Co-Optimization of Adaptive Cruise Control and Hybrid Electric Vehicle Energy Management via Model Predictive Mixed Integer Control
该研究面向比亚迪秦Plus DM-i PHEV,将ACC与考虑离合器状态的EMS整合为MINLP,并在MPC框架下实现跟车节能协同优化,燃油消耗较顺序优化降低5.1%。
2023-04-24 cs.SY eess.SY
A Model Predictive Control Framework for Improving Risk-Tolerance of Manufacturing Systems
对能够解决动态系统不确定性的控制策略的需求变得越来越重要。在这项工作中,我们提出了一个模型预测控制,通过量化我们的系统模型中的故障风险。建议的控制方案使用一个定价的时间自动机表示的制造系统,以促进系统的故障安全操作下的不确定性。所提出的方法,确保在不可预见的故障(S)的情况下,基于优化的控制策略仍然可以实现制造系统的目标。此外,所提出的策略建立了一个权衡之间的成本最小化和降低故障风险,使制造系统有效地运作存在的不确定性。一个制造系统的例子来显示所提出的控制策略的应用。
2023-02-16 cs.SY eess.SY
Priority-based Energy Allocation in Buildings through Distributed Model Predictive Control
针对建筑暖通空调系统能源供给不足问题,本文提出基于分布式模型预测控制的优先级能源分配方案,通过一对一和多对一两种策略,在保证可扩展性和计算可行性的同时达到集中式控制性能。
2024-07-22 cs.SY eess.SY
Balancing-Aware Charging Strategy For Series-Connected Lithium-Ion Cells: A Nonlinear Model Predictive Control Approach
University of Pavia(帕维亚大学)
本文提出了一种基于非线性模型预测控制的平衡意识优化充电策略,通过定制的电化学模型实现对系列连接锂离子电池的平衡控制,并在商用电池上验证了其有效性。
2019-02-06 cs.SY eess.SY
Optimal Weight Adaptation of Model Predictive Control for Connected and Automated Vehicles in Mixed Traffic with Bayesian Optimization
针对混合交通环境下的互联自动车辆(CAV),提出了一种最优权值自适应模型预测控制(MPC)策略.我们将CAV和人类驾驶车辆(HDV)之间的相互作用建模为同时博弈,并制定了博弈论MPC问题,以找到博弈的纳什均衡。在MPC问题中,HDV目标函数中的权重可以使用移动时域逆强化学习在线学习。使用贝叶斯优化,我们提出了一种策略,以最佳地适应CAV的目标函数的权重,使预期的真实成本时,使用MPC在模拟中可以最小化。最后通过一个无信号交叉口的车辆过街算例验证了该优化策略的有效性。
2023-03-10 cs.SY eess.SY
Distributed Model Predictive Control Design for Multi-agent Systems via Bayesian Optimization
针对多智能体系统中局部模型不完善的问题,提出融合ADMM的MABO算法与对偶分解框架的DMPC协同学习方法,经理论证明其最优收敛性,数值算例验证可提升闭环控制性能。
2025-05-19 cs.SY eess.SY
Predictive Control of a Permanent Magnet Synchronous Machine based on Real-Time Dynamic Optimization
Technische Universität München(慕尼黑工业大学)
提出一种基于连续参数化和线性规划的子优化方法,通过实时优化二次成本并考虑电压电流约束,实现永磁同步电机的快速平滑转矩动态和高速弱磁效率提升。
2012-12-01 cs.SY eess.SY
Real-time Nonlinear Model Predictive Control using One-step Optimizations and Reachable Sets
本文提出用预计算可达集内近似辅助的一步优化序列替代全时域最优控制问题,以降低实时非线性模型预测控制在嵌入式硬件上的计算负担,并给出递推可行性与渐近稳定性证明。
2023-04-12 cs.SY eess.SY
KPC: Learning-Based Model Predictive Control with Deterministic Guarantees
我们提出了核预测控制(KPC),基于学习的预测控制策略,享有确定性的安全保证。噪声破坏的样本的未知系统动态被用来学习几个模型,通过非参数核回归的形式主义。通过单独处理每个预测步骤,我们免除了通过高度非线性映射传播集合的需要,这一过程通常涉及多个保守近似步骤。然后,通过采用一个有效的鲁棒性制定的样本误差界来执行状态的可行性。然后,我们提出了一个松弛策略,利用在线数据来削弱优化问题的约束,同时保持安全。两个数值例子来说明所提出的控制方法的适用性。
