Efficient Robust Model Predictive Control using Chordality
在本文中,我们表明弦结构可以用来设计有效的最优化方法的鲁棒模型预测控制问题。弦结构用于有效地计算搜索方向,以及分配所有其他计算在一个相邻点的方法来解决这个问题。该框架实现了高效的并行计算。
2018-03-20 math.OC
Robust adaptive model predictive control with persistent excitation conditions
针对具有有界扰动和参数不确定性的约束线性系,提出了一种在线参数估计的鲁棒自适应模型预测控制策略。针对集员参数辨识方案,引入了强制执行持续激励闭环控制动作的约束。该算法要求在线求解凸规划,鲁棒地满足约束条件,并确保递归可行性和输入-状态稳定性。几乎必然收敛到实际系统参数的假设下,证明了稳定性,可达性,和紧干扰界。
2023-03-07 math.OC
Inherently Robust Economic Model Predictive Control Without Dissipativity
本文提出了无需耗散性假设即可保证经济MPC鲁棒递推可行性与经济鲁棒性的终端成本和约束充分条件,证明其可用标准设计方法满足,并通过小例子验证了经济MPC对小扰动的内在鲁棒性。
2024-08-28 math.OC
Adaptive robust predictive control with sample-based persistent excitation
针对具有未知参数和有界扰动的约束线性系,提出了一种基于在线集合估计的鲁棒自适应模型预测控制(MPC)策略。应用于预测轨迹的基于样本的测试用于通过在闭环系统上强制执行激励条件的持久性来确保参数估计的收敛。该控制律鲁棒地满足约束条件,并具有可行性和输入-状态稳定性的保证。在扰动界的可达性和紧性条件下,保证了参数集估计收敛于实际系统参数向量。
2023-03-08 math.OC
Model Predictive Control meets robust Kalman filtering
模型预测控制(MPC)是工业应用中使用的主要控制技术。虽然它提供了独特的品质,使其成为工业应用的理想选择,但它对模型不确定性和外部噪声的鲁棒性可能会受到质疑。在本文中,我们提出了一个强大的MPC控制器,合并了简单的MPC的设计,增加了鲁棒性。特别是,我们的控制系统源于通过最近推出的一个特定的鲁棒卡尔曼滤波器的算法的预测阶段增加鲁棒性的想法。值得注意的是,总体结果是一种非常类似于经典MPC的算法,但也为用户提供了调整控制鲁棒性的可能性。为了测试控制器处理建模误差的能力,我们考虑了一个非线性动力学的伺服系统。
2017-03-15 math.OC
Distributionally robust model predictive control for wind farms
在本文中,我们开发了一个分布式鲁棒模型预测控制框架的控制风力发电场的功率跟踪和机械应力降低的个别风力涡轮机的目标。我们引入一个ARMA模型来预测湍流风速,我们只是假设残差是亚高斯噪声与统计包含在一个基于矩的模糊集。我们采用了最近开发的分布式模型预测控制方案,以确保约束满足和递归的控制算法的可行性。该方法的有效性证明了一个实际的例子,五个风力涡轮机在一排。
2023-03-06 math.OC
Robust Distributed and Localized Model Predictive Control
针对大规模结构化线性系,提出了一种鲁棒的分布式局部模型预测控制(rDLMPC)框架。所提出的算法使用系统级综合提供了一个分布式的闭环模型预测控制方案,是强大的外部干扰。所得到的控制器只需要本地信息交换的合成和实施。我们利用的事实,多面体扰动约束,SLS为基础的分布式控制问题已被证明有结构服从分布式优化技术。我们发现,类似于无干扰的DLMPC算法,计算复杂性的rDLMPC是独立的全球系统的大小。据我们所知,强大的DLMPC是第一个MPC算法,允许可扩展的分布式计算的分布式闭环控制政策存在的附加干扰。
2021-03-25 math.OC
Regularized and Distributionally Robust Data-Enabled Predictive Control
本文研究了一种应用于未知随机线性定常系统的数据使能预测控制(DeePC)算法。该算法使用噪声损坏的输入/输出数据来预测未来的轨迹和计算最优控制策略。为了对输入/输出数据中的不确定性进行鲁棒化,计算控制策略以最小化给定目标函数的最坏情况期望。使用来自分布鲁棒随机最优化的技术,我们证明了对于某些目标函数,最坏情况下的最优化问题与DeePC算法的正则化版本一致。这些结果支持了正则化算法先前观察到的优点,并为其性能提供了概率保证。我们通过一个数值算例说明了正则化算法的鲁棒性。
2019-11-01 math.OC
