具有最小扰动的持续激励在线反馈优化控制器

本文开发了一种持续激励的输入生成在线反馈优化控制器，该控制器估计过程的灵敏度，确保在收敛时与下降方向的偏差最小。这消除了反馈回路中随机扰动的需要。所提出的控制器被表述为一个双层优化问题，其中非凸满秩约束通过线性约束和惩罚项进行松弛。该方法在多个系统共享有限且昂贵资源以进行生产优化的模拟场景中进行了验证，模拟了油气资源配置问题。该方法允许较少的输入扰动，同时准确估计梯度，从而在梯度未知时实现更快的收敛。在案例研究中，与带有随机输入扰动的 OFO 控制器相比，所提出的方法实现了相同的利润，与不带输入扰动的 OFO 控制器相比，利润提高了 $1.4\%$。