2020-11-23 cs.SY eess.SY
Predictive Real-Time Control Optimization of a Stormwater Management System
建立了一个雨水池的优化模型,以提高系统在水量和水质方面的性能。如今,雨水管理系统在减轻城市化对自然水文循环的影响方面发挥着重要作用。这些系统可以以满足智慧城市需求的方式进行管理。一个自动化的动态管理系统,可以适应不断变化的环境条件,可以使用数学优化方法建模。因此,本文提出了一种预测实时控制(PRTC)的方法,以优化雨水管理流域的性能,最大限度地减少在潮湿时期的水力冲击。然后设计了一些通用的规则来控制蓄水池中滞留水在枯水期的沉积,以改善排入受纳河流的水质。与静态策略相比,这两种方法的组合提供了实时改进的性能。
2019-10-02 cs.SY eess.SY
An Adaptive Load Management System using Predictive Control Optimization
本文提出了一种利用预测控制优化的自适应负载管理系统,该系统能够优化电力消费,完全自主且响应市场 clearing 价格。所选应用领域是空调系统,允许终端用户选择一个舒适区作为优化算法的边界条件。温度函数也进行了推导和测试。通过数值示例展示了该系统在日前和实时数据中的有效性。开发的系统显示出有前景的结果和节省,将提高现有能源资源的利用。最后讨论了该系统的实施,并进行了一些初步建模以展示此类系统的潜在实现。
2018-09-20 cs.SY eess.SY
Time-Constrained Model Predictive Control for Autonomous Satellite Rendezvous, Proximity Operations, and Docking
本文提出一种时间约束模型预测控制策略,用于副星与主星间的六自由度自主交会对接,在航天级处理器上实现,虽能量次优但仿真验证可成功对接。
2025-01-22 cs.SY eess.SY
Data Center Chiller Plant Optimization via Mixed-Integer Nonlinear Differentiable Predictive Control
Slovak University of Technology(斯洛伐克工业大学);Pacific Northwest National Laboratory(太平洋西北国家实验室);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出一种计算可行的实时预测控制框架,用于优化包含离散和连续控制决策的多冷水机房,通过非线性动态耦合形成混合整数优化问题。扩展可微预测控制以处理混合整数控制策略,实验表明其在能耗上优于规则控制器,计算速度也快于MPC。
2026-03-30 cs.SY eess.SY
Degradation Aware Predictive Energy Management Strategy for Ship Power Systems
将现代防御武器集成到船舶电力系统中,在满足这些负载的高斜坡率要求方面提出了挑战。发电机可能需要满足这些负载的斜坡率。如果不这样做,可能会导致稳定问题。这通过发电机和能量存储元件的聚集来解决,以处理由负载引起的所需电力需求。本文提出了一种基于模型预测控制的能量管理策略,将不确定性的负荷预测。所提出的控制器优化协调发电机和储能元件之间的功率分配,以保证满足功率需求,同时考虑斜坡率限制和负载不确定性。一个低带宽模型,由一个单一的发电机和一个单一的能量存储元件被用来验证所提出的能量管理策略的结果。结果表明,在负载预测的不确定性下的控制器的鲁棒性和负载的不确定性对电池容量损失的影响。
2021-05-25 cs.SY eess.SY math.OC
Policy Optimization for Unknown Systems using Differentiable Model Predictive Control
ETH Zürich(苏黎世联邦理工学院);Inspire AG(Inspire公司);Automatic Control Laboratory, ETH Zürich(苏黎世联邦理工学院自动控制实验室)
本文提出结合可微优化与零阶优化的新型策略优化框架,用于未知系统中的MPC策略优化,提升瞬态性能并保持收敛性。
2026-04-20 cs.SY eess.SY math.OC
MROPE: A Multi-Robot Safe Cooperative Strategy via combined Predictive Safety Filters and Ellipse-based Constraint Compression
Alma Mater Studiorum - Università di Bologna(博洛尼亚大学);Leonardo S.p.a.(莱昂纳多公司);Leonardo Innovation Labs(莱昂纳多创新实验室)
