基于参数变动嵌入的非线性模型预测控制中的随机误差界
信息论
2025-02-13 v2 系统与控制
系统与控制
math.IT
摘要
本研究利用高斯过程(GP)回归框架，在非线性系统的实际状态演化与预测状态演化之间建立随机误差界。这些系统嵌入到线性参数变动(LPV)公式中，并使用模型预测控制(MPC)。我们的主要关注点是量化LPVMPC框架前向误差由于调度信号估计不匹配所导致的不确定性。我们比较了本研究的随机方法与最近的确定性方法，观察到其保守性和鲁棒性方面的改进。为验证我们的分析和方法，我们求解了不平衡盘的调节问题。
引用
@article{arxiv.2405.09207,
title = {An Exact Theory of Causal Emergence for Linear Stochastic Iteration Systems},
author = {Kaiwei Liu and Bing Yuan and Jiang Zhang},
journal= {arXiv preprint arXiv:2405.09207},
year = {2025}
}