On Min-Max Robust Data-Driven Predictive Control Considering Non-Unique Solutions to Behavioral Representation
Tsinghua University(清华大学)
本文提出一种新的鲁棒数据驱动预测控制框架,通过分析行为表示的非唯一解,揭示子空间预测控制的鲁棒性不足,并提出反馈鲁棒DDPC方案,通过仿真验证其有效性。
2026-04-22 math.OC
Parallel Explicit Tube Model Predictive Control
本文提出了一种基于管道模型预测控制的并行算法。所提出的控制算法解决了鲁棒模型预测控制问题次优,同时利用他们的结构。这是通过实现一个实时算法,迭代之间的评价分段仿射函数,对应于小规模的鲁棒MPC问题的参数化解决方案,和在线解决方案的结构化等式约束的QP。相关的实时鲁棒MPC控制器的性能示出的数值案例研究。
2019-10-08 math.OC
Boundary Feedback Control of 2x2 Quasilinear Hyperbolic Systems: Predictive Synthesis and Robustness Analysis
针对一类具有单边界控制输入的拟线性双曲型系统,提出了一种预测反馈控制方法。假设精确的模型知识,收敛到原点,或跟踪在不受控制的边界,在有限的时间内实现。提供了一个鲁棒性证书,表明至少在对系统系数的更严格的假设下,该控制方法相对于模型、测量和控制输入中的小误差具有固有的鲁棒性。严格的,虽然保守的条件上的时间导数的初始条件和控制收敛速度的设计参数,以确保全局存在的解的初始条件与任意无穷范数。
2021-04-09 math.OC
Robust Model Predictive Control for Linear Systems with State and Input Dependent Uncertainties
针对离散线性定常系统,提出了一种计算效率高的鲁棒模型预测控制律。尽管依赖性是非凸的,我们能够捕捉到它的输入依赖性和近似的状态依赖性在最多的二阶锥规划问题。该公式具有线性复杂性的规划水平的长度。因此,该方法适合于高效的实时实现,保证递归的可行性和全局最优性。作为一个说明性的例子,卫星的鲁棒位置控制。
2019-08-09 math.OC
Robustifying Model Predictive Control of Uncertain Linear Systems with Chance Constraints
本文提出一种针对受机会约束的离散时间线性系统的鲁棒模型预测控制方法,通过计算多面体概率正不变集来收紧约束,仅需扰动均值和协方差,保证机会约束满足,且优化问题为标准严格二次规划。
2024-09-19 math.OC
Recursively feasible Data-driven Distributionally Robust Model Predictive Control with additive disturbances
针对具有无界附加扰动的约束随机系统,提出了一种数据驱动的分布鲁棒模型预测控制框架。递归的可行性是通过优化线性内插的初态约束结合一个简化的仿射扰动反馈策略。我们考虑了一个基于矩的模糊集与数据驱动的半径为第二时刻的干扰,在那里我们得到一个最小样本个数,以确保用户给定的置信区间上的机会约束和闭环性能。最后通过一个数值算例,分析了基于不同样本量的绩效增益和机会约束满意度。
2023-03-06 math.OC
Robust Model Predictive Control with Adjustable Uncertainty Sets
在本文中,我们提出了鲁棒模型预测控制(MPC)问题的可调不确定性集。与已知不确定性集的标准鲁棒MPC问题相比,我们将问题中的不确定性集视为额外的决策变量。特别是,给定一个用于调整不确定性集的度量,我们解决了确定这些不确定性集的最佳大小和形状的问题,同时确保鲁棒的约束满足。本文的重点是确保约束满足无限的地平线,也被称为持久的可行性。我们表明,类似于在标准的鲁棒MPC,持久的可行性,可以保证,如果终端集是一个不变的系统的状态和可调的不确定性集。我们还提出了一个算法来计算这样的不变集,并说明我们的方法在合作自适应巡航控制应用程序的有效性。
2018-09-20 math.OC
Distributionally Robust Chance Constrained Data-enabled Predictive Control
我们研究了未知随机线性定常系统的有限时间约束最优控制问题,这是预测控制算法的关键组成部分--尽管通常可以访问模型。我们提出了一种新的分布式鲁棒数据使能预测控制(DeePC)算法,该算法使用噪声损坏的输入/输出数据来预测未来轨迹并计算最优控制输入,同时满足输出机会约束。该算法是基于(i)一个非参数表示的子空间跨越系统的行为,其中过去的轨迹被排序在页面或汉克尔矩阵;和(ii)一个分布式的鲁棒优化配方,从而产生了强大的概率性能保证。我们表明,对于某些目标函数,DeePC表现出很强的样本外性能,同时尊重具有高概率的约束。该算法为未知随机线性定常系统的控制设计提供了一种端到端的方法。我们在一个航空机器人案例研究中说明了DeePC的闭环性能。
