非线性模型预测控制的事件触发间歇采样
最优化与控制
2017-03-16 v1
摘要
在本文中，我们针对非线性连续时间系统提出了一种新的非周期模型预测控制公式。与以往方法不同，我们在不使用最优代价作为 Lyapunov 候选函数的情况下提供了事件触发条件。相反，我们评估最优状态轨迹进入原点附近局部集合时的时间间隔。所得到的事件触发策略在两个方向上比以往方法更适合实际应用。首先，它不包含可能成为事件触发条件保守性潜在来源的参数（例如，阶段代价和终端代价的 Lipschitz 常数参数）。其次，事件触发条件仅需在某些采样时刻进行检查，而非连续检查。这减轻了传感成本，更适合在数字平台上的实际实现。所提出的事件触发方案也通过数值模拟得到了验证。
引用
@article{arxiv.1703.05088,
title = {Event-Triggered Intermittent Sampling for Nonlinear Model Predictive Control},
author = {Kazumune Hashimoto and Shuichi Adachi and Dimos V. Dimarogonas},
journal= {arXiv preprint arXiv:1703.05088},
year = {2017}
}
备注
To appear in Automatica