数据赋能预测控制：DeePC浅析
最优化与控制
2019-03-19 v2
摘要
我们考虑未知系统的最优轨迹跟踪问题。提出一种新颖的数据赋能预测控制（DeePC）算法，该算法利用实时反馈计算最优且安全的控制策略，在满足系统约束的同时驱动未知系统沿期望轨迹运动。利用来自未知系统的有限个数据样本，我们提出的算法采用行为系统理论方法学习一个用于预测未来轨迹的非参数系统模型。在确定性线性时不变系统情形下，DeePC算法被证明等价于经典且被广泛采用的模型预测控制（MPC）算法。对于非线性随机系统，我们提出对DeePC算法的正则化。仿真用于说明性能并与其他方法比较。
引用
@article{arxiv.1811.05890,
title = {Data-Enabled Predictive Control: In the Shallows of the DeePC},
author = {Jeremy Coulson and John Lygeros and Florian Dörfler},
journal= {arXiv preprint arXiv:1811.05890},
year = {2019}
}