受约束系统的数据驱动 $H_{\infty}$ 预测控制：拉格朗日对偶方法

本文提出了一种基于模型预测控制公式的数据驱动 $H_{\infty}$ 控制方案，用于时域受约束系统。该方案结合了 $H_{\infty}$ 控制和 minimax 模型预测控制，能够更有效地处理外部扰动和时域约束。首先，利用输入-输出-扰动数据，确保闭环系统的 $H_{\infty}$ 性能。然后，将 minimax 优化问题转换为更易处理的最小化问题，运用拉格朗日对偶方法，这减少了通常由时域约束的椭球评估导致的保守性。该研究考察了关键闭环特性，包括稳定性、扰动衰减和约束满足，这些特性通过所提出的数据驱动移动视窗预测控制算法实现。通过针对批处理反应器系统的数值仿真，证明了所提方法的有效性和优势，在噪声条件下显示其鲁性和可行性。