针对杂乱环境中无人机群追踪动态目标的计算与安全挑战,研究提出MROPE分层策略,结合分布式聚合优化、分布式共识方案与预测安全滤波器,通过动态聚合障碍物为椭圆保障安全,实验验证其效率与可扩展性优于集中式方法。
2026-08-03 cs.RO cs.SY eess.SY
Open-/Closed-loop Active Learning for Data-driven Predictive Control
Department of Mechanical Engineering, Faculty of Engineering, University of Victoria(维多利亚大学工程学院机械工程系)
本文提出开/闭环主动学习策略,用于数据驱动预测控制中有效获取信息丰富的数据集,通过最小化可接受系统集合体积并设计自适应预测控制器,验证了方法的有效性与稳定性。
2025-11-27 cs.SY eess.SY
Receding Horizon Optimization for Disturbance-aware Predictive Control of Power Electronic Inverters
提出了一种基于滚动优化方法的DC-AC逆变器扰动感知预测控制策略。首先,一个离散的事件驱动的混合自动机模型已被构造的非线性逆变器系统的动态。提出了一个无限离散状态空间转移序列优化的控制问题。采用滚动优化方法对离散优化问题进行在线分段求解。为此,提出了扰动感知的自适应控制,利用在线递推最小二乘(RLS)算法对外界扰动进行采样和估计。阐述了传统的PWM控制方案是所提出的控制方案的一个子集,并给出了它们之间的代码转换。通过增加额外的PWM约束的建议的控制策略,最优PWM控制模式(OPCM)作为一个例子。所提出的控制器可以自由地运行在原始的最优离散控制模式(ODCM)和OPCM。数值仿真结果表明,所提出的离散控制策略实现了DC-AC逆变抗负载漂移的扰动感知自适应控制,且ODCM的控制性能优于OPCM。此外,所提出的建模和控制框架具有支持其他形式的控制模式的潜力。
2020-12-22 cs.SY eess.SY
Distributed Conditional Cooperation Model Predictive Control of Interconnected Microgrids
University of Kassel(卡塞尔大学)
本文提出了一种基于模型预测控制的操作策略,使互联微电网之间能够进行电力交换。通过引入基于孤岛运行成本的条件,确保每个微电网都能从与其他微电网的电力交换中受益。整体模型预测控制问题被提出为混合整数二次约束规划问题,并通过迭代更新连续和整数变量的分布式算法进行求解。讨论了该算法的终止性、可行性及计算性质,并通过示例研究突出所提策略的性能和计算优势。
2023-11-12 cs.SY eess.SY
Plant and Controller Optimization for Power and Energy Systems with Model Predictive Control
本文探讨了电气化移动性的植物特性和控制器参数的优化。汽车和飞机等移动运输系统的电气化能够提高效率和成本等关键性能指标。然而,新组件内的电气和热动态之间的强双向耦合带来了集成挑战,增加了组件退化并降低了性能。减少这些问题需要新的工厂设计和控制策略。电气化移动性文献提供了关于工厂和控制器优化的先前研究,称为控制协同设计(CCD)。这些研究中的一个空白是缺乏模型预测控制(MPC),公认的管理多域动态电气化系统,CCD框架内。本文通过三个贡献来解决这个问题。首先,热电机械混合动力电动汽车(HEV)模型的开发,是适合植物优化和MPC。其次,同时植物和控制器优化进行此多域系统。第三,MPC集成在CCD框架内使用候选HEV模型。结果表明,同时优化植物和MPC参数可以减少超过60%的物理组件的大小和关键性能度量误差超过50%。
2020-10-14 cs.SY eess.SY
Optimal Management of a Smart Port with Shore-Connection and Hydrogen Supplying by Stochastic Model Predictive Control
本文提出了一种智能港口的最佳管理策略,该港口配备了可再生能源发电,由一个电气化码头和一个氢基码头组成,可提供零排放船舶。一个电池储能系统和一个氢储能系统用于管理可再生能源,并为电力和氢燃料船舶提供电力。设计了一种基于模型预测控制的算法,以确定在运行过程中要遵循的最佳经济策略。控制算法考虑到可再生能源发电的不确定性,使用随机优化。该方法的性能在未来可能配备风力和光伏发电的智能港口上进行了测试。
2022-11-22 cs.SY eess.SY
Adaptive and Efficient Model Predictive Control for Booster Reentry
模型预测控制(MPC)是一种最优控制策略,其中控制输入计算基于在随时间移动的有限时域上最小化预测跟踪误差。这种策略比传统的状态反馈和输出反馈控制器有优势,因为它预测系统的响应,而不是简单地对它作出反应。因此,MPC可以提供改善的性能,在存在输入和输出约束。文献[1]中出现了许多MPC在航空航天飞行器上的应用。其中一些包括航天器和卫星姿态控制[2-4],航天器交会对接[5],直升机[6]和大气层再入[7,8]。
