迭代学习模型预测控制器的最优性与收敛性质
最优化与控制
2022-02-02 v4 系统与控制
系统与控制
摘要
在本技术札记中，我们分析了针对线性确定性系统的学习模型预测控制（LMPC）策略的性能改进与最优性性质。LMPC 框架是一种策略迭代方案，其中闭环轨迹被用于更新下一次控制任务执行的控制策略。我们表明，当线性独立约束限定（LICQ）条件成立时，LMPC 方案保证严格的迭代性能改进与最优性，意味着在整个任务上评估的闭环代价渐近收敛到无限时域控制问题的最优代价。与先前工作相比，这一充分的 LICQ 条件易于检验，它对更大类别的系统成立，并且可用于自适应选择控制器的预测时域，如一个数值例子所演示。
引用
@article{arxiv.2010.15153,
title = {On the Optimality and Convergence Properties of the Iterative Learning Model Predictive Controller},
author = {Ugo Rosolia and Yingzhao Lian and Emilio T. Maddalena and Giancarlo Ferrari-Trecate and Colin N. Jones},
journal= {arXiv preprint arXiv:2010.15153},
year = {2022}
}
备注
technical note