2021-07-21 math.OC
Deadbeat Robust Model Predictive Control: Robustness without Computing Robust Invariant Sets
针对加性扰动线性系统,提出无需计算鲁棒正不变集的无拍鲁棒模型预测控制方法,通过无拍时域内消除扰动影响的策略,保证递归可行性与稳定性,性能比肩前沿方法且易扩展。
2023-11-12 math.OC
Robust Adaptive Model Predictive Control: Performance and Parameter Estimation
针对具有不确定线性模型、有界附加扰动以及状态和控制约束的系统,提出了一种结合在线模型自适应的鲁棒模型预测控制算法。模型参数集在线识别,并在一个强大的管MPC策略与名义成本。该算法被证明是递归可行的,输入到状态稳定。通过使用固定复杂度的多面体集来约束参数集和预测状态,确保了计算的易处理性。持续激励的凸条件推导和有关的概率收敛速度和渐近界参数集估计。我们讨论了如何平衡控制信号的相互冲突的要求,以实现良好的跟踪性能和参数集估计精度。的估计参数集的收敛条件进行了讨论的情况下,固定的复杂性参数集估计,不精确的干扰界和噪声测量。
2020-07-15 math.OC
Robust Multi-step Model Predictive Control with Guaranteed Stability
University of Oxford(牛津大学)
针对使用不同多步模型预测未来状态时可能出现的不可行问题,提出一种先验检查并利用先前解提供回退策略的方法,确保鲁棒非线性MPC的递归可行性和稳定性。
2026-07-30 math.OC
Robust Closed-loop Model Predictive Control via System Level Synthesis
本文研究了具有范数有界扰动和线性时变模型不确定性的线性时变系统的鲁棒闭环模型预测控制问题,其中解决了一系列约束最优控制问题。由于扰动预测状态和模型的不确定性,保证这些OCP的鲁棒可行性是具有挑战性的,这两者都可以使闭环系统不稳定。因此,经常需要在数值易处理性和解的保守性之间进行权衡。我们使用系统级综合(SLS)框架重新制定这些约束OCP在闭环系统响应,并表明,这使我们能够透明地考虑范数有界的附加干扰和LTV模型的不确定性,通过计算鲁棒的状态反馈策略。我们进一步表明,通过利用潜在的线性分式结构的鲁棒OCP,我们可以显着降低现有的SLS为基础的和管MPC为基础的鲁棒控制方法的保守性,同时也提高了计算效率。我们的结论与数值例子证明我们的方法的有效性。
2020-06-15 math.OC
Robust Funnel Model Predictive Control for output tracking with prescribed performance
针对相对阶一且内部动态稳定的非线性MIMO系统,提出结合漏斗MPC与无模型自适应漏斗控制器的鲁棒方案,在未知扰动和模型失配下保证预定性能跟踪,并证明无需终端条件的初始与递归可行性。
2023-12-12 math.OC
Robust Model Predictive Control for Nonlinear Systems Using Convex Restriction
提出了一种考虑不确定性和安全约束的鲁棒模型预测控制算法。我们的框架考虑了一个非线性动力系统的干扰,从一个未知的,但有界的不确定集。通过将系统看作一个作用于轨迹上的算子的不动点,我们提出了一个关于控制动作的凸条件,保证了对不确定集的安全性。所提出的条件保证所有实现的状态轨迹满足安全约束。我们的算法解决了一系列的凸二次约束最优化问题的大小为n*N,其中n是状态的数量,N是预测时域的模型预测控制问题。与现有的方法相比,我们的方法解决凸问题,同时保证不确定集的所有实现不违反安全约束。此外,我们考虑系统动力学的隐式时间离散化,以增加预测范围和提高计算精度。车辆导航的数值模拟证明了我们的方法的有效性。
2021-04-22 math.OC
On the coupling of Model Predictive Control and Robust Kalman Filtering
模型预测控制是当今工业过程控制的主要方法之一。它的强项包括基于直接公式的简单算法和处理约束的灵活性。另一方面,它可以质疑其鲁棒性模型的不确定性和外部噪声。因此,在过去的几年中,已经花费了大量的努力来寻找解决这些缺点的方法。在本文中,我们提出了一个强大的MPC控制器,它源于在算法的预测阶段增加鲁棒性的想法,而留下的核心MPC不变。更确切地说,我们认为一个强大的卡尔曼滤波器,最近推出,我们进一步扩展其可用性反馈控制系统。总的来说,所提出的控制算法允许保持MPC的所有优点,具有额外的性能改进,并且在计算复杂性方面没有任何缺点。为了检验该算法的实际可靠性,我们将其应用于控制一个具有非线性动力学特征的伺服系统。
