From Data to Predictive Control: A Framework for Stochastic Linear Systems with Output Measurements
ETH Zurich(苏黎世联邦理工学院);Harvard University(哈佛大学);Imperial College London(帝国理工学院)
提出D2PC框架,基于期望最大化算法进行参数辨识并量化不确定性,设计鲁棒动态输出反馈控制器和保证递归可行性与机会约束满足的预测控制器。
2026-05-25 cs.SY eess.SY math.OC
A Sphere Decoding Algorithm for Multistep Sequential Model Predictive Control
本文研究了两种模型预测控制概念--顺序模型预测控制和长时间模型预测控制在电力电子系统中的结合。为了实现顺序模型预测控制,优化问题分为两个子问题:第一个总结所有的控制目标,线性依赖于系统的输入。序贯模型预测控制一般要求对第一个子问题获得多个解。由于有限控制集模型预测控制电力电子系统的混合整数性质,本文提出了一种特殊的球形译码器。第二个子问题由所有这些控制目标,非线性依赖于系统的输入,并解决了一个穷举搜索。通过对三电平中点箝位式永磁同步发电机风力发电系统在不同情况下的仿真,并与其他长时域模型预测控制方法进行比较,验证了该方法的有效性
2020-11-24 cs.SY eess.SY
Data-enabled predictive control with instrumental variables: the direct equivalence with subspace predictive control
直接数据驱动控制吸引了大量的兴趣,因为它使基于优化的控制,而不需要一个参数模型。本文提出了一种新的数据使能预测控制(DeePC)的工具变量~(IV)方法,该方法具有良好的噪声抑制特性,并证明了DeePC和子空间预测控制(SPC)之间的直接等价性。该方法依赖于沿着子空间识别算法的DeePC中的特征方程的推导。IV的一个特定的选择是不相关的未来的噪声,但在同一时间高度相关的数据矩阵。仿真研究表明,所提出的算法在存在过程和测量噪声的情况下,性能得到了改善。
2022-09-12 cs.SY eess.SY
Distributed Nonlinear Model Predictive Control for District Heating Networks
Politecnico di Milano(米兰理工大学);ETH Zurich(苏黎世联邦理工学院)
提出一种基于交替方向乘子法的分布式非线性模型预测控制方法,利用图模型优化建筑质量流量吸收,在集中式控制性能和分散式隐私保护之间取得平衡。
2026-05-28 cs.SY eess.SY math.OC
Data-Driven Predictive Control for Continuous-Time Industrial Processes with Completely Unknown Dynamics
研究了一类动态完全未知的连续工业过程的数据驱动预测控制问题。所提出的方法采用数据驱动技术,得到系统矩阵在线,使用输入输出测量。然后,设计了一种无模型预测控制方法来实现滚动优化和参考跟踪。分析了该算法的可行性和闭环控制系统的稳定性。最后,通过仿真实例验证了该方法的有效性.
2020-12-07 cs.SY eess.SY math.OC
Dead-beat model predictive control for discrete-time linear systems
本文提出了一种用于线性系无差拍控制的模型预测控制策略。在无约束MPC中,通过将控制时域设置为系统维数,并添加终端等式约束,可以保证无差拍性能。证明了无约束无差拍预测控制与线性无差拍控制的等价性。所提出的约束无差拍MPC的设计,通过设置控制时域等于系统的维数和惩罚只有终端成本。从理论上证明了算法的递归可行性和无差拍性能。
2022-08-30 cs.SY eess.SY math.OC
Perturbation-based Regret Analysis of Predictive Control in Linear Time Varying Systems
我们研究预测控制中的动态是时变的和线性的,成本是时变的和良好的条件。在每个时间步,控制器接收未来$k$时间步的成本、动态和干扰的精确预测。我们表明,当预测窗口$k$是足够大的,预测控制是输入状态稳定的,并实现了$O(λ^k T)$的动态遗憾,其中$λ< 1$是一个积极的常数。这是线性时变系统预测控制的第一个动态后悔界。在更多的终端费用假设下,我们还证明了预测控制获得了线性时变系统控制的第一竞争界:$1 + O(λ^k)$。我们的研究结果是使用一种新的证明框架的基础上的扰动界,其特征是如何一个小的变化,系统参数的影响的最佳轨迹。
