无模型预测控制：基础代数计算及与HEOL和ANN的比较

模型预测控制（MPC）是控制工程中流行的做法，但需要对模型有扎实的了解。无模型预测控制（MFPC）是当今的热点问题，也与人工智能中的强化学习（RL）相关，本文通过一种新的最优控制视角结合最新模型无控制（MFC）领域的进展，将其重新表述为常系数线性微分方程。它正在取代动态编程、Hamilton-Jacobi-Bellman 方程以及Pontryagin 最大化原理。计算负担较小。实现 straightforward。我们采用两种非线性实例，即化学反应器和两个储罐系统，进行演示。与HEOL设置的比较显示，后者仅略胜一筹，而HEOL设置需要一定的工艺模型知识。最近对两个储罐系统通过复杂ANN架构的识别可能表明，在控制领域，以及更广泛地在人工智能中，完全建模和相应的机器学习机制并非总是必要的。