# 神经网络模型预测控制器

非线性时间最优模型预测控制（TOMPC）能最快把受约束系统推到目标，但在线求解太慢，难以用于快速动力学系统。这套工作用神经网络模仿长时域、带硬终端约束的非凸TOMPC，并提出自知情采样：网络多输出一个“剩余时间”预测，只在轨迹偏离时间最优时向专家求解器要标签。在Furuta摆上，该采样约用三分之一训练时间、不到一半数据就达到标准数据集聚合的效果，所得控制器保持与专家相当的吸引域，GPU推理把控制频率从约1.4 Hz提高到1 kHz。

非线性时间最优模型预测控制（TOMPC）能最快把受约束系统推到目标，但在线求解太慢，难以用于快速动力学系统。这套工作用神经网络模仿长时域、带硬终端约束的非凸TOMPC，并提出自知情采样：网络多输出一个“剩余时间”预测，只在轨迹偏离时间最优时向专家求解器要标签。在Furuta摆上，该采样约用三分之一训练时间、不到一半数据就达到标准数据集聚合的效果，所得控制器保持与专家相当的吸引域，GPU推理把控制频率从约1.4 Hz提高到1 kHz。