一种简单高效的非线性模型预测控制算法
最优化与控制
2017-09-20 v1
摘要
我们提出了 PANOC，一种用于求解非线性模型预测控制（NMPC）中出现的最优控制问题的新算法。处理此类问题的常用方法是序列二次规划（SQP），它需要在每次迭代中求解一个二次规划，并因此需要内部迭代过程。结果是，当问题病态或预测时域较大时，每次外部迭代在计算上变得非常昂贵。我们提出了一种线搜索算法，它结合了前向-后向迭代（FB）和基于最近引入的前向-后向包络（FBE）的牛顿型步，FBE 是原始问题的一个连续、实值、精确的评价函数。牛顿型方法的曲率信息在温和假设下使得在极限点处具有渐近超线性收敛速率，且所提出的算法基于非常简单的操作：访问成本和动力学的一阶信息以及低成本的直接线性代数。不需要内部迭代过程，也不需要 Hessian 矩阵求值，这使得我们的方法在计算上比 SQP 方法更简单。低内存需求和简单的实现使我们的方法特别适合嵌入式 NMPC 应用。
引用
@article{arxiv.1709.06487,
title = {A Simple and Efficient Algorithm for Nonlinear Model Predictive Control},
author = {Lorenzo Stella and Andreas Themelis and Pantelis Sopasakis and Panagiotis Patrinos},
journal= {arXiv preprint arXiv:1709.06487},
year = {2017}
}