2021-06-19 cs.SY eess.SY math.OC
Switching Frequency Limitation with Finite Control Set Model Predictive Control via Slack Variables
针对现有有限控制集模型预测控制同时跟踪电流与开关频率参考值会损害电流跟踪性能的问题,提出通过带松弛变量惩罚的不等式约束限制开关频率,并采用加速球形解码器高效求解,兼顾电流跟踪性能与开关频率控制。
2024-04-17 cs.SY eess.SY math.OC
Novel Multi-objective Switched Model Predictive Control with Feasibility and Stability Guarantees
Institute of Flight Mechanics and Controls, University of Stuttgart(斯图加特大学飞行力学与控制研究所)
针对多目标控制需求,本文提出具备递推可行性与稳定性保证的标称、鲁棒两种新型多目标切换模型预测控制框架,数值实验验证其性能优于标准模型预测控制方法。
2025-11-15 cs.SY eess.SY math.OC
Bayesian Learning Approach to Model Predictive Control
Cranfield University(克兰菲尔德大学)
本研究提出了一个贝叶斯学习的观点对模型预测控制算法。在早期的贝叶斯学习和基于采样的模型预测控制的研究中,已经分别开发了高级框架。一方面,贝叶斯学习规则提供了一个通用框架,能够生成各种机器学习算法作为特殊实例。另一方面,动态镜下降模型预测控制框架能够使基于样本展开的控制算法多样化。然而,在随机最优控制的背景下,这两个框架之间的联系仍然没有得到充分的理解。本研究将贝叶斯学习规则的观点结合到模型预测控制的设定中,从模型预测控制器作为在线学习者的观点中得到启发。变分公式的后验类和自然梯度近似的选择决定了模型预测控制的贝叶斯学习方法中模型预测控制算法的多样化。这种替代观点通过简化设计选择的解释来补充动态镜像下降框架。
2022-03-11 cs.LG cs.RO cs.SY
Dissipativity in economic model predictive control: beyond steady-state optimality
本章提供了一个简明的调查不同的耗散条件,出现在经济模型预测控制的文献,并讨论了他们在这方面的决定性作用。
2019-11-22 cs.SY eess.SY
Implicit predictors in regularized data-driven predictive control
本文提出隐式预测器概念,刻画数据驱动预测控制中的预测行为,并推导分析基本DPC方案的隐式预测器,为改进方案提供新视角。
2025-05-26 cs.SY eess.SY math.OC
A Distributed Active Set Method for Model Predictive Control
针对线性系的模型预测控制问题,提出了一种新的分布式有效集方法。该方法结合原始有效集策略和分散共轭梯度法求解凸二次规划问题。与现有的分布式模型预测算法相比,所提出的方法的优点是迭代的原始可行性。数值结果表明,所提出的方法可以竞争的交替方向法的乘法器的通信要求的质量链的例子。
2021-03-23 cs.SY eess.SY math.OC
Indirect data-driven predictive control and the state-space predictor
School of Mechanical Engineering, Purdue University(普渡大学机械工程学院)
本文提出基于轨迹的数据驱动预测控制方法,通过状态空间预测器实现对系统模型的建模,并在实验中验证其在小数据集下的优越性能。
2026-07-20 cs.SY eess.SY math.OC
State space models vs. multi-step predictors in predictive control: Are state space models complicating safe data-driven designs?
