降阶模型预测控制的误差界
系统与控制
2020-08-24 v2 系统与控制
摘要
模型预测控制是实现约束系统最优控制的有力框架。然而，对于由高维状态空间描述的系统，该框架的计算需求可能过高而无法用于实时控制。降阶模型预测控制 (ROMPC) 框架通过利用模型降阶技术压缩在线最优控制问题中使用的状态空间模型来解决此问题。虽然这可以通过减少在线计算需求来实现实时控制，但这些模型降阶引入了近似误差，必须加以考虑以保证被控高维系统的约束满足和闭环稳定性。在这项工作中，我们提出了一种离线方法，用于高效计算由模型降阶引起的误差界，并展示了如何将它们用于在先前提出的 ROMPC 框架中保证约束满足。本工作考虑由 Petrov-Galerkin 投影压缩的线性、离散、时不变系统，并考虑系统还受有界扰动影响的输出反馈设置。
引用
@article{arxiv.1911.12349,
title = {Error Bounds for Reduced Order Model Predictive Control},
author = {Joseph Lorenzetti and Marco Pavone},
journal= {arXiv preprint arXiv:1911.12349},
year = {2020}
}