基于混合随机-确定性管道的数据驱动 Koopman MPC
系统与控制
2025-10-27 v1 系统与控制
摘要
本文提出了一种针对具有添加扰动的离散时间非线性系统的新型数据驱动随机 MPC 设计，利用 Koopman 算子和分布式鲁棒优化（DRO）框架。通过将动力学系统提升到线性空间，我们实现了 Koopman 算子的有限维近似。我们显式地通过混合随机-确定性管道来考虑建模近似和添加扰动误差，以提升的线性模型。这是确保原始非线性系统的调节，同时遵守预指定的约束。使用 DRO 和超立方 Hull 分别构建了随机管道和确定性管道。我们为两种类型的管道提供了有限样本误差界。通过数值仿真，证明了所提出方法的有效性。
引用
@article{arxiv.2510.21308,
title = {Data-driven Koopman MPC using Mixed Stochastic-Deterministic Tubes},
author = {Zhengang Zhong and Ehecatl Antonio del Rio-Chanona and Panagiotis Petsagkourakis},
journal= {arXiv preprint arXiv:2510.21308},
year = {2025}
}
备注
This is the accepted version. It will appear in Journal of Process Control, 2025