Joint Chance Constrained Optimal Control via Linear Programming
本文提出有限时域联合机会约束最优控制的线性规划形式,可处理不变性、可达性和到达—规避规范,并在有限空间中给出精确且更高效的求解,在连续空间中支持基函数近似。
2024-05-18 cs.SY eess.SY math.OC
Chance-Constrained Controller State and Reference Governor
控制器状态和参考调速器(CSRG)是一个附加计划的标称闭环系统的动态控制器,监督控制器的内部状态和参考输入到闭环系统,以执行逐点的时间约束。通过承认控制器状态和参考修改,CSRG可以实现一个扩大的约束域的吸引力相比,传统的参考总督计划,只允许参考修改。本文研究了具有随机干扰和机会约束的系统的CSRG。我们描述了CSRG算法在这样一个随机设置,并分析其理论性质,包括机会约束的强制执行,有限时间参考收敛,闭环稳定性。我们还提出的例子说明CSRG约束飞机飞行控制的应用。
2020-10-04 cs.SY eess.SY math.OC
Distributionally Robust Control for Chance-Constrained Signal Temporal Logic Specifications
针对未知扰动下随机线性系统的 STL 机会约束控制,提出基于 Wasserstein 度量的分布鲁棒优化方法,并证明可保证用户指定置信水平。
2024-09-05 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control Based on Sample Statistics With Almost Surely Probabilistic Guarantees
虽然技术已经开发的机会约束随机最优控制使用样本扰动数据,提供了一个概率的置信区间的机会约束满足,远不如知道如何使用样本数据的方式,可以提供几乎肯定的保证机会约束满足。本文提出了一种求解具有未知采样附加扰动的线性定常系统的机会约束随机最优控制问题的方法。我们提出了一个开环控制方案的多车辆规划,既有目标集和防撞约束。为此,我们推导了一个集中不等式,以约束基于样本统计量的随机变量的尾概率。使用导出的浓度不等式,我们重新制定每个机会约束的样本均值和样本标准差。虽然重新制定的界限是保守的,相对于原来的界限,他们有一个简单的和封闭的形式,保证机会约束满足几乎肯定,并服从凸优化技术的差异。我们证明了我们的方法对两个多卫星交会问题。
2023-03-29 cs.SY eess.SY math.OC
Chance Constrained Stochastic Optimal Control for Arbitrarily Disturbed LTI Systems Via the One-Sided Vysochanskij-Petunin Inequality
虽然已经开发了许多技术的机会约束随机最优控制与高斯扰动过程,远少于已知的计算有效的方法来处理非高斯过程。本文研究了具有有限矩和单峰机会约束的一般加性扰动线性定常系统的机会约束随机最优控制问题。我们提出了一个开环控制方案的多车辆规划,既有目标集和防撞约束。我们的方法依赖于单侧Vysochanskij-Petunin不等式,这是一种用于约束单峰随机变量尾概率的统计工具。使用单侧Vysochanskij-Petunin不等式,我们重新制定每个机会约束的期望和标准差。虽然重新制定的界限是保守的,相对于原来的界限,他们有一个简单的和封闭的形式,并服从凸优化技术的差异。我们证明了我们的方法上的多卫星交会问题。
2023-03-22 cs.SY eess.SY math.OC
Chance constrained sets approximation: A probabilistic scaling approach -- EXTENDED VERSION
在本文中,一个基于样本的过程中获得简单的和可计算的机会约束集的近似。该过程允许通过定义给定复杂度的简单逼近集族来控制逼近集的复杂度。然后,概率缩放过程允许重新缩放这些集合以获得期望的概率保证。所提出的方法被证明适用于系统和控制中的一些问题,如随机模型预测控制方案的设计或概率集员估计问题的解决。
2021-01-18 cs.SY eess.SY math.OC
Sample Complexity of Chance Constrained Optimization in Dynamic Environment
本文研究动态环境中机会约束优化的场景方法,利用Wasserstein度量耦合时变分布,给出了凸与非凸可行集下保证事后风险所需样本数量的上界,并通过数值实验验证了结果。
2024-03-31 cs.SY eess.SY math.OC
Chance-constrained DC Optimal Power Flow with Non-Gaussian Distributed Uncertainties