2021-03-22 cs.SY eess.SY
An Efficient Move Blocking Strategy for Multiple Shooting based Nonlinear Model Predictive Control
移动阻塞(MB)是一种广泛使用的策略,用于减少滚动时域控制中出现的最优控制问题(OCP)的自由度。通过强制输入变量在多个离散化步骤中保持恒定,减小了OCP的大小。在本文中,我们专注于开发计算效率的MB计划多拍摄的非线性模型预测控制(NMPC)。通过在拍摄步骤中引入MB来减少OCP的自由度,从而导致更小但稀疏的OCP。因此,保持了离散化精度和稀疏性水平。提出了一种利用OCP的稀疏结构的凝聚算法,该算法允许在离散化节点的数量上降低从二次凝聚到线性凝聚的计算复杂度。因此,可以有效地采用具有热启动策略的活动集方法,从而允许使用更长的预测范围。给出了该方案与非均匀网格NMPC的详细比较。通过两个不同的问题的仿真,该算法在减少计算负担,同时保持优化精度和约束履行的有效性。
2019-09-20 cs.SY eess.SY math.OC
Hierarchical Optimization-Based Model Predictive Control for a Class of Discrete Fuzzy Large-Scale Systems Considering Time-Varying Delays and Disturbances
摘要-本文研究一类具有有界时变时滞和扰动的离散模糊大系统的模型预测控制。所考虑的方法是Razumikhin的时变时滞大系统,其中它包括一个李雅普诺夫函数与系统动力学的原始非增广状态空间相比,Krasovskii方法。作为一项规则,Razumikhin方法具有完美的潜力,以避免Krasovskii方法的固有复杂性,特别是在存在大延迟和干扰的情况下。本文将大系统分解为若干个子系统,每个子系统用模糊Takagi-Sugeno(T-S)模型表示,并考虑了任意两个子系统之间的相互联系。由于模型预测控制的主要部分是优化,因此对优化问题执行分层方案。在此基础上,考虑持续扰动,研究了持续扰动下系统的鲁棒正不变性和输入到状态稳定性。线性矩阵不等式(LMI)的方法进行我们的计算。因此闭环大系统是渐近稳定的。最后通过两个算例说明了该方法的有效性,并与其他文献进行了比较。
2021-08-25 cs.SY eess.SY
Dimension Reduction for Efficient Data-Enabled Predictive Control
针对数据驱动预测控制(DeePC)优化维度高的问题,提出基于奇异值分解(SVD)的离线数据预处理降维策略,可在不损失控制性能的前提下显著提升计算效率。
2023-10-05 cs.SY eess.SY
Learning For Predictive Control: A Dual Gaussian Process Approach
基于模型的控制设计中的一个重要问题是,系统的精确动态模型通常是非线性的,复杂的,并且获得成本高。这在实践中限制了可实现的控制性能。基于高斯过程(GP)的系统模型估计是直接从输入/输出数据学习未知动态的有效工具。然而,传统的基于GP的控制方法往往忽略了计算成本与积累的数据在系统的操作过程中,以及如何处理遗忘在连续自适应。在本文中,我们提出了一种新的双高斯过程(DGP)为基础的模型预测控制(MPC)的战略,使有效地利用在线学习的预测控制没有灾难性遗忘的危险。生物启发的DGP结构是长期GP和短期GP的组合,其中长期GP用于将学习的知识保持在记忆中,而短期GP用于在在线操作期间快速补偿未知动态。此外,提出了一种新的递归在线更新策略的短期GP不断提高学习模型在线操作。通过数值模拟证明了所提出的策略的有效性。
2022-11-07 cs.SY eess.SY
A Computationally Efficient Robust Model Predictive Control Framework for Ecological Adaptive Cruise Control Strategy of Electric Vehicles
本文提出一种结合反馈线性化与RMPC的生态自适应巡航控制框架,在保证安全约束和抗模型失配鲁棒性的同时提升联网电动汽车的能效、计算效率与乘坐舒适度。
2022-11-21 cs.SY eess.SY
Distributed model predictive control without terminal cost under inexact distributed optimization
Delft University of Technology(代尔夫特理工大学);KTH Royal Institute of Technology(瑞典皇家理工学院)
针对具有耦合约束的分布式线性离散时间系统,提出一种无终端代价的分布式模型预测控制(MPC)方案,通过松弛动态规划引入显式稳定性条件,并开发无违例分布式优化方法求解,确保闭环稳定性。
2025-04-22 cs.SY eess.SY
