基于高斯过程黑盒动力学建模的实车卡丁车学习型非线性模型预测控制器
系统与控制
2023-07-24 v1 系统与控制
摘要
近来，非线性模型预测控制（NMPC）已成功应用于（半）自动驾驶问题，并被证明是一种极具前景的技术。然而，真实车辆的精确控制模型可能需要昂贵且耗时的专门测量。为解决此问题，人们探索利用系统数据来补充或推导NMPC的预测模型，在基于学习的NMPC（LbNMPC）中采用学习动力学方法。其在汽车领域的应用集中于离散灰盒建模，即由数据驱动分量增强标称动力学模型。在本文中，我们提出了一种用于真实卡丁车的LbNMPC控制器，其基于由高斯过程获得的加速度连续黑盒模型。我们通过在真实卡丁车车辆上测试该控制器展示了所提方法的有效性，并强调了在实时应用中获得可用GP模型所需的近似步骤。
引用
@article{arxiv.2305.17949,
title = {A Learning-based Nonlinear Model Predictive Controller for a Real Go-Kart based on Black-box Dynamics Modeling through Gaussian Processes},
author = {Enrico Picotti and Enrico Mion and Alberto Dalla Libera and Josip Pavlovic and Andrea Censi and Emilio Frazzoli and Alessandro Beghi and Mattia Bruschetta},
journal= {arXiv preprint arXiv:2305.17949},
year = {2023}
}
备注
Accepted in IEEE Transaction on Control System Technology as Full Paper for SI: State-of-the-art Applications of Model Predictive Control. 12 pages, 20 figures