Local Bayesian optimization for controller tuning with crash constraints

Abstract: Controller tuning is crucial for closed-loop performance but often involves manual adjustments. Although Bayesian optimization (BO) has been established as a data-efficient method for automated tuning, applying it to large and high-dimensional search spaces remains challenging. We extend a recently proposed local variant of BO to include crash constraints, where the controller can only be successfully evaluated in an a-priori unknown feasible region. We demonstrate the efficiency of the proposed method through simulations and hardware experiments. Our findings showcase the potential of local BO to enhance controller performance and reduce the time and resources necessary for tuning.
Eine korrekte Reglerparametrierung ist entscheidend für die Güte des geschlossenen Regelkreis, erfordert jedoch häufig manuelle Anpassungen. Obwohl sich Bayes’sche Optimierung (BO) als dateneffiziente Methode für die automatische Einstellung etabliert hat, bleibt ihre Anwendbarkeit auf große und hochdimensionale Suchräume eine Herausforderung. Wir erweitern eine kürzlich vorgeschlagene lokale Variante von BO um Absturzbeschränkungen, bei denen der Regler nur in einem a-priori unbekannten Bereich erfolgreich evaluiert werden kann. Wir demonstrieren die Effizienz der vorgeschlagenen Methode durch Simulationen und Hardwareexperimente. Unsere Ergebnisse zeigen das Potenzial von lokaler BO, die Regelgüte zu verbessern und dabei sowohl Zeit als auch Ressourcen zu sparen.

Weitere Titel
Lokale Bayes'sche Optimierung für die Reglereinstellung mit Absturzbeschränkungen
Standort
Deutsche Nationalbibliothek Frankfurt am Main
Umfang
Online-Ressource
Sprache
Englisch

Erschienen in
Local Bayesian optimization for controller tuning with crash constraints ; volume:72 ; number:4 ; year:2024 ; pages:281-292 ; extent:12
Automatisierungstechnik ; 72, Heft 4 (2024), 281-292 (gesamt 12)

DOI
10.1515/auto-2023-0181
URN
urn:nbn:de:101:1-2024040915371637464972
Rechteinformation
Open Access; Der Zugriff auf das Objekt ist unbeschränkt möglich.
Letzte Aktualisierung
14.08.2025, 10:50 MESZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Ähnliche Objekte (12)