学习准线性参数可变模型与鲁棒控制不变集：降低保守性
最优化与控制
2025-05-13 v1 系统与控制
系统与控制
摘要
我们提出了一种方法，用于识别植物的准线性参数可变 (qLPV) 模型，确保该 qLPV 模型能够容纳鲁棒控制不变 (RCI) 集。该方法建立在[1]中提出的同步合成框架之上，在该框架中，RCI 集存在性要求被建模为一种控制导向的正则化。我们通过对 qLPV 系统进行上界和下界传递来缩小该方法的保守性，从而将其界定为一个不确定的线性时不变系统。 resulting regularization function is the optimal value of a nonlinear robust optimization problem that we solve via a differentiable algorithm. We numerically demonstrate the benefits of the proposed approach over two benchmark approaches.
引用
@article{arxiv.2505.07287,
title = {Learning Quasi-LPV Models and Robust Control Invariant Sets with Reduced Conservativeness},
author = {Sampath Kumar Mulagaleti and Alberto Bemporad},
journal= {arXiv preprint arXiv:2505.07287},
year = {2025}
}
备注
12 pages, 3 figures