机会约束规划(CCP)是处理最优潮流(OPF)中不确定性问题的一种有效方法。然而,传统的CCP通常假设不确定性服从高斯分布,这可能与现实不符。少数文献采用高斯混合模型(GMM)将CCP扩展到非高斯不确定性的情况,但它们只适用于右侧不确定性的情况,而不适用于包含左侧不确定性的直流最优潮流。为了解决这个问题,我们开发了一个易于处理的基于GMM的机会约束直流最优潮流模型。在这个模型中,我们不仅利用GMM捕捉非高斯分布的不确定性的概率特性,但也开发了一种线性化技术,以重新制定的机会约束与非高斯分布的不确定性的左手边到易于处理的形式。通过数学证明,证明了相应的重构是原问题的安全近似,保证了解的可行性。
2022-01-25 cs.SY eess.SY math.OC
A distributionally robust optimization approach to two-sided chance constrained stochastic model predictive control with unknown noise distribution
针对双边机会约束离散线性系统受加性噪声干扰的问题,提出了一种分布鲁棒随机模型预测控制(DR-SMPC)算法.处理双边机会约束的普遍机制是所谓的风险分配方法,该方法通过应用布尔不等式将双边机会约束保守地近似为两个单机会约束。在这个建议的DR-SMPC框架中,一个精确的易处理的二阶锥(SOC)的方法是通过考虑噪声的一阶和二阶矩抽象的双边机会约束。所提出的DR-SMPC算法能够保证违反安全约束的上限和下限的最坏情况下的概率是在预先指定的最大概率(PsMP)。通过灵活地调整该PsMP,可以增加SMPC问题的初始状态的可行域。通过引入标称状态的二进制初始化策略,严格证明了DR-SMPC的递归可行性和收敛性。两个实际案例的仿真研究进行了证明所提出的DR-SMPC算法的有效性。
2022-03-16 cs.SY eess.SY
Stochastic Nonlinear Model Predictive Control with Efficient Sample Approximation of Chance Constraints
Ilmenau University of Technology(埃尔福特工业大学);Institute for Automation and Systems Engineering, Ilmenau University of Technology(埃尔福特工业大学自动化与系统工程研究所);Otto-von-Guericke Universität Magdeburg(奥托·冯·格里克马格德堡大学);Institute for Automation Engineering, Otto-von-Guericke Universität Magdeburg(奥托·冯·格里克马格德堡大学自动化工程研究所);University of California, Berkeley(加州大学伯克利分校);Department of Chemical and Biomolecular Engineering, University of California, Berkeley(加州大学伯克利分校化学与生物分子工程系)
本文提出了一种针对具有时间不变概率不确定性的非线性系统随机模型预测控制方法,通过广义多项式混沌框架高效近似机会约束满足概率,提升计算效率。
2014-10-16 cs.SY eess.SY math.OC
Distributionally Robust Model Predictive Control with Total Variation Distance
California Institute of Technology(加州理工学院)
研究了基于全变差距离模糊集的分布鲁棒模型预测控制问题。对于具有附加干扰的离散线性系统,我们提供了一个条件风险值的MPC优化问题,该问题在期望成本和机会约束下具有分布鲁棒性。分布鲁棒的机会约束被过度近似为一个更简单的,收紧的机会约束,减少了计算负担。数值实验支持我们的结果的概率保证和计算效率。
2022-06-24 cs.RO cs.SY eess.SY
Computationally Efficient Chance Constrained Covariance Control with Output Feedback
本文研究部分可观测线性系统的机会约束协方差控制问题,提出利用 Kalman filter 重构状态并将机会约束转化为差分凸约束,通过逐次凸化求解,在双积分器实验中验证了计算高效性。
2024-03-22 cs.SY eess.SY math.OC
Computing Optimal Joint Chance Constrained Control Policies
本文针对有限时间范围内受联合机会约束的随机马尔可夫系统,通过引入二元状态增广动力学,提出基于动态规划的可证明最优且易于计算的策略求解方法。
2024-11-21 cs.SY eess.SY math.OC
Receding-horizon Stochastic Model Predictive Control with Hard Input Constraints and Joint State Chance Constraints
Massachusetts Institute of Technology(麻省理工学院);University of California-Berkeley(加州大学伯克利分校)