Considerate and Cooperative Model Predictive Control for Energy-Efficient Truck Platooning of Heterogeneous Fleets
分布式控制系统的连接使能自动化允许更好地预测系统干扰和更好地预测在合并模型时致动器限制对个体代理的影响。重型卡车的自动车队以队列的形式是这样一种应用,旨在保持卡车之间的紧密间隙,以利用牵引优势并提高燃油经济性,并且传统上使用经典设计的连接和自适应巡航控制(CACC)来处理。本文的动机是证明这种控制策略的局限性,其中一个经典的CACC是无法有效地处理现实世界中的道路坡度和速度瞬态干扰的帮助下,车队运营商的干预,是不适应不同的硬件和装载条件的操作卡车。该自动化策略通过形成用于生态排队的协作模型预测控制(MPC)来解决,该协作MPC考虑与尾随卡车的相互作用以激励在道路干扰、速度瞬变和发动机限制下的排队协调,并且通过减少不必要的发动机努力来进一步提高能量经济性。这是通过共享负载,最大发动机功率,传动比,控制状态,并与其最近的邻居的预期轨迹为每个卡车。的体贴和合作的策略的性能被证明对一个类似的非体贴的控制策略在现实世界中的驾驶场景,总体上,它被发现,体贴的策略显着提高了协调之间的排队卡车在实时可实施的方式。
2022-08-03 cs.SY eess.SY
Distributional Robustness Regularized Scenario Optimization with Application to Model Predictive Control
我们提供了一个强大的统计和功能分析的动机分布鲁棒性的功能视图。这导致在两个实际的计算方法近似分布鲁棒非线性优化的基础上梯度范数和再生核希尔伯特空间。我们的方法可以应用于小样本和测试分布移动的统计学习的设置。作为一个案例研究,我们鲁棒基于随机模型预测控制一般非线性约束。特别是,我们证明了约束满足只有少数情况下的分布转移。
2021-10-26 cs.SY eess.SY math.OC
Economic Model Predictive Control of Water Distribution Systems with Accelerated Optimization Algorithm
本文提出一种最小限制性移动阻塞加速算法用于供水系统经济模型预测控制,通过插值阻塞控制变化率降低计算负担,并在多目标优化框架下验证其在水位安全、控制平滑性和成本效益方面的有效性。
2024-06-10 cs.SY eess.SY
Quantum optimization for Nonlinear Model Predictive Control
针对NMPC在线求解计算成本高的问题,提出量子计算方法,利用高效量子计算机以缩短计算时间并提升解质量。
2024-11-05 cs.SY eess.SY quant-ph
Sampling Strategy Design for Model Predictive Path Integral Control on Legged Robot Locomotion
School of Artificial Intelligence Shandong University Jinan, China;Department of Mechatronics;Robotics Xi'an Jiaotong-Liverpool University Suzhou, China;Robotics Xi'an Jiaotong-Liverpool University Suzhou, China University of Liverpool United Kingdom;Robotic Systems Xi'an Jiaotong-Liverpool University Suzhou, China
本文提出了一种用于四足机器人运动的模型预测路径积分控制的采样策略设计方法,通过比较不同采样策略的效果,提升了控制平滑度和任务性能。
2026-01-04 cs.RO cs.SY eess.SY
Cost-minimization predictive energy management of a postal-delivery fuel cell electric vehicle with intelligent battery State-of-Charge Planner
燃料电池电动汽车以其高效率和零排放的特点在近几十年来得到了广泛的关注,但高昂的运营成本仍然是其大规模商业化的主要障碍。在此背景下,本文旨在设计一个能源管理策略的城市邮政投递燃料电池电动汽车的运营成本降低。首先,设计了一种数据驱动的双环空间域电池荷电状态参考估计器来指导电池能量消耗,该估计器通过在邮政递送任务中收集的真实驾驶数据进行训练。然后,一个模糊C-均值聚类增强马尔可夫速度预测器构建的项目即将到来的速度。最后,结合充电状态参考和预测的速度,模型预测控制为基础的成本优化的能源管理策略,以减少能源消耗和电源退化所带来的车辆运行成本。实验结果表明:1)与基准算法相比,所提算法的平均运行成本分别降低了4.43%和7.30%,表明了其在降低成本方面的优越性; 2)所提算法的平均每步计算量为0.123ms,小于采样时间间隔1 s,证明了其实时应用的潜力。
