保持性能的MPC约束移除方法及热疗癌症治疗案例研究
系统与控制
2024-10-24 v1 系统与控制
最优化与控制
摘要
模型预测控制(MPC)是一种基于优化的控制策略，在工业中得到广泛应用。不幸的是，对于许多具有大量状态约束的应用，求解滚动时域MPC优化问题所需的计算时间可能变得过大。例如，大量状态约束可能源于对偏微分方程进行空间离散化，而该方程的解必须满足整个空间域上的约束。这在基于射频的热疗癌症治疗的MPC中尤其如此，这构成了本研究的有力动机。为了解决这个问题，我们提出了一种针对线性离散时间系统的新型约束自适应MPC框架。在该框架中，我们在每个时间步选择包含在优化问题中的状态约束子集，从而减少在线计算负担。关键的是，我们的框架保证了与原始(非简化)MPC方案相同的闭环性能、递归可行性和约束满足特性。我们通过有效利用可达集计算和MPC代价函数来实现这一结果。我们将通过一个热疗癌症治疗案例研究来展示我们的新方法，该案例显示计算时间提高了两个数量级，同时保持了与原始(非简化)MPC方案相同的闭环性能。
引用
@article{arxiv.2410.17639,
title = {Constraint Removal for MPC with Performance Preservation and a Hyperthermia Cancer Treatment Case Study},
author = {S. A. N. Nouwens and B. de Jager and M. M. Paulides and W. P. M. H. Heemels},
journal= {arXiv preprint arXiv:2410.17639},
year = {2024}
}
备注
6 pages, 3 figures, CDC 2021 conference