逐次最小二乗法によって導出されたKoopman作用素の有限次元近似に基づくノルム最適化ILC

カテゴリ: 部門大会

論文No: GS3-2-7

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Norm Optimal Iterative Learning Control Based on a Data-driven Approximation of the Koopman Operator by way of Recursive Least Squares Method

著者名: 関野 太紀（東京都立大学）,増田 士朗（東京都立大学）,豊田 充（東京都立大学）

著者名(英語): Hiroki Sekino (Tokyo Metropolitan University),Shiro Masuda (Tokyo Metropolitan University),Mitsuru Toyoda (Tokyo Metropolitan University)

キーワード: 非線形制御|繰り返し学習制御|クープマン作用素クープマン作用素|Nonlinear Control|Iterative Learning Control|Koopman Operators

要約(日本語): 本研究では, 非線形システムから得られたデータを用いてKoopman作用素の有限次元近似に基づく線形近似モデルを導出したのち，その線形近似モデルからノルム最適繰り返し学習制御を設計する方法について考察する．ノルム最適繰り返し制御では，対象システムの線形近似モデルから学習係数を導出することができる．本研究では, １試行ごとに得られる状態, 入力の時間発展を基に, Koopman作用素およびシステムモデルを再帰的に更新する手法する手法を提案する. この手法によって, Koopman作用素を近似するための事前実験の省略が期待できる.