本文研究离散时间线性系统在随机扰动、硬输入约束和联合状态机会约束下的随机优化控制,通过可解的二次锥规划计算滚动控制律,利用扰动参数化控制律并饱和扰动以满足硬约束,用Cantelli-Chebyshev不等式松弛机会约束,确保可行性并证明随机稳定性。
2015-06-28 cs.SY eess.SY math.OC
Data-Driven Distributed Stochastic Model Predictive Control with Closed-Loop Chance Constraint Satisfaction
不确定系统的分布式模型预测控制方法通常具有相当大的保守性,并且由于使用了服从分布式设计和优化方法的鲁棒公式,因此只能容忍很小的不确定性。在这项工作中,我们提出了一个分布式随机模型预测控制(DSMPC)计划的动态耦合线性离散时间系统的无界附加干扰,潜在的时间相关。一个间接的反馈公式,确保递归的可行性的DSMPC问题,和数据驱动的,分布式的和无优化的约束收紧方法允许在闭环控制过程中的机会约束的精确满足,解决典型的保守性来源。所提出的控制器的计算复杂度是类似的名义分布式MPC。该方法被证明在模拟的温度控制的一个大型数据中心随机变化的计算负载。
2022-03-02 cs.SY eess.SY
Explicit Ensemble Learning Surrogate for Joint Chance-Constrained Optimal Power Flow
Louisiana State University(路易斯安那州立大学)
本文提出一种用于联合机会约束最优潮流的集成支持向量机代理模型,通过Big-M重构将多个线性分类器嵌入为超平面约束,在IEEE 118节点系统上实现近最优成本且误差仅0.03%,为电力系统风险感知优化提供了高效透明的工具。
2025-11-05 cs.SY eess.SY math.OC
Recursively Feasible Chance-constrained Model Predictive Control under Gaussian Mixture Model Uncertainty
本文针对移动障碍物多模态预测不确定性,提出三种基于高斯混合模型的机会约束MPC规划器,证明其安全性并比较保守性与递归可行性,最终在自动驾驶模拟器中验证有效性。
2025-03-08 cs.SY eess.SY
Safe Reinforcement Learning with Chance-constrained Model Predictive Control
UC Berkeley(加州大学伯克利分校)
现实世界中的强化学习(RL)问题通常要求智能体通过遵守一组设计的约束来安全地行为。我们通过将基于模型预测控制(MPC)的安全指南与线性设置中具有连续动作的修改后的策略梯度框架相耦合来解决安全RL的挑战。该指南通过在MPC公式中嵌入安全要求作为机会约束来强制执行系统的安全操作。然后,策略梯度训练步骤包括训练基本策略以安全地运行的安全惩罚。我们从理论上证明,这种惩罚允许一个可证明安全的最佳基础政策,并说明我们的方法与模拟线性化四旋翼实验。
2022-03-28 cs.LG cs.SY eess.SY
Chance Constrained Stochastic Optimal Control for Linear Systems with Time Varying Random Plant Parameters
本文针对状态矩阵含时变随机参数的线性系统,利用单侧Vysochanskij-Petunin不等式将联合机会约束转化为可处理形式,提出一种开环控制方案,并在双母线电力系统中验证其求解时间优于情景方法。
2023-03-22 cs.SY eess.SY math.OC
Chance-constrained Model Predictive Control for Near Rectilinear Halo Orbit spacecraft rendezvous
本研究提出一种结合状态转移矩阵与机会约束的鲁棒MPC方法,可在线估计扰动,适用于两类推进器,能概率性保障约束满足,有效解决地月近直线晕轨道下的航天器交会问题。
2025-01-13 cs.SY eess.SY
Data-Driven Chance Constrained Optimization under Wasserstein Ambiguity Sets
ETH Zürich(苏黎世联邦理工学院)
本文提出了一种数据驱动的方法来解决分布鲁棒机会约束优化问题,通过考虑有限样本或不确定性现实化,定义机会约束对所有接近经验分布的分布有效,并展示了凸内近似和切割面算法的应用。
2018-10-10 cs.SY eess.SY math.OC
Convergence Analysis of Fixed Point Chance Constrained Optimal Power Flow Problems
针对机会约束最优潮流中不动点迭代方法的先验收敛性不明问题,本文分析其收敛条件,并通过含大型IEEE网络的数值实验进行验证。
2022-01-17 cs.SY eess.SY math.OC
