模型预测控制中具有保证的几何数据驱动降维

我们解决了在模型预测控制框架内反复在线求解的离散时间最优控制问题中的降维挑战。我们的研究表明，一种旨在低维子空间内识别次优解的降阶方法，保留了原始问题的稳定性和递归可行性特征。我们提出了一个确保初始可行性的充要条件，并将其无缝集成到子空间设计过程中。此外，我们采用黎曼流形上的优化技术来开发一个子空间，该子空间能高效地表征一组预先指定的高维数据点，同时遵守初始容许性约束。