具有对称性的MPC的Lipschitz常数高效计算
最优化与控制
2024-07-10 v1 系统与控制
系统与控制
摘要
线性模型预测控制（MPC）的 Lipschitz 常数可用于证明针对未建模扰动的固有鲁棒性，或用于基于神经网络的控制律近似的鲁棒性。在这两种情况下，知道最小 Lipschitz 常数会带来较不保守的证明。给定显式 MPC，计算该最小 Lipschitz 常数是平凡的。然而，对于复杂系统，显式 MPC 的计算可能难以处理。本文讨论一种无需使用显式控制律即可高效计算最小 Lipschitz 常数的方法。所提方法简化了近期提出的用于计算最小 Lipschitz 常数的混合整数线性规划（MILP）。该简化通过利用控制律的饱和性与对称性以及最优控制问题的无关约束而获得。
引用
@article{arxiv.2311.04580,
title = {Efficient computation of Lipschitz constants for MPC with symmetries},
author = {Dieter Teichrib and Moritz Schulze Darup},
journal= {arXiv preprint arXiv:2311.04580},
year = {2024}
}
备注
7 pages, 2 figures, 2 tables, to be published in the proceedings of the 62nd IEEE Conference on Decision and Control (2023)