基于机器学习的经济数据驱动预测控制
系统与控制
2025-08-27 v1 系统与控制
摘要
本文在数据驱动预测控制（DeePC）框架内提出了一种基于凸数据的经济预测控制方法。具体而言，我们使用神经网络将系统输出变换到一个新的状态空间，在该空间中，底层非线性系统的非线性经济代价函数由新状态空间中变换输出的二次函数近似。神经网络参数和二次函数的系数均从系统的开环数据中学习得到。此外，我们通过学习输出重构矩阵，从变换输出中重构受约束的输出变量；这样，所提出的经济型 DeePC 能够显式处理输出约束。通过一个模拟化工过程的案例研究，评估了所提方法的性能。
引用
@article{arxiv.2505.07182,
title = {Economic data-enabled predictive control using machine learning},
author = {Mingxue Yan and Xuewen Zhang and Kaixiang Zhang and Zhaojian Li and Xunyuan Yin},
journal= {arXiv preprint arXiv:2505.07182},
year = {2025}
}
备注
6 pages, 2 figures