2023-03-03 cs.SY eess.SY
Learning Based Model Predictive Control for Quadcopters with Dual Gaussian Process
四轴飞行器控制中的一个重要问题是系统的精确动态模型是非线性的、复杂的并且获得成本高。这在实践中限制了可实现的控制性能。基于高斯过程(GP)的估计是从输入/输出数据中学习未知动态的有效工具。然而,传统的基于GP的控制方法往往忽略了计算成本与积累的数据在系统的操作过程中,以及如何处理遗忘在连续自适应。在本文中,我们提出了一种新的双高斯过程(DGP)的模型预测控制策略,提高了性能的四轴飞行器在轨迹跟踪。生物启发的DGP结构是长期GP和短期GP的组合,其中长期GP用于将学习的知识保持在记忆中,而短期GP用于在在线操作期间快速补偿未知动态。此外,提出了一种新的递归在线更新策略的短期GP不断提高学习模型在线操作过程中的一种有效的方式。数值仿真结果表明了该策略的有效性。
2021-12-22 cs.SY eess.SY
Data-driven design of explicit predictive controllers using model-based priors
在本文中,我们提出了一种数据驱动的方法来获得显式预测控制律,而不需要任何中间识别步骤。所提出的策略的重点是利用现有的控制律的先验知识,来自基于模型的分析。具体来说,通过利用最优预测控制器表示为分段仿射(PWA)法的知识,我们直接从数据中优化这种分析控制器的参数,而不是运行在线优化问题。由于所提出的方法允许我们自动检索的闭环系统的模型,我们表明,我们可以应用基于模型的技术来执行稳定性检查之前的控制器部署。所提出的策略的有效性进行评估的两个基准模拟的例子,通过它,我们还讨论了使用正则化和平均技术相结合,以处理噪声的存在。
2022-07-04 cs.SY eess.SY
MPPI-VS: Sampling-Based Model Predictive Control Strategy for Constrained Image-Based and Position-Based Visual Servoing
Luddy School of Informatics, Computing, and Engineering, Indiana University(印第安纳大学卢迪信息学、计算与工程学院)
在本文中,我们开辟了新的途径,视觉伺服系统建立在路径积分(PI)最优控制理论,其中的非线性偏微分方程(PDE)可以转化为一个期望的所有可能的轨迹使用费曼-卡茨(FK)引理。更准确地说,我们提出了一种MPPI-VS控制策略,一种基于采样的模型预测控制的实时无逆控制策略(即,模型预测路径积分(MPPI)控制)算法,用于基于图像、3D点和基于位置的视觉伺服技术,考虑到系统约束(例如可见性、3D和控制约束)和与机器人和相机模型相关联的参数不确定性以及测量噪声。与经典的视觉伺服控制方案相反,我们的控制策略直接利用相互作用矩阵的近似,而不需要估计相互作用矩阵的逆或执行伪逆。我们验证了MPPI-VS控制策略,以及经典的控制方案上的6自由度笛卡尔机器人的眼睛在手的相机的基础上利用图像平面中的四个点作为视觉特征。为了更好地评估和展示我们提出的控制策略的鲁棒性和潜在的优势相比,经典的计划,在各种操作条件下进行了密集的模拟,然后进行了讨论。所得到的结果表明,该计划的有效性和能力,在应对容易与系统的约束,以及它的鲁棒性存在的相机参数和测量的大误差。
2021-12-30 cs.RO cs.SY eess.SY
Enhancing industrial microalgae production through Economic Model Predictive Control
University of Almería(阿尔梅里亚大学);Norwegian University of Science and Technology(挪威科技大学)
本文提出经济模型预测控制器以提升工业微藻生产效率,通过优化实现过程的经济性和稳定性。
2025-12-17 cs.SY eess.SY
Model predictive control strategy in waked wind farms for optimal fatigue loads
本文提出一种闭环模型预测控制策略,在尾流风电场中优化功率跟踪与疲劳载荷,通过权衡载荷均衡,在64台风机仿真中验证了可缓解动态疲劳载荷且不影响功率跟踪。
2023-08-25 cs.SY eess.SY
Differentiable-by-design Nonlinear Optimization for Model Predictive Control
inspire AG
本文提出了一种为模型预测控制设计的可微非线性优化方法,通过正则化解决非线性优化问题的不可微问题,提升基于梯度的优化性能。
2026-11-18 cs.SY eess.SY math.OC
Multi-Objective Predictive Taxi Dispatch via Network Flow Optimization