Chance-Constrained Ancillary Service Specification for Heterogeneous Storage Devices
Imperial College London(帝国理工学院);TU Delft(代尔夫特理工大学)
本文提出了一种方法,用于确定能量存储设备聚合商能向电网运营商提供的最大供应缺口服务幅度,首先在确定性环境中演示,然后应用于设备可用性随机的场景,通过引入随机约束来限制未能履行承诺的交付能力,并展示了使用该方法相较于直接场景模拟的显著计算优势。
2019-05-29 cs.SY eess.SY math.OC
Stochastic Model Predictive Control for tracking of distributed linear systems with additive uncertainty
本文针对具有附加随机不确定性的分布式线性定常系统的参考跟踪问题,提出了一种机会约束随机模型预测控制方案。机会约束的均值方差信息的基础上重新解析,我们设计合适的概率可达集约束收紧。此外,机会约束被证明是满足闭环操作。不变集跟踪的设计补充了控制器,并确保收敛到任意容许的参考点,而有条件的初始化方案提供了递归可行性的基本属性。本文最后用一个数值例子,突出了收敛到不断变化的输出参考和经验约束的满足。
2023-03-06 cs.SY eess.SY math.OC
Consistency of Distributionally Robust Risk- and Chance-Constrained Optimization under Wasserstein Ambiguity Sets
我们研究了具有机会和风险约束的随机最优化问题,在后者中,风险被量化为条件风险价值(CVaR)。我们考虑这些问题的分布鲁棒版本,其中的约束条件是必须持有的家庭的分布构造从观察到的实现的不确定性通过Wasserstein距离。我们的主要研究结果表明,如果样本是独立地从一个潜在的分布和问题满足适当的技术假设,那么这些问题的分布鲁棒版本的最优值和优化收敛到各自的数量的原始问题,作为样本量的增加。
2020-12-16 cs.SY eess.SY math.OC
Stability Constrained OPF in Microgrids: A Chance Constrained Optimization Framework with Non-Gaussian Uncertainty
针对孤立微网中可再生能源(RES)的非高斯不确定性带来的稳定性问题,提出了机会约束稳定约束最优潮流(CC-SC-OPF)模型。首先,我们提出了一个双层优化问题,上层优化目标是在不违反稳定机会约束的情况下最小化期望发电成本,下层优化目标是由半定规划(SDP)给出的稳定性指标.其次,我们应用高斯混合模型(GMM)来处理非高斯RES的不确定性,并引入分析灵敏度分析,重新制定机会约束的稳定性指标和操作变量到线性决定的版本。通过引入线性化的约束条件,双层模型可以有效地解决基于Benders分解的方法。第三,我们设计了一个补充的校正对策,以补偿可能引起的线性逼近的控制误差。在33节点微电网上的仿真结果表明,与基准方法相比,所提出的模型收敛速度快30倍,解更准确。
2023-02-04 cs.SY eess.SY
Inverse Chance Constrained Optimal Power Flow
本文提出逆机会约束最优潮流,将安全水平从参数转为决策变量,以求解系统可支持的最高可行安全水平,并设计牛顿-拉夫逊型迭代算法高效求解,数值实验验证了方法有效性。
2025-06-22 cs.SY eess.SY math.OC
Efficient Scenario Generation for Chance-constrained Economic Dispatch Considering Ambient Wind Conditions
针对机会约束经济调度中缺乏合适风险调节模型的挑战,提出一种基于环境风况过滤与增量部署的高效场景生成方法,并在24和118节点系统中验证了其精确性与高效性。
2024-01-02 cs.SY eess.SY math.OC
Convex Relaxations and Approximations of Chance-Constrained AC-OPF Problems
Technical University of Denmark(丹麦技术大学)
本文研究了机会约束AC优化功率流问题中非凸置信区域线性近似的影响力,提出了一种新的机会约束二次锥(SOC)OPF方法,该方法通过凸性提供收敛保证并具有高计算效率,结合AC可行性恢复可识别比非凸机会约束AC-OPF方法更好的解。
2018-10-02 cs.SY eess.SY
A Generalized Framework for Chance-constrained Optimal Power Flow
Institute for Automation and Applied Informatics, Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院自动化与应用信息研究所)
