arXiv 人工智能· Perceval Beja-Battais (CB), Alain Grosset{\^e}te (CB), Nicolas Vayatis (CB)·· 9 小时前AI 评分33
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，通过分离不同时间尺度变量来加速压水堆（PWR）负荷跟踪中的非线性模型预测控制（NMPC）。SRLBC 独立策略将计算成本平均降低 15 倍；嵌入安全增强框架后，运行速度仍比 NMPC 控制器平均快 6.8 倍，约束满足率至少达到 99.8%，且在分布偏移下依然保持 98% 以上的可行性。
来源：arXiv 人工智能 · arxiv.org