elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Neural Autoencoder-Based Structure-Preserving Model Order Reduction and Control Design for High-Dimensional Physical Systems

Lepri, Marco und Bacciu, Davide und Della Santina, Cosimo (2023) Neural Autoencoder-Based Structure-Preserving Model Order Reduction and Control Design for High-Dimensional Physical Systems. IEEE Control Systems Letters, Seite 1. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/LCSYS.2023.3344286. ISSN 2475-1456.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
2MB

Offizielle URL: https://ieeexplore.ieee.org/document/10365513

Kurzfassung

This work concerns control-oriented and structure-preserving learning of low-dimensional approximations of high-dimensional physical systems, with a focus on mechanical systems. We investigate the integration of neural autoencoders in model order reduction, while at the same time preserving Hamiltonian or Lagrangian structures. We focus on extensively evaluating the considered methodology by performing simulation and control experiments on large mass-spring-damper networks, with hundreds of states. The empirical findings reveal that compressed latent dynamics with less than 5 degrees of freedom can accurately reconstruct the original systems' transient and steady-state behavior with a relative total error of around 4%, while simultaneously accurately reconstructing the total energy. Leveraging this system compression technique, we introduce a model-based controller that exploits the mathematical structure of the compressed model to regulate the configuration of heavily underactuated mechanical systems.

elib-URL des Eintrags:https://elib.dlr.de/202327/
Dokumentart:Zeitschriftenbeitrag
Titel:Neural Autoencoder-Based Structure-Preserving Model Order Reduction and Control Design for High-Dimensional Physical Systems
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Lepri, MarcoNECNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Bacciu, DavideUniv. di Pisahttps://orcid.org/0000-0001-5213-2468NICHT SPEZIFIZIERT
Della Santina, CosimoCosimo.DellaSantina (at) dlr.dehttps://orcid.org/0000-0003-1067-1134NICHT SPEZIFIZIERT
Datum:19 Dezember 2023
Erschienen in:IEEE Control Systems Letters
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/LCSYS.2023.3344286
Seitenbereich:Seite 1
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2475-1456
Status:veröffentlicht
Stichwörter:autoencoders
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Basistechnologien [RO]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013)
Hinterlegt von: Strobl, Dr. Klaus H.
Hinterlegt am:23 Jan 2024 14:58
Letzte Änderung:04 Apr 2024 14:18

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.