2018-04-20 math.OC
Time Distributed Optimization for Model Predictive Control: Stability, Robustness, and Constraint Satisfaction
时间分布优化是一种利用模型预测控制对不完全优化的鲁棒性,显著降低模型预测控制计算量的实现策略。当使用该策略时,通过维护最优控制问题的运行解估计并在每个采样时刻更新它,优化迭代随时间分布。所得到的控制器可以被看作是一个动态补偿器,它被放置在闭环与植物。本文提出了一个通用的时间分布优化系统理论分析框架。利用输入-状态稳定性概念分析了耦合的工厂-优化器系统,并导出了稳定性和约束满足的充分条件。当应用于时间分布序列二次规划,该框架显着扩展了现有的理论分析的实时迭代计划。数值模拟证明了该方案的有效性。
2019-10-27 math.OC
Robust Economic Model Predictive Control of Continuous-time Epidemic Processes
在本文中,我们开发了一个鲁棒经济模型预测控制器的遏制随机易感暴露警惕(SEIV)的流行病过程,驱动过程迅速灭绝,同时最大限度地减少控制资源的使用率。我们在这里提出的工作是有意义的,因为它解决了有效地控制一般的随机流行病系统,而不依赖于平均场近似,这是一个重要的问题,在随机流行病过程的理论。这使我们能够提供严格的收敛保证的随机流行病模型本身,提高了平均场型收敛结果的大多数先前的工作。有两个主要的技术难点解决在处理这个问题:(i)构建一种方法,可追溯地近似的过程的演变,使设计的近似是鲁棒的建模误差所引入的应用的时刻关闭,和(ii)保证设计的控制器导致闭环系统驱动SEIV过程迅速灭绝。作为一个应用程序,我们使用开发的框架,优化使用抗生素在包含SEIV流行病爆发。
2019-05-12 math.OC
REAP-T: A MATLAB Toolbox for Implementing Robust-to-Early Termination Model Predictive Control
本文提出了 MATLAB 工具箱 REAP-T,用于实现抗提前终止的模型预测控制,确保计算提前终止时仍能获得次优可行解,并提供模块化平台、图形界面、实时仿真及真实示例以支持用户探索与定制。
2025-07-01 math.OC
An Efficient Real-Time NMPC for Quadrotor Position Control under Communication Time-Delay
Sapienza Università di Roma(罗马一大(萨皮恩扎大学));KU Leuven(鲁汶大学);University of Freiburg(弗莱堡大学)
计算机处理器技术的进步使得非线性模型预测控制(NMPC)能够应用于敏捷系统,例如四旋翼。这些系统的特点是欠驱动,非线性,有界输入,和时间延迟。传统的控制解决方案无法克服这些困难,并充分利用这些平台提供的功能。提出了一种基于实时的【形】NMPC的四旋翼位置控制器的设计与实现方法,该控制器具有时滞补偿和执行机构边界约束。针对星上有限的计算资源,提出了一种星外控制结构。它是使用高性能软件包acados,解决最优控制问题,并实现了一个实时的【形】迭代(RTI)变量的序列二次规划(SQP)计划与高斯-牛顿海森近似。SQP方案中的二次子问题(QP)使用HPIPM解决,HPIPM是一种基于线性代数库BLASFEO的边界点方法求解器,可针对多个CPU架构进行微调。通过使用HPIPM中实现的高效部分压缩算法重新制定QP,进一步减少了求解时间。我们展示了我们的架构使用Crazyflie 2.1纳米四旋翼的能力。
2020-10-23 cs.RO cs.SY eess.SY
Robust Least-Squares Optimization for Data-Driven Predictive Control: A Geometric Approach
Indian Institute of Technology Bombay, India(印度班加罗尔印度理工学院);Microsoft India(微软印度);Nanyang Technological University, Singapore(新加坡南洋理工大学);University of British Columbia, Vancouver, Canada(加拿大不列颠哥伦比亚大学);University of Wisconsin-Madison, USA(美国威斯康星大学麦迪逊分校)
