【UCLA】基于深度神经网络的工业大模型预测控制，36页ppt

线性模型预测控制的工业部署需要一个凸二次规划(QP)的实时解。QP的显式解刻画了MPC控制律的特征，即状态的分段仿射函数和一些无偏移量控制的稳态目标的计算。众所周知，显式控制律的复杂性随着问题规模的增加呈指数级增长，使得离线描述和在线部署使用显式控制律对任何合理规模的工业工厂都是难以处理的。最近的观察表明，以修正线性单元(ReLU)为激活函数的深度神经网络也代表一个分段仿射函数，这使得它们成为获得精确逼近显式MPC控制律的有吸引力的候选对象。通过大型化工实例的数值实验，验证了该方法的可扩展性。

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DL36” 可以获取《基于深度神经网络的工业大模型预测控制，36页ppt》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源