基于动态模式分解的图像模型预测控制
系统与控制
2021-05-03 v2 系统与控制
摘要
我们提出了一种用于高状态空间维度系统的数据驱动模型预测控制（MPC）框架。该工作受限于需要利用以图像形式出现的传感器数据（例如，热像仪报告的 2D 或 3D 空间场）。我们提议使用动态模式分解（DMD）直接从图像数据构建低维模型，并利用该模型获得易处理的 MPC 控制器。我们通过一个 2D 热扩散系统展示了该方法（我们称之为 DMD-MPC）的可扩展性。此处，我们假设热场的演化由 50x50 像素图像捕获，这导致 2500 维状态空间。我们表明，该高维空间的动力学可通过 40 维 DMD 模型准确预测，并且通过使用嵌入低维 DMD 模型的 MPC 控制器可令人满意地操控该场。我们还表明，DMD-MPC 控制器显著优于使用来自有限空间位置集合（代理位置）的数据来操控高维热场的标准 MPC 控制器。该比较说明了图像数据中信息的价值。
引用
@article{arxiv.2006.06727,
title = {Image-Based Model Predictive Control via Dynamic Mode Decomposition},
author = {Qiugang Lu and Victor M. Zavala},
journal= {arXiv preprint arXiv:2006.06727},
year = {2021}
}
备注
22 pages, 14 figures