模型无关的随机模型预测控制
系统与控制
2022-11-24 v1 系统与控制
统计计算
摘要
我们提出了一种面向动力系统的模型无关随机预测控制（MASMPC）算法。该方法首先利用一种新算法从数据中发现可解释的支配微分方程，并将其与模型预测控制算法相融合。所提方法的一个显著特点在于其不需要输入测量（外部激励）；未知的激励被当作白噪声处理，并辨识出对应于底层系统的随机微分方程。借助这一新颖的随机微分方程发现框架，所提方法具备泛化能力；这消除了重复训练阶段——其他基于机器学习的模型无关控制算法的主要瓶颈。总体而言，所提MASMPC（a）对测量噪声具有鲁棒性，（b）适用于稀疏测量，（c）可应对设定点变化，（d）适用于多控制变量，以及（e）可纳入死区时间。我们在若干基准算例上取得了最先进的结果。最后，我们将所提方法用于76层建筑在地震荷载下的振动抑制。
引用
@article{arxiv.2211.13012,
title = {Model-agnostic stochastic model predictive control},
author = {Tapas Tripura and Souvik Chakraborty},
journal= {arXiv preprint arXiv:2211.13012},
year = {2022}
}