该研究对比线性预测控制中的状态空间模型与多步预测器,梳理两类模型在随机最优控制、系统辨识等问题中的应用优劣,还提出了带参数不确定性的多步预测器随机预测控制的新约束收紧方法。
2023-10-06 cs.SY eess.SY math.OC
Convergence guarantees for adaptive model predictive control with kinky inference
本文分析了控制未知非线性系统的鲁棒自适应模型预测控制算法,证明采用二次稳定代价函数并通过kinky inference递归更新标称模型可确保系统在模型不确定性下收敛至原点,并经数值仿真验证。
2024-05-30 cs.SY eess.SY math.OC
Horizon Adaptation for Nonlinear Model Predictive Controllers with guaranteed Degree of Suboptimality
Curtin University of Technology(科廷科技大学)
提出自适应策略修改标准约束模型预测控制器方案,以保证次优度的下界,并开发了缩短和延长优化地平线的有效实现方法。
2011-05-16 cs.SY eess.SY math.OC
On the relationship between data-enabled predictive control and subspace predictive control
数据使能预测控制(Data-enabled predictive control,DeePC)是一种将系统辨识、估计和控制结合在一个优化问题中的新方法。子空间预测控制(SPC)方法也有相同的前提,其中根据DeePC所需的相同数据识别多步预测模型。然后,该模型被用来制定一个类似的最优控制问题。在这项工作中,我们研究了DeePC和SPC之间的关系。我们的主要贡献是证明SPC在确定性情况下等同于DeePC。我们还表明,这两种方法的等价性在一个特殊的情况下,非确定性的制定。我们研究了DeePC相对于SPC(有和没有测量噪声)的优点和缺点,并通过仿真示例进行了说明。
2021-04-01 cs.SY eess.SY
Comparative Analysis of Data-Driven Predictive Control Strategies
K. N. Toosi University of Technology(K. N. Toosi理工大学)
本文比较了三种数据驱动预测控制策略,分析其理论基础、假设及应用,通过数值实例评估性能。
2026-05-15 cs.SY eess.SY
Approximate infinite-horizon predictive control
预测控制经常用于涉及约束的控制问题。作为一种基于优化的技术,利用用户指定的所谓阶段成本、性能属性,即,除了闭环稳定性之外,无限时域累积级成本的界也是令人感兴趣的。为了实现良好的性能,并影响与预测时域相关联的吸引区域,预测控制器的优化目标的终端成本是一个关键的设计因素。近似动态规划是指在状态域上追求迭代成本自适应的一种特定近似范式。近似误差的困扰,相关的近似最优控制器,在一般情况下,不一定是稳定的,也不是它的性能量化的整个近似域。使用一个参数终端成本通过近似动态规划训练,提出了一种稳定的预测控制器,其性能可以直接关系到成本逼近误差。该控制器还确保了在与终端成本相关联的近似最优控制器的训练域之外的闭环渐近稳定性。
2022-09-07 cs.SY eess.SY math.OC
Closed-loop Data-Enabled Predictive Control and its equivalence with Closed-loop Subspace Predictive Control
本文提出闭环数据驱动预测控制框架CL-DeePC,利用工具变量合成一致预测器以克服闭环辨识偏差,并证明其与CL-SPC等价,仿真显示参考跟踪性能显著提升且对噪声敏感性降低48%。
2024-02-22 cs.SY eess.SY
Dictionary-free Koopman Predictive Control for Autonomous Vehicles in Mixed Traffic
本文提出无字典库普曼模型预测控制(DF-KMPC),通过行为视角和迭代算法直接构建数据驱动的线性表示,避免了提升函数选择与平衡状态更新问题,并在混合交通仿真中验证了其抑制交通波和提升跟踪性能的效果。
2025-04-08 cs.SY eess.SY math.OC
Distributed Model Predictive Control based on Goal Coordination for Multi zone Building Temperature Control
Virginia Commonwealth University(弗吉尼亚联邦大学)
本文提出了一种用于有扰动多区建筑的分布式模型预测控制策略,旨在以最小化HVAC系统的成本维持各区域温度在指定水平。该方法引入了稳定性证明和扰动预测,这些在先前相关工作中未被考虑。与集中式MPC相比,所提出的分布式MPC在计算时间减少了48%,能耗减少了25.42%,跟踪误差也更小。
