arXiv cs.AI· Perceval Beja-Battais (CB), Alain Grosset{\^e}te (CB), Nicolas Vayatis (CB)·· 3 天前AI 评分34
通过分离时间尺度的行为克隆加速非线性 MPC：在核反应堆负荷跟踪中的应用
Accelerating Nonlinear MPC by Behavior Cloning with Separated Timescales: Application to Nuclear Reactor Load-Following
AI 导读
研究提出结构化表征学习行为克隆架构 SRLBC，利用物理时间尺度分离特性加速非线性模型预测控制（NMPC）。在压水堆（PWR）负荷跟踪测试中，SRLBC 独立策略将平均计算成本降至 NMPC 的 1/15。引入安全增强机制后，控制器在保持至少 99.8% 可行性的同时平均提速 6.8 倍，且在分布偏移下闭环成本最低。
来源：arXiv cs.AI · arxiv.org