针对电力系统最优潮流中的不确定性处理问题,本文提出不依赖特定不确定性分布假设的机会约束OPF通用框架,结合多项式混沌展开给出构造性求解方法,并通过算例验证了方法有效性。
2018-08-23 cs.SY eess.SY math.OC
Chance-constrained quasi-convex optimization with application to data-driven switched systems control
我们研究准凸优化问题,其中只有一个子集的约束可以被采样,但一个人会希望获得的解决方案相对于初始(未知)最优化问题的概率保证。即使我们的结果部分适用于一般的拟凸问题,在这项工作中,我们介绍和研究一个特殊的子类,我们称之为“拟线性问题”。我们为这些问题提供了最优性条件。在此基础上,我们将机会约束凸优化方法推广到了拟线性最优化问题。最后,我们表明,这种方法是有用的黑箱切换线性系的稳定性分析,从一个有限集的采样轨迹。它使我们能够计算一个大类的切换线性系的JSR的概率上界。
2021-01-05 cs.SY eess.SY math.OC
Chance-Constrained Covariance Steering in a Gaussian Random Field via Successive Convex Programming
本文研究了在高斯随机场存在下,仿射反馈律的优化问题,该反馈律能明确地控制不确定系统状态的均值和协方差。空间相关的干扰连续近似相对于一个标称轨迹由一系列的联合高斯随机向量。标称控制输入的顺序更新通过凸优化计算,包括仿射状态反馈的效果,空间扰动的扰动效果,以及对闭环状态和控制的机会约束。所开发的方法应用于解决仿射反馈法,以最大限度地减少第99百分位数的$Δv$需要完成一个行星周围的随机扰动大气的aerocapture任务。
2022-01-17 cs.SY eess.SY math.OC
A two-step approach to Wasserstein distributionally robust chance- and security-constrained dispatch
本文考虑了可再生能源发电存在时,发电机和线路同时发生事故的安全约束调度问题。由于可再生能源的不确定性建模使用联合机会约束和不匹配所造成的意外事件和可再生能源使用储备处理。我们考虑一个分布鲁棒的方法来解决机会约束规划。我们假设不确定性的样本是可用的。使用它们,我们构建了一组分布,称为模糊集,包含所有的分布,接近经验分布下的Wasserstein度量。对模糊度集中的所有分布施加机会约束,形成分布鲁棒最优化问题。这个问题是非凸的,计算量很大,难以精确求解。我们采用两步的方法来找到一个近似解。在第一步中,我们在不确定性空间中构造一个多面体集,该多面体集在模糊集中的所有分布下都包含足够的质量。这个集合是通过求解几个二维分布鲁棒问题而构造的。在第二步中,我们解决了一个线性鲁棒最优化问题的不确定性约束施加在所有的不确定性值躺在多面体集。我们使用数值实验证明了我们的方法的可扩展性和鲁棒性。
2022-08-16 cs.SY eess.SY math.OC
Efficient Solution Strategy for Chance-Constrained Optimal Power Flow based on FAST and Data-driven Convexification
电力系统中多负荷和可再生能源发电的不确定性增加了决策者潮流分析的复杂性。机会约束法可用于不确定性下的潮流最优化问题建模。提出了一种基于数据驱动的潮流凸化方法和快速情景算法的机会约束交流最优潮流(CCACOPF)求解方法。这种方法在计算上是有效的,主要有两个原因。首先,原来的非凸交流潮流(ACPF)的约束近似的一组学习为基础的二次凸的。第二,FAST是一种基于神经网络的高级求解方法(SSM),它不依赖于预先假设的概率分布,使用的场景比传统的SSM少得多。最后,CCACOPF转换成一个计算易处理的凸优化问题。IEEE算例的仿真结果表明:1)该方法在计算效率上优于传统的SSM方法; 2)数据驱动的凸化潮流方法能够有效地逼近原始复杂交流潮流。
2021-11-11 cs.SY eess.SY math.OC
Distributionally Robust Joint Chance-Constrained Optimal Power Flow using Relative Entropy
针对机会约束最优潮流问题,提出基于分布式鲁棒优化的精确重构算法,证明其样本外鲁棒性最优,并在IEEE基准系统上验证有效性。
2025-01-21 cs.SY eess.SY math.OC
Chance constrained optimization of energy intensive production as beneficial power units
HTWG Konstanz(康斯坦茨应用科学大学)
本文提出了一种机会约束优化方法,用于在不确定环境下优化高能耗生产的运营效率与可靠性。
2025-11-21 cs.SY eess.SY math.OC
Scheduling HVAC loads to promote renewable generation integration with a learning-based joint chance-constrained approach