2019-02-26 cs.SY eess.SY math.OC
Efficient Greenhouse Temperature Control with Data-Driven Robust Model Predictive Control
应保持适当的温室温度,以确保作物生产,同时尽量减少能源消耗。虽然天气预报可以提供一定的信息量来改善控制性能,但它并不完美,预报误差可能会导致温度偏离可接受的范围。针对天气的不确定性影响控制精度的问题,提出了一种数据驱动的温室温度鲁棒模型预测控制(MPC)方法。动态模型是由建筑物电阻电容建模(BRCM)工具箱推导出的热阻电容建模得到的。环境温度和太阳辐射的不确定性集捕获的支持向量聚类技术,并进一步调整更好的质量,通过训练校准过程。通过在鲁棒模型预测控制中实现精心选择的不确定性集的实例研究表明,与基于规则的控制、确定性等价MPC和鲁棒MPC相比,数据驱动的鲁棒MPC具有更好的控制性能。
2020-01-01 cs.SY eess.SY math.OC
Model Predictive Tracking Control for Invariant Systems on Matrix Lie Groups via Stable Embedding into Euclidean Spaces
对于嵌入在欧几里得空间中的流形上的系统的控制器设计,利用需要周围欧几里得空间上的单个全局坐标系而不是流形上的多个局部图表或微分几何中的无坐标工具的理论是方便的。在这篇文章中,我们应用这样的理论来设计模型预测跟踪控制器的系统,其动态演变的流形上,并说明其有效性与全驱动刚体姿态控制系统。
2019-10-13 cs.SY eess.SY math.OC
Robust Economic Model Predictive Control without Terminal Conditions
针对不确定系统,提出了一种新的基于管的经济模型预测控制(MPC)方案,该方案既不使用终端费用,也不使用终端约束。我们表明,从不受干扰的情况下,可以扩展到系统的有界干扰,通过使用类似的收费公路参数和适当修改的阶段成本。我们证明了强大的保证闭环性能,收敛性和稳定性在适当的耗散性和可控性条件下,并讨论它们在一个数值例子。
2020-07-27 cs.SY eess.SY math.OC
On the Practical Design of Tube-Enhanced Multi-Stage Nonlinear Model Predictive Control
管增强多阶段非线性模型预测控制是一种鲁棒控制方案,可以处理大范围的不确定性,降低保守性和可管理的计算复杂度。在本文中,我们从应用的角度阐述了该方法的灵活性。我们讨论的路径,使设计决策系统地实施新的计划。我们说明了一个工业实例的计划的设计和实施的关键步骤。
2022-04-20 cs.SY eess.SY math.OC
Safe Stochastic Model Predictive Control
对安全关键型系统进行有效和安全的控制是一项挑战。鲁棒方法可能过于保守,而概率控制器需要在效率和安全之间进行权衡。在这项工作中,我们提出了一个安全的算法,是兼容的任何随机模型预测控制方法的线性系统添加剂的不确定性和多面体约束。该安全算法允许使用随机模型预测控制的乐观控制输入,只要安全的备用计划器可以确保安全性,以满足受有界不确定性的硬约束。除了保证安全的行为,所提出的随机模型预测控制算法保证递归的可行性和输入到状态稳定性的系统起源。安全的随机模型预测控制算法的好处是在数值模拟中证明,突出的优点相比,纯粹的鲁棒或随机预测控制器。
2022-09-15 cs.SY eess.SY
Data-driven predictive control with estimated prediction matrices and integral action
本文提出了一种数据驱动的预测控制器的设计方法。在标准模型预测控制(MPC)算法中使用的预测矩阵通常使用诸如状态空间或输入-输出模型的系统模型的知识来构造。相反,我们直接估计的预测矩阵,未来的输出与当前和未来的输入测量数据,离线。在线,开发的数据驱动的预测控制器减少到解决一个二次规划的结构和复杂性类似的线性MPC。此外,我们开发了一个新的程序估计预测矩阵的预测控制器的数据与积分行动,对应于基于速率的制定线性MPC。所开发的数据驱动的预测控制器的有效性示出的直线电机模型的位置控制。
2021-04-11 cs.SY eess.SY
Hierarchical 2-degree-of-freedom control combining Youla-Kucera parameterization and model predictive control
Technical University of Denmark(丹麦技术大学)
本文提出一种结合Youla-Kucera参数化和模型预测控制的分层双自由度结构,通过引入辅助前馈通道实现系统优化,并通过H2最优控制器设计实现无稳态误差的MPC。
2026-05-11 cs.SY eess.SY math.OC
Suboptimal nonlinear model predictive control with input move-blocking
