As we move to increasingly complex cyber-physical systems (CPS), new approaches are needed to plan efficient state trajectories in real-time. In this paper, we propose an approach to significantly reduce the complexity of solving optimal control problems for a class of CPS. We exploit the property of differential flatness to simplify the Euler-Lagrange equations, and this simplification eliminates the numerical instabilities that arise in the general case. We also present an explicit differential equation that describes the evolution of the optimal state trajectory, and we extend our results to consider both the unconstrained and constrained cases. Furthermore, we demonstrate the performance of our approach by generating the optimal trajectory for a double-integrator agent in an environment with an obstacle. In simulation, our approach shows a 30% cost reduction and nearly a 3-fold increase in computational speed compared to existing collocation-based optimal control libraries.


翻译:随着我们进入日益复杂的网络物理系统(CPS),需要采用新的方法来规划高效的实时国家轨迹。在本文中,我们提出了大幅降低解决某种CPS类别最佳控制问题的复杂性的方法。我们利用差异平板化的特性来简化Euler-Lagrange等式,这种简化消除了一般情况下产生的数字不稳定性。我们还提出了一个明确的差别方程式,描述最佳状态轨迹的演变,我们把结果扩大到考虑未受限制和受限制的案例。此外,我们还展示了我们方法的绩效,在有障碍的环境中为双组化剂创造最佳轨迹。在模拟中,我们的方法显示成本降低了30%,计算速度比现有的合用最佳控制图书馆增加了近三倍。

0
下载
关闭预览

相关内容

专知会员服务
14+阅读 · 2021年5月21日
专知会员服务
25+阅读 · 2021年4月2日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
150+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
已删除
将门创投
4+阅读 · 2019年6月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2019年6月5日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员