通过灵活调度供热、通风和空调(HVAC)负荷等资源,可以有效促进分布式可再生能源发电(DRG)在配电网中的集成。然而,找到最佳的调度,他们是不平凡的,因为DRG输出是高度不确定的。为了解决这个问题,本文提出了一种基于学习的联合机会约束的方法来协调HVAC负荷与DRG。与采用单个机会约束来管理不确定性的前沿工作不同,本文采用联合机会约束(JCC)来控制所有关键约束的违反概率。这种联合方式可以根据运营商的偏好明确地保证整个系统的运行安全。为了克服JCC的棘手性,我们首先证明了JCC可以安全地近似鲁棒约束与适当的不确定性集。一个著名的机器学习算法,单类支持向量聚类,然后引入到这些强大的约束,构建一个足够小的多面体不确定性集。在强对偶的基础上,进一步构造了一个线性鲁棒对偶,以保证计算效率。基于各种分布不确定性的数值结果证实了所提出的方法的最优性和可行性的优势。
2022-09-30 cs.SY eess.SY math.OC
Chance-Constrained Model Predictive Control A reformulated approach suitable for sewer networks
在这项工作中,机会约束(CC)的模型预测控制(MPC)的一个修订制定。这项工作的重点是对修订后的CC-MPC的数学公式,背后的原因,需要其修订。修订后的公式是在下水道系统及其堰溢流结构的背景下给出的。利用Astlingen基准下水道模型的线性下水道模型来说明该制剂的应用,无论是数学上的和性能明智的通过模拟。基于模拟,比较的性能之间进行了修订的CC-MPC和可比的确定性MPC,重点是溢出避免,计算时间和操作行为。仿真结果表明,两种MPC的溢出避免性能相似,而CC-MPC的计算时间略有增加,同时操作行为受到限制
2020-08-13 cs.SY eess.SY
Chance-Constrained Stochastic Optimal Control via Path Integral and Finite Difference Methods
University of Texas at Austin(德克萨斯大学奥斯汀分校)
研究了一类连续时间连续空间机会约束随机最优控制问题。通过拉格朗日松弛,将机会约束(风险约束)SOC问题转化为风险最小化SOC问题,其费用函数具有时间可加的Bellman结构.我们表明,风险最小化的控制合成是等价于解决HJB PDE的边界条件可以适当地调整,以达到所需的安全水平。此外,它表明,建议的风险最小化控制问题可以被看作是一个推广的问题,估计与给定的控制策略的风险。研究了两种数值方法,即路径积分和有限差分法(FDM),求解一类风险最小化SOC问题,其HJB方程通过Cole-Hopf变换可线性化.使用2D机器人导航的例子,我们验证了所提出的控制综合框架,并比较使用路径积分和FDM得到的解决方案。
2022-05-02 cs.RO cs.SY eess.SY
Constrained Iterative LQG for Real-Time Chance-Constrained Gaussian Belief Space Planning
Tsinghua University(清华大学);Shanghai Qizhi Institute(上海期智研究院);University of California, Berkeley(加州大学伯克利分校);University of Tokyo(东京大学)
不确定条件下的运动规划对于自动驾驶汽车等安全关键系统具有重要意义。这样的系统必须满足必要的约束(例如,碰撞避免),其具有来自受干扰的系统动态或噪声传感器测量的潜在不确定性。然而,现有的运动规划方法不能有效地找到一般非线性和非凸设置下的鲁棒最优解。本文提出了机会约束的高斯置信空间规划问题,并提出了一种实时的【形】求解约束迭代线性二次高斯(CILQG)算法。在该算法中,我们迭代地计算一个高斯近似的信念和转换的机会约束。我们评估我们的方法在模拟自动驾驶规划任务的静态和动态障碍物的有效性。结果表明,CILQG能更好地处理不确定性,计算时间比基线方法更快。
2021-08-21 cs.RO cs.SY eess.SY
Spacecraft Relative Motion Planning Using Chained Chance-Constrained Admissible Sets
随着人们对接近和对接操作的兴趣越来越大,对航天器相对运动控制的兴趣也越来越大。本文扩展了以前提出的约束相对运动的方法的基础上链的正不变集的情况下,航天器的动力学控制使用输出反馈的噪声测量和随机干扰。结果表明,非凸多面体禁区约束可以处理。该方法包括一个虚拟的网络的静态平衡节点的Clohessy-Wiltshire-Hill框架。节点之间的连通性是通过使用机会约束的容许集来确定的,保证了约束以指定的概率满足。
2019-10-17 cs.SY eess.SY
Conformal Predictive Programming for Chance Constrained Optimization