本文提出一种几何鲁棒最小二乘方法,通过近似子空间包含关系建模数据与真实空间的不确定性,改进了现有鲁棒最小二乘方法,实现更强的鲁棒性和更优的缩放性能。
2026-04-27 cs.LG math.OC
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
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
Tube-based Guaranteed Cost Robust Model Predictive Control for Linear Systems Subject to Parametric Uncertainties
针对一类具有乘法结构范数有界不确定性的约束线性系统,提出了一种基于管道的保性能模型预测控制器。它为一般的最小-最大模型预测控制提供了一个上界。所提出的管的不变性适用于任何任意缩放。它产生一个二阶锥规划问题,这是计算成本较低的标准半定规划问题。我们还提出了一个数值例子,所提出的方法,开环保成本模型预测控制器,和一个位似管模型预测控制器的线性差分包含系统之间的比较研究。
2020-12-09 cs.SY eess.SY math.OC
Robustifying Model-Based Locomotion by Zero-order Stochastic Nonlinear Model Predictive Control with Guard Saltation Matrix
Sony Group Corporation(索尼集团公司);Sony Global Manufacturing and Operations Corporation(索尼全球制造与运营公司);Sony Interactive Entertainment Inc.(索尼互动娱乐公司)
针对足式运动接触不确定性问题,提出融合guard saltation矩阵与类扩展卡尔曼滤波协方差更新的零阶随机鲁棒NMPC方法,提升计算效率,经数值与轮足机器人硬件实验验证可行性与鲁棒性。
2024-09-13 cs.RO 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
JEPA-Bisim: Learning Robust Visual Representations for Planning with Joint-Embedding Predictive World Models
Department of Electrical Engineering, Columbia University, New York, USA.(电气工程系,哥伦比亚大学,纽约,美国)
本文提出了一种联合嵌入预测世界模型,通过引入双模拟编码器增强对慢特征的鲁棒性,提升在减少潜在空间中的导航任务性能。
2026-10-02 cs.LG math.OC
Transient Performance of Tube-based Robust Economic Model Predictive Control
在本文中,我们提供了非平均和瞬态性能保证最近开发的,基于管的鲁棒经济模型预测控制(MPC)计划。特别是,我们认为这两个基于管的MPC计划与终端条件。我们表明,通过应用这种MPC计划获得的闭环性能是近似最优的评估时,在有限和无限的时间范围。这些性能界限是类似的名义经济MPC以前得出的。理论结果进行了讨论的数值例子。
2022-05-16 cs.SY eess.SY math.OC
Robust Model Predictive Control for Aircraft Intent-Aware Collision Avoidance
本文提出基于鲁棒模型预测控制(场景树方法)的意图感知碰撞避免系统,利用航路点信息假设其他飞行器沿最优杜宾斯路径运动,在考虑不确定性的同时实现高效计算,并通过仿真验证其有效性。
2025-03-30 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 Tractable Robust Nonlinear Model Predictive Control using DC Programming
University of Oxford(牛津大学)
本文提出一种基于DC编程的鲁棒非线性MPC框架,通过数据驱动方法构建DC模型并实现递归可行性与鲁棒稳定性。
2026-10-01 cs.SY eess.SY math.OC
Practical exponential stability of a robust data-driven nonlinear predictive control scheme
我们提供了一个反馈线性化非线性系统的闭环系统的递归可行性和实际指数稳定性的理论保证时,由一个强大的数据驱动的非线性预测控制方案。本技术报告作为我们最近论文“反馈线性化系统的数据驱动非线性预测控制”的补充材料。本报告中所示的参数遵循与LTI情况类似的步骤,因为反馈线性化系统在变换坐标中是线性的。然而,证明被适当地调整以匹配考虑中的非线性设置,并且在整个证明中强调了差异。
