基于 ANN 状态空间模型的计算高效预测控制
系统与控制
2023-04-03 v2 系统与控制
摘要
人工神经网络（ANN）已被证明是用于非线性状态空间模型辨识的灵活且有效的函数估计器。然而，若直接将所得模型用于非线性模型预测控制（NMPC），由于网络规模，所产生的非线性优化问题往往过于复杂，需要使用高阶观测器来跟踪 ANN 模型的状态，且整体控制方案很少利用这些模型的结构特性或可用的自动微分工具。本文中，我们提出一种高效方法，将 ANN 状态空间模型自动转换为线性参数变化（LPV）形式，并通过连续求解对应于二次规划（QP）的线性模型预测问题来求解预测控制问题。此外，我们展示了现有的 ANN 辨识方法（例如使用状态编码器的 SUBNET 方法）如何能高效实现 MPC。所提方法的性能通过不平衡盘系统的仿真研究得以验证。
引用
@article{arxiv.2303.17305,
title = {Computationally efficient predictive control based on ANN state-space models},
author = {Jan H. Hoekstra and Bence Cseppentő and Gerben I. Beintema and Maarten Schoukens and Zsolt Kollár and Roland Tóth},
journal= {arXiv preprint arXiv:2303.17305},
year = {2023}
}
备注
6 pages, 3 figures, submitted to CDC with L-CSS option