Thomas Lord Department of Computer Science, University of Southern California(汤姆斯·劳德计算机科学系,南加州大学);Department of Data Sciences and Operations, University of Southern California(数据科学与运营系,南加州大学)
提出共形预测编程(CPP)框架解决机会约束优化问题,利用随机变量样本和分位数引理转化问题,有独立校准步骤提供后验保证,能支持不同共形预测变体,案例研究证明其有效性及相较于情景方法的优势。
2026-07-10 cs.LG cs.SY eess.SY
Non-Gaussian Chance-Constrained Trajectory Planning for Autonomous Vehicles under Agent Uncertainty
Massachusetts Institute of Technology(麻省理工学院)
智能体行为可以说是自动驾驶车辆轨迹规划中最大的不确定性来源。这个问题激发了大量的工作,在行为预测社区学习丰富的分布的未来状态和行动的代理。然而,目前大多数关于代理或障碍物不确定性下的机会约束轨迹规划的工作要么假设高斯不确定性或线性约束,这是有限的,要么需要采样,这在计算上难以编码在优化问题中。在本文中,我们通过提出一种由具有潜在非高斯分量的多项式和混合模型定义的上限机会约束的方法来扩展最新技术水平。我们的方法实现了它的通用性,通过使用统计矩的分布在浓度不等式的上限约束违反的概率。通过这种方法,基于优化的轨迹规划器可以规划相对于代表智能体未来位置预测的广泛分布的机会约束的轨迹。在实验中,我们表明,由此产生的优化问题可以解决与国家的最先进的非线性规划求解器计划轨迹足够快,在线使用。
2020-07-15 cs.RO cs.SY eess.SY
Strong Duality and Dual Ascent Approach to Continuous-Time Chance-Constrained Stochastic Optimal Control
Walker Department of Mechanical Engineering, University of Texas at Austin(德克萨斯大学奥斯汀分校机械工程系)
本文提出了一种基于强对偶性的方法,用于求解连续时间机会约束随机最优控制问题,通过路径积分方法和梯度上升解决对偶问题,并验证了其在移动机器人导航中的有效性。
2025-11-19 cs.RO cs.SY eess.SY
Computing a Strategic Decarbonization Pathway: A Chance-Constrained Equilibrium Problem
美国的输电系统和电力批发市场虽然受联邦政府监管,但往往跨越多个州的管辖区。在这种环境下,州监管机构可以战略性地利用这种技术经济耦合,以牺牲邻近司法管辖区的利益为代价,推进其清洁能源政策目标。本文研究了战略性监管竞争,以了解其对实现可再生能源组合标准(RPS)的影响。我们制定了一个机会约束的均衡问题与均衡约束(CC-EPEC),它考虑了多个国家监管机构,在国家电力公司的协调行动,以实现RPS的目标,在最低成本的方式。为了解决这个CC-EPEC,我们定制了一个渐进式对冲(PH)算法。案例研究使用CCEPEC和PH算法来分析ISO新英格兰体系中国家监管竞争的影响。
2020-02-19 cs.SY eess.SY
Chance-constrained Stochastic MPC of Astlingen Urban Drainage Benchmark Network
在城市排水系统(UDS)中,减少合流制污水溢流(CSO)污染的有效方法是基于模型预测控制(MPC)的实时控制(RTC)。MPC方法的RTC在文献中依赖于最优控制策略的计算确定性降雨预报的基础上。然而,在现实中,降雨预报中存在的不确定性严重影响了最优控制策略的计算精度。在此背景下,这项工作的目的是集中在降雨预报及其影响的不确定性。一种选择是在控制器中使用关于降雨事件的随机信息;在使用MPC方法的情况下,可以使用称为随机MPC的类,包括几种方法,例如机会约束MPC方法。在这项研究中,我们应用随机MPC的UDS使用机会约束的方法。此外,我们还比较了经典的MPC与完美的预测和机会约束MPC基于不同的随机情景的降雨预报的业务行为。的应用和比较的基础上使用的SWMM模型的Astlingen城市排水基准网络的模拟。
2020-10-14 cs.SY eess.SY
Probabilistic Guaranteed Path Planning for Safe Urban Air Mobility Using Chance Constrained RRT
University of California San Diego(加州大学圣地亚哥分校);San Diego State University(圣地亚哥州立大学);University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
