Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Reinforcement Learning for Robust Ageing-Aware Control of Li-ion Battery Systems with Data-Driven Formal Verification

Created by
  • Haebom

作者

Rudi Coppola, Hovsep Touloujian, Pierfrancesco Ombrini, Manuel Mazo Jr

概要

本論文では、充電速度とバッテリ寿命の低下との間の矛盾を解決するために、高忠実度物理ベースのバッテリモデルを使用したデータベースの充電および安全プロトコルの設計方法を提案する。 Counterexample-Guided Inductive Synthesis技術を活用して、強化学習(RL)とデータ駆動型の形式的方法を組み合わせたハイブリッド制御戦略を提示します。強化学習を使用して個々のコントローラを合成し、データ駆動型抽象化を介してバッテリ初期出力測定値に基づいて切り替えられる構造にコントローラを分割します。その結果、RLベースのコントローラ間の離散的な選択と連続的なバッテリーダイナミクスを組み合わせたハイブリッドシステムを実現し、設計が要件を満たした場合に抽象化によって閉ループ性能の確率的保証を提供します。

Takeaways、Limitations

Takeaways:
データ駆動型の方法を活用して、バッテリの充電速度と寿命の低下の問題を効果的に解決するための新しいアプローチを提示します。
強化学習とデータ駆動型形式法の組み合わせによるハイブリッド制御戦略の設計と安全性の確保
抽象化技術による閉ループシステム性能の確率的保証
Limitations:
提案した方法の実際の電池システムの実験的検証の欠如
高忠実度物理ベースバッテリモデルの精度と一般化性能への依存性
データ駆動型抽象化の精度と効率に関するさらなる研究の必要性
様々な電池化学と動作条件の一般化の可能性のレビューが必要
👍