闭环数据驱动预测控制及其与闭环子空间预测控制的等价性
系统与控制
2024-02-23 v1 系统与控制
摘要
数据可用性的提高和系统复杂性的增加等因素激发了人们对数据驱动预测控制 (DDPC) 方法（如数据驱动预测控制 DeePC）的兴趣。然而，在噪声存在的情况下会出现闭环辨识偏差，从而降低所得控制策略的有效性。在本文中，我们提出了闭环数据驱动预测控制 (CL-DeePC)，这是一个统一了不同方法以应对这一挑战的框架。为此，CL-DeePC 引入了工具变量 (IVs) 来综合并顺序应用一致的单步或多步超前预测器。此外，开发了一种计算高效的 CL-DeePC 实现方案，揭示了其与闭环子空间预测控制 (CL-SPC) 的等价性。与 DeePC 相比，CL-DeePC 仿真展示了更优越的参考跟踪性能，敏感性研究发现其对噪声引起的参考跟踪性能下降的敏感度降低了 48%。
引用
@article{arxiv.2402.14374,
title = {Closed-loop Data-Enabled Predictive Control and its equivalence with Closed-loop Subspace Predictive Control},
author = {Rogier Dinkla and Sebastiaan Mulders and Tom Oomen and Jan-Willem van Wingerden},
journal= {arXiv preprint arXiv:2402.14374},
year = {2024}
}
备注
DOIs for code and data are available in paper