本文将输入移动阻塞方法引入到次优模型预测控制中。阻塞输入参数化被明确地认为是次优性的来源。一种简单的集成方法是,在优化器没有找到更好的输入移动阻塞解决方案的情况下,将手动生成的稳定回退解决方案保留在某个缓冲区中。一个扩展的方法叠加手动生成的稳定的热启动的移动阻止控制序列,并使控制性能的逐步改善。此外,这方面的贡献提供了一个详细的文献输入移动阻塞模型预测控制,并结合重要的结果与次优模型预测控制的调查结果。数值算例验证了理论分析的正确性和有效性。
2022-06-27 cs.SY eess.SY math.OC
Fast Switching in Mixed-Integer Model Predictive Control
Institute for Mathematical Optimization, Technische Universität Braunschweig(布伦瑞克工业大学数学优化研究所)
本文提出了一种混合整数模型预测控制中的快速切换方法,通过过采样和松弛技术实现稳定性和可行性,验证了其在实际应用中的有效性。
2026-05-06 cs.SY eess.SY math.OC
A Constraint-Tightening Approach to Nonlinear Stochastic Model Predictive Control for Systems under General Disturbances
本文提出了一种随机系统的非线性模型预测控制策略,该系统具有一般的(状态和输入相关的)扰动和机会约束。我们的方法使用一个在线计算的随机管,以确保在随机不确定性的存在下的稳定性,约束满足和递归的可行性。管的形状和约束回退是基于离线计算的增量李雅普诺夫函数。
2019-12-04 cs.SY eess.SY math.OC
An Uncertainty-Aware Data-Driven Predictive Controller for Hybrid Power Plants
本文提出不确定性感知的子空间预测控制器,用于协调含4 MW风电、光伏和同址储能的混合电厂,在天气不确定性下跟踪真实电力需求并预测HPP性能。
2025-02-18 cs.CE cs.SY eess.SY
Learning References with Gaussian Processes in Model Predictive Control applied to Robot Assisted Surgery
Otto-von-Guericke Univ. Magdeburg(马格德堡奥托·冯·格里克大学);Fraunhofer-Institute for Factory Operation and Automation(弗劳恩霍夫工厂运营与自动化研究所)
模型预测控制的主要优点之一是能够主动控制系统,考虑到未来的系统演化。然而,往往外部干扰或参考是不是一个先验已知的,这使得预测控制器短视或不知情。自适应预测模型可以用来克服这个问题,并为控制器提供这些信号的预测。在这项工作中,我们建议通过高斯过程学习参考模型预测控制器。为了说明这种方法,我们考虑机器人辅助手术,其中机器人操纵器需要根据光学跟踪测量来跟随学习的参考位置。
2019-11-25 cs.RO cs.SY eess.SY
On the design of regularized explicit predictive controllers from input-output data
在数据驱动预测控制的最新进展的浪潮中,我们提出了一个显式预测控制器,它可以只从一批输入/输出数据中构造。所提出的显式控制律建立在正则化隐式数据驱动预测控制问题的基础上,从而保证了显式预测控制器的唯一性。作为一个附带的好处,使用正则化,以提高能力的明确的法律,在应对噪音的数据。检索显式法律的有效性和噪声处理的正则化的影响进行了分析,两个基准的仿真案例研究,显示所提出的正则化显式控制器的潜力。
2021-10-22 cs.SY eess.SY
Implementation of Linear Model Predictive Control -- Tutorial
本教程概述了具有线性离散时间系统和约束状态和输入的模型预测控制。重点是在考虑稳定性和递归可行性的情况下实现该方法。示例和绘图的MATLAB代码可在线获得。
2021-09-24 cs.SY eess.SY
Stability of Observer Based Predictive Control for Nonlinear Sampled-data Systems
University of Bayreuth(拜罗伊特大学)
提出一种完全基于状态观测器的模型预测控制方法,证明闭环系统的半全局实际渐近稳定性,并通过数值示例验证。
2011-05-17 cs.SY eess.SY math.FA
An assisting Model Predictive Controller approach to Control over the Cloud
Lund University(隆德大学);Ericsson Research(爱立信研究)
本文提出了一种具有渐进退化的计算卸载策略,用于在云上执行模型预测控制,通过模拟复杂物理系统在高频下的控制,展示如何利用边缘计算在保持计算负担低的同时改进系统。
