基于定点的分层控制中快速非线性模型预测控制与深度学习方法的探究
系统与控制
2022-01-07 v1 系统与控制
摘要
本文探讨了最近提出的一种分层控制框架的若干变体。该框架专用于控制相互连接的子系统网络，例如描述低温过程或电厂的系统。近期研究表明，处理约束与非线性可能对方法的实时可行性构成挑战。本文研究并结合了两个成功的方向，即截断快速梯度与基于深度神经网络的控制器建模，以减少最关键子系统的计算时间。研究还表明，这样做可以大幅降低控制更新周期并极大改善闭环性能。因此，本文可视为实时分布式 NMPC 设计中若干关键思想的具体实现与验证。所有概念均使用真实且具有挑战性的实际低温制冷机例子进行了验证。
引用
@article{arxiv.2201.02044,
title = {Investigation of fast-NMPC and deep learning approach in fixed-point-based hierarchical control},
author = {Xuan-Huy Pham and Mazen Alamir and François Bonne},
journal= {arXiv preprint arXiv:2201.02044},
year = {2022}
}