复杂随机系统的参数学习
——2023内燃动力智能控制集训营(第三讲)
2023年10月18日,由中国内燃机学会主办,中国内燃机学会内燃动力智能技术分会、天津大学先进内燃动力全国重点实验室共同承办的先进内燃动力智能控制集训营(第三讲)顺利结束。来自中国科学院数学与系统科学研究所的赵文虓研究员受邀作现场报告,报告主题为复杂随机系统的参数学习。课程由内燃机学会内燃动力智能控制技术分会的秘书长宋康副教授主持。
赵文虓老师从两个方向“基于凸优化的随机非线性系统辨识的一般化框架”和“不完善信息下随机非线性系统的自适应调节控制”分别进行了讲解。
“基于凸优化的随机非线性系统辨识的一般化框架”,赵文虓以近期研究成果为主,穿插着系统辨识的发展和经典方法,进而提出解决这类辨识问题的主要想法和算法。对算法的强一致的收敛性进行说明,并作了仿真验证。他讲到:系统辨识既是一门科学又是一门艺术,让人感觉巧妙、优美,充满着技巧性和美感。随着研究对象不断复杂,控制品质的不断提升,非线性系统辨识受到更多关注,也成为当今需要研究的迫切问题。
此外他还通过蒸馏塔典型装置(原油输入进去经过动态过程得到各种成分汽油),分片线性函数示意图,空间飞行器的跳跃滑行状态三个例子让我们直观感觉到非线性系统的广泛应用。
“不完善信息下随机非线性系统的自适应调节控制”,赵文虓讲解了控制问题是如何与参数学习紧密相关的。可通过学习优化的方法考虑控制问题,如在机器学习和深度神经网络中的广泛应用的参数学习算法——随机梯度下降算法可以解决控制问题。赵文虓提出:“辨
识也好,控制也好,其实都可能可以从学习的角度上加以研究。”
报告之后,大家就“实际工程问题使用差分方程与ARM模式有什么区别”话题展开讨论,赵文虓表示:“实际角度上看工程系统都是连续性,数字化采样离散化之后得到理想化模型为随机离散线性系统或非线性,连续系统离散化后可辨识性不确定是否有影响,这需要加以考虑。”系统复杂程度在慢慢提升,发动机中使用大量神经网络,模型非线性程度越来越强,线性到非线性过度,神经网络可能会带来参数学习量的困难,对于控制问题整个分析有一定的难度,对于系统和模型有一些影响。
理论和工程实践也要互相学习、共同促进。正如平台创始人天津大学谢辉教授所强调的集训营的意义:“目前我们动力系统行业正处于智能化、网联化发展迅猛的大背景中,举办先进动力智能控制培训营就是为了让这个领域具有更多的创新活力,让自动控制理论、人工智能、大数据、云计算等领域里面涌现出来的新算法新方法融合到发动机动力系统、车辆控制中,进而产生出新的生命力。”
本期集训营设置有基础理论,内燃机-动力系统-车辆与集群的测量、控制与优化,自主ECU工具链及仿真测试平台三个模块共19次的课程,汇集了大批在国内一线工作的有丰硕成果的年轻老师和工程师们。同济大学、天津大学、吉林大学、山东大学、哈尔滨工业大学等22所高校,潍柴、玉柴、重汽、上汽、广汽、东风、吉利、天津易鼎丰、天津布尔科技等20家企业,中船711研究所、北方发动机研究所、一汽无锡油泵油嘴研究所、中科院数学与系统科学研究院等7家研究院所,共四十余家单位100余名师生参加了本次集训营。预计本期训练营总参加人次将达到两千人次。