非线性系统的基于在线学习的预测控制
最优化与控制
2025-03-17 v1
摘要
本文提出了一种针对缺乏显式系统动力学的非线性系统的基于在线学习的预测控制 (LPC) 方法。与依赖已知系统模型来优化控制器输出的传统模型预测控制 (MPC) 算法不同，我们提出的算法集成了强化学习组件，以从离线数据集和实时数据中实时学习最优策略。此外，引入了基于最优控制问题 (OCP) 的优化框架，以提高实时计算效率，同时确保在线运行期间的稳定性。此外，我们严格建立了该算法的超线性收敛特性。最后，进行了广泛的仿真以评估所提出方法的可行性和有效性。
引用
@article{arxiv.2503.11014,
title = {Online Learning-Based Predictive Control for Nonlinear System},
author = {Yuanqing Zhang and Huanshui Zhang},
journal= {arXiv preprint arXiv:2503.11014},
year = {2025}
}