广义数据驱动预测控制
最优化与控制
2023-04-05 v1
摘要
数据驱动预测控制（DPC）正成为模型预测控制的一种有吸引力的替代方案，因为其在实现时所需系统知识更少，且智能工程系统中可靠数据日益可得。DPC 内主要存在两种方法，其差别主要在于预测器的构造：估计预测矩阵（对大数据无偏）或 Hankel 数据矩阵作为预测器（允许优化偏差/方差权衡）。本文提出一种新颖的广义 DPC（GDPC）算法，该算法将预测输入序列构造为已知输入序列与优化输入序列之和。对应于已知输入序列的预测输出使用无偏最小二乘预测器计算，而优化预测输出使用基于 Hankel 矩阵的预测器计算。通过结合这两类预测器，GDPC 即使在使用小 Hankel 矩阵时也能在噪声数据下实现高性能，且在计算上更高效。文献中基准算例的仿真结果表明，在噪声数据存在下，采用最小尺寸 Hankel 矩阵的 GDPC 可匹配采用较大 Hankel 矩阵的数据赋能预测控制的性能。
引用
@article{arxiv.2304.01418,
title = {Generalized Data-driven Predictive Control},
author = {M. Lazar and P. C. N. Verheijen},
journal= {arXiv preprint arXiv:2304.01418},
year = {2023}
}