Safe Reinforcement Learning Methods for Complex Dynamical Systems Based on Model Order Reduction Techniques

Zhou, Zhehua

Meßtechnik, Steuerungs- und Regelungstechnik, Automation

Back
Back to start of result list
Permanent link for displayed object

If you experience problems opening the document, please try this link.

Original title:: Safe Reinforcement Learning Methods for Complex Dynamical Systems Based on Model Order Reduction Techniques
Translated title:: Sichere Reinforcement-Learning-Methoden für komplexe dynamische Systeme basierend auf Modellordnungsreduktionstechniken
Author:: Zhou, Zhehua
Year:: 2022
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Buss, Martin (Prof. Dr.)
Referee:: Buss, Martin (Prof. Dr.); Diepold, Klaus (Prof. Dr.)
Language:: en
Subject group:: ELT Elektrotechnik
Keywords:: safe reinforcement learning, dynamical systems
Translated keywords:: sichere Reinforcement-Learning, dynamische Systeme
TUM classification:: MSR 600
Abstract:: Reinforcement learning is used in many recent studies for solving complicated control tasks. For safely applying reinforcement learning on real-world systems, we focus in this dissertation on proposing general safe reinforcement learning methods that are suitable for complex dynamical systems. By using a supervisory control strategy, a safe reinforcement learning framework is realized and is validated in multiple control scenarios and systems.
Translated abstract:: Reinforcement Learning wird in vielen neueren Studien zur Lösung komplizierter Steuerungsaufgaben eingesetzt. Um Reinforcement Learning sicher auf reale Systeme anzuwenden, konzentrieren wir uns in dieser Dissertation darauf, allgemeine sichere Reinforcement-Learning-Methoden vorzuschlagen. Durch die Verwendung einer Überwachungskontrollstrategie wird ein sicheres Rahmenwerk für Reinforcement Learning realisiert und in mehreren Kontrollszenarien und -systemen validiert.
WWW:: https://mediatum.ub.tum.de/?id=1652885
Date of submission:: 31.03.2022
Oral examination:: 24.10.2022
File size:: 12968887 bytes
Pages:: 141
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221024-1652885-1-6
Last change:: 02.02.2023
BibTeX

Occurrences:

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Prüfungsarbeiten Dissertationen

mediaTUM Gesamtbestand Einrichtungen Schools TUM School of Computation, Information and Technology Departments Computer Engineering Steuerungs- und Regelungstechnik (Prof. Buss)2022

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Elektrotechnik

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten Fachgebiet Meßtechnik, Steuerungs- und Regelungstechnik, Automation

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology

mediaTUM Gesamtbestand Elektronische Prüfungsarbeiten School TUM School of Computation, Information and Technology Computer Engineering

mediaTUM Gesamtbestand Hochschulbibliographie 2022 Schools und Fakultäten Elektrotechnik und Informationstechnik Steuerungs- und Regelungstechnik (Prof. Buss)