های به طور فزاینده ای سریع و دستگاه های لبه کم قدرت ، یک چالش خاص برای الگوریتم های کنترل مبتنی بر بهینه سازی ، مانند کنترل پیش بینی مدل ، ایجاد می کند.رویکرد پشتیبانی از ماشین پیشنهادی ما با استفاده از یک شبکه عصبی به جلو به منظور کاهش بار محاسبات بهینه سازی آنلاین ، این موضوع را به این موضوع می پردازد.ما بخشی از افق مشکل را پیشنهاد می کنیم ، ضمن حفظ ضمانت های ایمنی – رضایت محدودیت – از طریق قسمت بهینه سازی باقی مانده کنترلر.این رویکرد در شبیه سازی تأیید شده و نشان دهنده بهبود در راندمان محاسباتی است ، ضمن حفظ ضمانت ها و عملکرد تقریباً بهینه.طرح MPC پیشنهادی می تواند برای طیف گسترده ای از برنامه ها ، از جمله مواردی که نیاز به پاسخ سریع کنترل دارند ، مانند روباتیک و برنامه های تعبیه شده با منابع محاسباتی محدود اعمال شود.