在本文中,我们讨论了一个大规模的车队管理问题的多目标设置。我们的目标是寻求一个后退地平线出租车调度解决方案,服务尽可能多的乘坐请求,同时最大限度地减少搬迁车辆的成本。为了获得所需的解决方案,我们首先将多目标出租车调度问题转化为一个网络流问题,可以使用经典的最小成本最大流(MCMF)算法来解决。我们表明,使用MCMF算法得到的解决方案是整数值,因此,它不需要任何额外的舍入过程,可能会引入不希望的数值误差。此外,我们证明了所提出的解决方案的时间贪婪性质,这证明了滚动优化的使用是合理的。为了提高计算效率,我们提出了一种线性规划方法,以获得近实时的最优解。我们的模拟研究,使用真实世界的数据,韩国首尔大都市区的结果表明,所提出的预测方法的性能几乎一样好的预言,预见未来。
2020-05-06 cs.SY eess.SY
Robust Parametrization of a Model Predictive Controller for a CNC Machining Center Using Bayesian Optimization
诸如模型预测控制(MPC)和状态估计器的控制算法依赖于多个不同的参数。闭环的性能通常取决于这些参数的正确设置。调整通常由专家基于系统的仿真模型手动完成。这一程序产生了两个问题。首先,专家需要熟练,并且仍然可能无法找到最佳参数化。其次,由于仿真中的模型不准确,仿真模型的性能可能无法转移到现实世界的应用程序中。有了这个贡献,我们演示了工业铣削过程中贝叶斯优化如何自动化的调整过程,并帮助解决上述问题。鲁棒参数化是确保扰动的模拟与任意分布的模型植物失配。目标是最小化期望的积分参考跟踪误差,保证可接受的最坏情况下的行为,同时保持实时能力。这些口头要求被转化为受约束的随机混合整数黑箱优化问题。一个两阶段的最小-最大型贝叶斯优化程序的开发和比较基准算法在数控加工中心的仿真研究。它展示了如何通过贝叶斯优化获得的经验性能模型可以用来分析和可视化的结果。结果表明,优越的性能的情况下,只有标称模型用于控制器合成。优化后的参数化显著改善了初始手动调整的参数化。
2020-10-14 cs.SY eess.SY
A Tilting-Rotor Enhanced Quadcopter Fault-Tolerant Control Based on Non-Linear Model Predictive Control
University College London(伦敦大学学院);Wuhan University of Technology(武汉理工大学)
本文针对四旋翼旋翼失效问题,提出基于非线性模型预测控制和扩展状态观测器的倾转旋翼容错控制策略,仿真验证其能在保持偏航稳定的同时维持位置控制。
2025-11-07 cs.SY eess.SY
Data-Driven Predictive Control for Connected and Autonomous Vehicles in Mixed Traffic
互联和自动驾驶车辆(CAV)的协同控制为混合交通带来了巨大的好处。大多数现有的研究集中在基于模型的控制策略,假设人驾驶车辆的跟车动力学是明确已知的。在本文中,而不是依赖于一个参数的汽车跟驰模型,我们引入了一个数据驱动的预测控制策略,以实现安全和最佳的混合交通中的CAV控制。首先,我们提出了一个线性化的混合交通系统的动力学模型,并研究其可控性和可观性。基于这些控制理论特性,我们提出了一种新的DeeP-LCC(数据驱动的预测领先巡航控制)策略的CAV的基础上可测量的驾驶数据,以平滑混合交通。我们的方法是实现在一个滚动的地平线的方式,其中输入/输出约束被纳入实现无碰撞的保证。非线性交通模拟显示,在城市外驾驶循环的制动情况下,它可以节省高达24.96%的燃油消耗,同时确保安全。
2022-03-25 cs.SY eess.SY
Model Predictive Control for Distributed Microgrid Battery Energy Storage Systems
University of Oxford(牛津大学);University of New South Wales(新南威尔士大学);University of Technology Sydney(悉尼科技大学);Technical University of Denmark(丹麦技术大学)
本文提出了一种新的凸优化模型预测控制策略,用于解决分布式微电网中电池储能系统的动态最优功率流问题,通过线性d-q参考框架电压电流模型和线性化功率流近似,实现快速稳健的凸优化求解,同时考虑线损、电压约束和换流器电流约束,提升实时控制性能。
2017-02-15 cs.CE cs.SY eess.SY
Learning-based data-enabled economic predictive control with convex optimization for nonlinear systems
Nanyang Technological University(南洋理工大学)
本文提出了一种基于数据增强和凸优化的经济预测控制方法,用于优化非线性系统的经济性能并满足输出约束。
2025-12-29 cs.SY eess.SY
A novel learning-based robust model predictive control energy management strategy for fuel cell electric vehicles