2019-05-15 cs.SY eess.SY
Energy-efficient Reactive and Predictive Connected Cruise Control
在本文中,我们提出了一个框架的纵向控制连接和自动驾驶车辆行驶在混合交通组成的连接和非连接的人类驾驶车辆。提出了反应和预测控制器。无功控制器由显式反馈控制律给出。在预测控制器中,控制输入以滚动时域的方式进行优化,这取决于对前方车辆运动的预测。超越视线的信息是通过车辆到车辆(V2V)的通信,并利用所提出的反应和预测控制器。利用真实的交通数据的模拟表明,连接可以带来显着的节能。
2022-10-10 cs.SY eess.SY
Data-Driven Model Predictive Control for Linear Time-Periodic Systems
研究了周期已知的离散线性时间周期(LTP)系统的数据驱动预测控制问题。我们提出的策略推广了数据支持预测控制(DeePC)和子空间预测控制(SPC),这是线性时不变(LTI)系统的数据驱动控制技术。该方法是支持广泛的理论发展的行为系统理论的LTP系统,最终概括的基本引理。我们的算法产生的结果相同的标准模型预测控制(MPC)的确定性LTP系统。该算法对噪声数据的鲁棒性是通过将该算法应用于随机多输入多输出LTP系统的正则化版本的仿真来说明的。
2022-09-12 cs.SY eess.SY
Cooperative Predictive Cruise Control: A Bargaining Game Approach
本文从预测控制的角度考虑了协同巡航控制问题。在线决策用于基于从网络获得的信息在驾驶过程中执行。我们从预测控制理论使用讨价还价的游戏,找到一个车辆之间的操作协议,正式的同步问题的方法。最后,我们在一个硬件在环系统的仿真环境中测试这些结果。
2022-09-05 cs.SY eess.SY
The pdf-mpc Package: A Free-Matlab-Coder package for Real-Time Nonlinear Model Predictive Control
CNRS University of Grenoble-Alpes(法国国家科学研究中心格勒诺布尔阿尔卑斯大学)
本文介绍了一个基于Matlab-Coder的pdf-mpc包,用于定义和求解模型预测控制问题,提供免费下载和使用。
2017-04-02 cs.SY eess.SY
Learning Model Predictive Control for iterative tasks. A Data-Driven Control Framework
University of California at Berkeley(加州大学伯克利分校)
本文提出一种无参考模型预测控制器,通过学习前次迭代提升性能,利用安全集和终端成本函数保证递归可行性,通过状态和输入轨迹递归构建终端集和终端成本函数,仿真验证了控制逻辑的有效性。
2017-12-14 cs.LG cs.SY eess.SY
Predictive control barrier functions: Enhanced safety mechanisms for learning-based control
虽然基于学习的控制技术通常优于经典控制器设计,但安全要求限制了许多应用中对此类方法的接受。最近的发展通过所谓的预测安全过滤器来解决这个问题,该过滤器评估拟议的基于学习的控制输入是否会导致违反约束,并在必要时对其进行修改,以确保未来所有时间步长的安全性。这种预测性安全滤波器的理论保证依赖于模型假设,微小的偏差可能导致滤波器故障,使系统处于危险之中。本文介绍了一种辅助软约束预测控制问题,总是可行的,在每个时间步长和渐近稳定的可行集的原始安全过滤器,从而提供了一个恢复机制,在安全关键的情况下。这是通过结合终端控制障碍函数的简单约束收紧来实现的。通过扩展离散时间控制障碍函数理论,我们建立了所提出的辅助问题提供了一个“预测”的控制障碍函数。所得到的算法证明使用数值例子。
2022-05-13 cs.SY eess.SY
Observed Control - Linearly Scalable Nonlinear Model Predictive Control with Adaptive Horizons
Colorado School of Mines(科罗拉多矿业学院)
本文提出观测控制方法,利用状态估计与模型预测控制的对偶性,以线性时域可扩展性高效计算控制动作,并通过卡尔曼平滑器及非线性滤波器扩展实现自适应时域和任意时域控制。
2026-09-23 cs.RO cs.SY eess.SY
Constrained Nonlinear Model Predictive Control of an MMA Polymerization Process via Evolutionary Optimization
Maplesoft(枫叶软件公司);Swiss Finance Institute(瑞士金融学院);University of Lugano(卢加诺大学)