2023-03-27 cs.SY eess.SY math.OC
Smoothing Mixed Traffic with Robust Data-driven Predictive Control for Connected and Autonomous Vehicles
针对 DeeP-LCC 对头车未来速度误差作零假设导致的安全与交通平滑性能限制,提出鲁棒 DeeP-LCC,通过潜在误差轨迹安全约束、历史数据误差估计及高效在线优化提升混合交通中 CAV 控制的安全性、效率与数据效率。
2023-09-30 cs.SY eess.SY math.OC
Tube-Based Robust Data-Driven Predictive Control
Imperial College London(帝国理工学院)
本文提出了一种基于管状的鲁棒数据驱动预测控制器,通过Hankel系数向量约束获得预测不匹配的多面体界限,并利用鲁棒正不变集推导出严格凸QP问题,确保闭环系统鲁棒性和约束满足。
2026-04-16 cs.SY eess.SY math.OC
Robust Model Predictive Control Exploiting Monotonicity Properties
针对鲁棒模型预测控制中保守性与计算复杂度的权衡,提出利用单调性高效计算可达集,并通过可达集划分引入反馈降低保守性,借助混合单调性扩展至非单调系统,在非线性高维化工反应釜案例中验证了有效性。
2025-04-24 cs.SY eess.SY math.OC
Robust Learning Model Predictive Control for Linear Systems Performing Iterative Tasks
针对不确定系统的迭代任务,提出了一种鲁棒学习模型预测控制器(LMPC)。在控制任务的每次迭代中,闭环状态、输入和成本被存储并用于控制器设计。本文首先阐述了如何利用历史数据构造鲁棒不变集和安全控制策略。然后,我们提出了一个迭代LMPC的设计过程中,在迭代$j$的鲁棒控制器产生的数据被用来设计一个鲁棒LMPC在下一个$j+1$迭代。我们表明,这个过程允许我们迭代地扩大域的控制策略,它保证递归约束的满足,输入到状态稳定性和性能界的确定性等价的闭环系统。自适应预测范围的使用是所提出的设计的关键要素。所提出的控制方案的有效性示出了线性系统受有界附加干扰。
2021-07-02 cs.SY eess.SY math.OC
A multiobjective approach to robust predictive control barrier functions for discrete-time systems
提出基于优化的多目标方法,通过鲁棒预测控制障碍函数递减约束,在优化控制目标的同时确保非线性系统目标集合的鲁棒渐近稳定性,并在线性交会和非线性换道问题中验证有效性。
2025-03-25 cs.SY eess.SY math.OC
Synthesis of constrained robust feedback policies and model predictive control
本文提出一种基于鲁棒控制的方法,用于综合受凸二次约束的有限、无限及滚动时域控制问题的鲁棒时变状态反馈策略,利用初始状态到峰值增益技术确保约束满足,并构建线性矩阵不等式条件,实验证明其保守性低于标准基于管的鲁棒模型预测控制方法。
2023-10-18 cs.SY eess.SY math.OC
Closed-loop Performance Optimization of Model Predictive Control with Robustness Guarantees
针对模型失配和噪声影响MPC性能的问题,提出基于反向传播的MPC调参方法,优化成本函数与约束,并利用场景方法给出约束违反的概率保证,仿真验证有效。
2025-06-21 cs.SY eess.SY math.OC
Robust Adaptive Model Predictive Control with Worst-Case Cost
针对具有未知动态和有界测量噪声的线性时不变系统,提出了一种鲁棒自适应模型预测控制(MPC)算法。该系统的特点是由一个脉冲响应模型,这是假设躺在一个有界集称为可行的系统集。在线集员识别用于减少脉冲响应中的不确定性。在MPC方案中,实施鲁棒约束以确保可行集中的所有模型的约束满足。性能目标被制定为最坏情况下的成本相对于建模的不确定性。也就是说,在每个时间步,解决一个优化问题,其中控制输入优化的最坏情况下的不确定性设置的工厂。所提出的算法的性能进行比较,从文献中使用Monte-Carlo模拟的自适应MPC算法。
2019-11-19 cs.SY eess.SY math.OC