Jilin University(吉林大学);Loughborough University(拉夫堡大学)
多能源机电耦合使得燃料电池电动汽车(FCEV)的能量管理相对非线性和复杂,特别是在四轮驱动(4 WD)FCEV类型中。复杂非线性系统的精确状态观测是燃料电池汽车实现理想能量管理的基础。为充分发挥燃料电池汽车的节能潜力,提出了一种基于学习的鲁棒模型预测控制(LRMPC)策略,用于四轮驱动燃料电池汽车,实现多能源之间的合理功率分配.基于机器学习的控制策略将非线性系统的知识转化为具有良好鲁棒性能的显式控制方案。首先,离线训练回归精度高、泛化能力强的ML方法,建立精确的SOC状态观测器;然后,利用状态观测器生成的SOC显式数据表,以车辆状态和车辆部件状态为输入特征,准确捕捉状态变化。具体地说,车辆速度估计提供未来的速度参考是由深森林。其次,将显式数据表和车速估计等组成部分与模型预测控制(MPC)相结合,以释放燃料电池汽车多自由度系统的最新节能能力,称为LRMPC。最后,通过仿真试验对该算法的性能进行了详细的评估,验证了该算法的优越性。相应的结果突出了LRMPC的节能潜力和较强的实时应用能力的最优控制效果。
2022-09-12 cs.LG cs.SY eess.SY
A Switching Nonlinear Model Predictive Control Strategy for Safe Collision Handling by an Underwater Vehicle-Manipulator System
D. Guggenheim School of Aerospace Engineering, Georgia Institute of Technology(德·古根海姆航空航天工程学院,佐治亚理工学院);faculty of Electrical Engineering, Engineering Division, New York University Abu Dhabi(电气工程系,工程分校,纽约大学阿布扎克分校)
本文提出了一种切换非线性模型预测控制策略,用于水下车辆-机械臂系统安全处理碰撞,通过机械臂推离障碍物以避免损坏。
2026-01-26 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
A Feedback Linearized Model Predictive Control Strategy for Input-Constrained Self-Driving Cars
Concordia University(康科迪亚大学)
本文针对输入受限自动驾驶汽车的轨迹跟踪控制问题,提出双模态模型预测控制方案,经Quanser Qcar实验验证,其计算成本低,跟踪性能优于两种替代控制方案。
2026-09-03 cs.SY eess.SY math.OC
On shrinking horizon move-blocking predictive control
Politecnico di Milano(米兰理工大学)
本文提出一种基于缩小地平线的移动阻断预测控制方法,通过优化策略提升控制性能。
2018-03-26 cs.SY eess.SY math.OC
Stochastic Model Predictive Control using Initial State Optimization
我们提出了一个随机MPC计划使用的初始状态的预测轨迹的优化。考虑线性离散时间系统在无界加性随机干扰下的机会约束,我们使用基于概率可达集的约束收紧设计MPC。该方案通过将初始状态作为决策变量,避免了无界扰动引起的不可行性问题。我们证明了稳定控制方案可以保证约束满足闭环,假设单峰干扰。除了说明这些保证,数值例子表明优化的瞬态行为的初始状态的进一步的优势。
2022-07-18 cs.SY eess.SY math.OC
Output-Lifted Learning Model Predictive Control
针对一类非线性系统的约束最优控制问题,提出了一种计算效率高的学习模型预测控制(LMPC)方法,其中状态和输入可以利用提升输出进行重构.对于所考虑的一类系统,我们展示了如何使用在迭代任务期间收集的历史轨迹数据来构建凸值函数近似以及虚拟输出提升空间中的凸安全集。这些结构迭代地更新历史数据,并用于合成预测控制策略。我们表明,该策略保证递归约束满足,渐近稳定性和非递减的闭环性能在每次政策更新。最后,仿真结果表明,所提出的策略的有效性分段仿射(PWA)系统,运动学的单向性和双线性直流电机。
2021-01-15 cs.SY eess.SY math.OC
Embedded Online Optimization for Model Predictive Control at Megahertz Rates
Imperial College London(帝国理工学院);ETH Zürich(苏黎世联邦理工学院)
针对资源受限的嵌入式平台,提出多种基于一阶优化方法的定制计算架构,通过FPGA实现超过1 MHz采样率下的满意控制性能。
2013-03-05 cs.SY eess.SY math.OC