基于偏好的MPC标定
最优化与控制
2021-05-27 v2
摘要
通过全局优化自动标定控制策略的参数需要量化一个闭环性能函数。由于这在许多情况下并不现实,本文提出一种半自动标定方法,转而要求人类标定者表达某一控制策略是否“优于”另一策略的偏好,从而免除了显式性能指标的必要性。我们特别关注模型预测控制器(MPC)的半自动标定,尝试采用近期发展的主动基于偏好的优化算法GLISp来计算最佳标定参数集合。基于人类操作员表达的偏好,GLISp学习标定者(无意识地)使用的底层闭环性能指标的代理模型,并迭代地提出一组新的标定参数供其测试并与先前的实验结果比较。所得到的半自动标定流程在两个案例研究中进行了测试,展示了该方法在有限实验次数内达到近最优性能的能力。
引用
@article{arxiv.2003.11294,
title = {Preference-based MPC calibration},
author = {Mengjia Zhu and Alberto Bemporad and Dario Piga},
journal= {arXiv preprint arXiv:2003.11294},
year = {2021}
}
备注
8 pages, 4 figures, to be published in European Control Conference, 2021