安全是城市空中交通成功的关键因素,特别是在动态和不确定的环境中。提出了一种基于RRT和机会约束的不确定障碍物路径规划算法。通过将概率约束转化为确定性约束,建立了高斯分布障碍物的机会约束模型。通过对系统状态的模拟和凸约束的评估,可以确定每个时间步的概率可行域。通过建立机会约束RRT,该算法不仅享有基于采样的算法的好处,但也纳入了不确定性的制定。仿真结果表明,利用该算法可以规划出符合概率避障要求的连接起点和目标点的轨迹。
2022-03-12 cs.RO cs.SY eess.SY
Data-Driven Chance Constrained Control using Kernel Distribution Embeddings
University of New Mexico(新墨西哥大学);Stanford University(斯坦福大学)
我们提出了一个数据驱动的算法,有效地计算一般联合机会约束最优控制问题的随机控制策略。我们的方法利用了核分布嵌入的理论,它允许将期望算子表示为再生核希尔伯特空间中的内积。该框架使得能够使用从系统中观察到的轨迹的数据集近似地重新表述原始问题,而不对系统动力学的参数化或不确定性的结构施加先前的假设。通过优化随机开环控制轨迹的有限子集,我们放松了原来的问题,可以有效地解决使用标准的凸优化技术的控制参数的线性规划。我们证明了我们提出的方法在一个系统的非线性非马尔可夫动力学在一个混乱的环境中导航仿真。
2022-02-08 cs.RO cs.SY eess.SY
Chance-Constrained AC Optimal Power Flow for Unbalanced Distribution Grids
分布式能源(DER)的日益普及导致不断变化的运行条件,这需要配电网运营商进行有效管理。DER(如太阳能光伏(PV)系统)的间歇性以及负荷预测误差不仅增加了电网的不确定性,而且还带来了重大的电能质量挑战,如电压不平衡和电压幅值违规。本文利用机会约束优化方法来减少不确定性对配电网运行的影响。我们首先提出了机会约束最优潮流(CC-OPF)问题的配电网,并讨论了约束收紧,不需要任何近似或松弛的三相交流潮流方程的基础上重新制定。然后,我们提出了两个迭代求解算法,能够有效地解决重新制定。在案例研究中,这两种算法的性能进行了分析,通过运行模拟IEEE 13总线测试馈线使用真正的PV和负载测量数据。仿真结果表明,这两种方法都能够加强机会约束的样本内和样本外的评价。
2022-07-19 cs.SY eess.SY
Chance-constrained Linear Quadratic Gaussian Games for Multi-robot Interaction under Uncertainty
SYCAMORE Lab, École Polytechnique Fédérale de Lausanne (EPFL)(SYCAMORE实验室,瑞士联邦理工学院(EPFL))
本文针对不确定性下的多机器人安全交互,提出机会约束线性二次高斯博弈及其对偶上升求解算法,证明其收敛到反馈广义纳什均衡,并在仿真与真实实验中验证其安全性和较低保守性。
2025-07-18 cs.RO cs.SY eess.SY
Synchronization-Aware and Algorithm-Efficient Chance Constrained Optimal Power Flow
Columbia University(哥伦比亚大学);New Mexico Consortium(新墨西哥联盟)
本文提出凸优化方法,用于建模非线性特性及随机效应,解决包含同步失稳约束和风场波动的非线性最优功率流问题,提升计算效率与稳定性。
2013-06-12 cs.SY eess.SY math.OC
A Chance-Constrained Stochastic Electricity Market
在批发电力市场中有效地容纳不确定的可再生资源是美国,英国和欧盟国家市场监管机构的首要任务之一。然而,现有的确定性市场设计未能内化的不确定性和他们的基于随机的扩展是有限的,在他们的能力,同时最大限度地提高社会福利,并保证非解释性的市场结果的预期和每一个场景。本文提出了一个机会约束随机市场设计,它能够产生一个强大的竞争均衡和内在的不确定性的可再生资源的价格形成过程。在不同的不确定性假设下,得到了均衡和由此产生的价格,这需要在价格形成过程中使用线性(限制性假设)或二阶圆锥曲线(更一般的假设)对偶。建议的随机市场设计的有用性证明通过8区ISO新英格兰测试平台上进行的案例研究。
2019-12-18 cs.SY eess.SY
Accelerating Chance-constrained SCED via Scenario Compression
本文针对基于场景的机会约束SCED问题,提出凸包压缩(获等价解)和带风险验证的盒压缩方法,决策者可按需选择风险度量,算例验证了方法在建模与求解上的效率。
2024-08-17 cs.SY eess.SY
Chance-constrained Solar PV Hosting Capacity Assessment for Distribution Grids Using Gaussian Process and Logit Learning
本文提出一种基于高斯过程和Logit学习的机会约束框架,用于评估配电网光伏接纳能力,在IEEE测试案例上预测过电压准确率达93%,且计算成本低。
2025-05-26 cs.SY eess.SY