本文开发了非线性模型预测控制器用于间歇聚合过程,通过参数化期望轨迹得到轨迹线性化分段模型,并利用实验聚合反应器识别参数,设计多模型自适应预测控制器以实现热轨迹跟踪,采用遗传算法解决约束优化问题以最小化DMC成本函数。
2015-02-15 cs.AI cs.SY eess.SY
Optimal Data-Driven Prediction and Predictive Control using Signal Matrix Models
本文提出一种更简洁的Willems引理表述,将模型分离为初始条件匹配与预测控制设计,避免了正则化,并给出未来输出轨迹的最优无偏预测器闭式表达式,仿真验证了其优异控制性能。
2024-03-22 cs.SY eess.SY
Deep Model Predictive Control
UIUC(伊利诺伊大学厄巴纳-香槟分校)
针对仿射非线性离散时间系统,提出了一种基于深度学习的模型预测控制算法,用于控制具有匹配和有界状态相关未知结构不确定性的系统。由于不确定性的结构是未知的,深度神经网络(DNN)被用来近似的干扰。为了避免在学习阶段的任何不必要的行为,基于管的模型预测控制器,它确保满足约束和输入到状态稳定性的闭环状态。
2023-02-27 cs.RO cs.SY eess.SY
Continuous Control Set Nonlinear Model Predictive Control of Reluctance Synchronous Machines
本文介绍了一种基于连续集非线性模型预测控制的磁阻同步电机电流控制器的设计与实现。一个计算效率高的灰箱模型的磁链图中采用的跟踪配方,这是使用高性能的非线性模型预测控制学术框架。所得到的控制器在仿真中进行了验证,并部署在连接到物理磁阻同步机的dSPACE实时系统上。实验结果表明,所提出的实施方案可以达到典型的电气驱动器的范围内的采样时间,并可以实现大的改进,在控制性能方面的国家的最先进的经典控制策略。
2020-09-28 cs.SY eess.SY
Deep Learning Explicit Differentiable Predictive Control Laws for Buildings
Pacific Northwest National Laboratory(太平洋西北国家实验室)
针对未知非线性系统,提出了一种学习约束控制律的可微预测控制方法。DPC提出了一个近似的解决方案,多参数规划问题出现显式非线性模型预测控制(MPC)。与近似MPC相反,DPC不需要专家控制器的监督。相反,系统动力学模型是从观察到的系统的动态学习,神经控制律是离线优化利用可微闭环系统模型。一个可微的闭环系统和惩罚方法的约束处理系统的输出和输入的组合,使我们能够优化控制律的参数直接通过反向传播的经济MPC损失通过学习的系统模型。所提出的DPC方法的控制性能证明在模拟使用多区域建筑热动力学的学习模型。
2021-07-25 cs.LG cs.SY eess.SY
Descending Predictive Feedback: From Optimal Control to the Sensorimotor System
下行预测反馈(DPF)是中枢神经系统中一种普遍存在但无法解释的现象。最近的观察运动相关的信号在视觉系统中的动机,我们从感觉运动的角度来处理这个问题,并利用最优控制器来解释DPF。我们定义和分析DPF的最优控制的上下文中,重新审视几个控制问题(状态反馈,完全控制,和输出反馈),以探索的条件下,需要DPF。我们发现,即使是小的偏差,从无约束的状态反馈问题(如不完整的传感,通信延迟)需要DPF的最优控制器。我们还讨论了控制器结构和神经科学的观察之间的相似之处。特别是,系统级(SLS)控制器显示DPF模式兼容的预测编码理论,并很容易适应典型的神经元的信令限制(如延迟),使其成为候选人用于感觉运动建模。
2021-03-31 cs.SY eess.SY math.OC
Resource-Aware Stochastic Self-Triggered Model Predictive Control
本文考虑了在有限的资源因素,如电池寿命或硬件寿命下运行的不确定系统的控制。我们在这里考虑资源感知的自触发控制技术,调度系统的操作不均匀的时间,以平衡性能对资源消耗。当运行在一个不确定的环境中,未知的干扰可能会恶化系统的性能,通过对抗计划的事件触发时间表。在这项工作中,我们提出了一个资源感知的随机预测控制方案来解决这一挑战,提出了一种新的零阶保持反馈控制方案,以适应时间不均匀的预测控制更新。
2021-03-09 cs.SY eess.SY
Model predictive control with stage cost shaping inspired by reinforcement learning
本文提出了一种基于强化学习思想的具有阶段成本成形的特定模型预测控制的次优性研究。次优性研究的重点是导出在模型预测控制的所述变型下的无限时域费用函数与相应的无限时域值函数相关的量。基础控制方案涉及通常的稳定约束,包括终端集和终端成本的形式的本地李雅普诺夫函数。阶段成本使用Q学习的原理进行调整,Q学习是强化学习的一种特殊方法。这项工作的结论是广泛的初始条件下的两个系统的案例研究。
2020-04-27 cs.SY eess.SY math.DS