一种用于增益矩阵条件化的简单离散化方案
系统与控制
2022-06-10 v4 系统与控制
摘要
在工业模型预测控制器（MPC）中，基于回归的系统辨识方法生成的模型通常包含微小甚至物理上不存在的自由度。当稳态优化器利用这些微小自由度计算工厂运行目标时，会因矩阵病态而引发控制问题。相对增益阵列（RGA）和奇异值分解（SVD）等数学技术有助于分析控制器增益耦合并识别条件化问题，这些问题在小型模型中相对容易纠正。然而，这些技术难以且繁琐地应用于更大、更复杂的模型。本文描述了一种新颖的、非迭代的、基于RGA的分箱技术，用于对增益矩阵离散化并快速解决任意模型规模的2x2条件化问题，同时保证增益调整低于某一阈值。文中也讨论了高阶耦合。
引用
@article{arxiv.2202.13291,
title = {A Simple Discretization Scheme for Gain Matrix Conditioning},
author = {Daniel L. O'Connor and Lim C. Siang and Shams Elnawawi},
journal= {arXiv preprint arXiv:2202.13291},
year = {2022}
}
备注
Revised manuscript accepted in AdCONIP 2022