关于正则化在数据驱动预测控制中影响的研究

模型预测控制（MPC）是一种广泛应用于工业控制中的控制策略。然而，其实现通常需要被控系统的数学模型，这是一项耗时且昂贵的任务。数据驱动预测控制（DDPC）方法提供了一种替代途径，它不需要显式的数学模型，而是直接从数据中优化控制策略。本文研究了两种不同正则化惩罚项对一种近期提出的数据驱动方法 $\gamma$-DDPC 闭环性能的影响。此外，我们讨论了在不同数据与噪声场景下相关系数的调参问题，以为终端用户提供一些指导方针。