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
Learning-Based Distributionally Robust Model Predictive Control of Markovian Switching Systems with Guaranteed Stability and Recursive Feasibility
针对切换概率未知的机会约束马尔可夫切换系统,提出了一种数据驱动的模型预测控制方法。利用马尔可夫链的样本,估计转移概率的模糊集,其中包括具有高概率的真实条件概率分布。这些集在线更新,并用于制定一个随时间变化的,规避风险的最优控制问题。我们证明了所得到的MPC计划的递归可行性,并表明,原来的机会约束仍然满足在每个时间步。此外,我们表明,充分降低的置信水平下,由此产生的MPC计划使闭环系统的均方稳定的真实,但未知的分布,同时保持保守性比一个完全强大的方法。
2020-10-01 cs.SY eess.SY math.OC
LMI-based Data-Driven Robust Model Predictive Control
Technical University of Darmstadt(达姆施塔特工业大学)
预测控制是一种基于系统模型来计算应用输入以优化未来系统行为的控制方法,目前已得到广泛应用。如果标称模型没有给出或者非常不确定,则可以采用数据驱动的模型预测控制方法,其中系统模型或输入直接从过去测量的轨迹获得。利用数据信息框架和Finsler引理,提出了一种基于数据驱动的鲁棒线性矩阵不等式模型预测控制方案,该方案考虑了输入和状态约束.使用这些数据,我们制定的问题作为一个半定优化问题,其解决方案提供了线性反馈的矩阵增益,而决定性的变量是独立的测量数据的长度。所设计的控制器使闭环系统渐近稳定,并保证约束满足。最后通过数值算例说明了该方法的有效性。
2023-03-08 cs.LG cs.SY eess.SY
Robust output feedback model predictive control using online estimation bounds
我们提出了一个框架,设计非线性鲁棒输出反馈模型预测控制(MPC)计划,确保约束条件下的噪声输出测量和干扰的满意度。我们提供了新的估计方法来约束估计误差的大小的基础上:稳定性的观察员;可检测性;集员估计;滚动时域估计(MHE)。鲁棒约束满足保证适当地将这些在线验证的边界上的估计误差在一个位似管的MPC制定。此外,我们展示了如何通过将MHE和MPC结合在单个优化问题中来进一步提高性能。该框架适用于一般类的可检测和(增量)稳定的非线性系统。虽然标准的输出反馈MPC计划使用离线计算的最坏情况下的估计误差的界限,所提出的框架利用在线验证的界限,从而减少保守性和提高性能。我们证明了减少保守性的建议框架使用非线性10状态四旋翼的例子。
2021-05-07 cs.SY eess.SY math.OC
Decentralized Robust Data-driven Predictive Control for Smoothing Mixed Traffic Flow
针对混合交通中集中式CAV控制的可扩展性、隐私性与鲁棒性问题,提出去中心化鲁棒DeeP-LCC方法,通过本地数据计算与邻域交互扰动建模,在保障隐私与安全的同时提升计算效率与交通流平滑效果。
2024-10-06 cs.SY eess.SY math.OC
Robust economic model predictive control with zone tracking
针对离散时间不确定非线性系统,提出了一种带区域跟踪的鲁棒经济模型预测控制(EMPC)方法。所提出的设计确保了在有限的步骤中实现区域跟踪目标,同时优化了经济性能。在所提出的设计中,而不是跟踪原始的目标区域,一个鲁棒控制不变集内的目标区域被确定,并被用作在建议的EMPC跟踪的实际区域。这种方法确保了在有限步内实现区域跟踪目标,并且一旦实现区域跟踪目标(系统状态进入鲁棒控制不变集),系统状态就不再离开目标区域。为了优化区域内的干扰的存在下的经济性能,我们在控制器的设计中引入了风险因子的概念。提供了一种确定要跟踪的经济区的算法。风险因子决定了控制器的保守性,并提供了一种方法来调整EMPC更好的经济性能。一个非线性化学的例子来证明所提出的配方的性能。
2021-09-20 cs.SY eess.SY math.OC
Distributionally Robust Model Predictive Control with Mixture of Gaussian Processes
本文提出MoGP-DR-MPC框架,利用高斯过程混合自动建模多模态扰动并构建数据驱动模糊集,通过DR-CVaR约束的锥重构实现分布鲁棒控制,在四旋翼仿真中闭环成本较GP-MPC降低17%和4%。
2025-02-08 cs.SY eess.SY math.OC