数据使能预测控制的二次正则化：理论与电力变换器实验应用
系统与控制
2021-05-12 v2 系统与控制
摘要
数据驱动控制通过直接从系统数据提供最优控制输入来规避系统辨识过程，近年来重新引起了关注。本文重点理解正则化对数据使能预测控制（DeePC）算法的影响。我们为包含二次正则化项提供了理论动机和解释。我们的分析表明，二次正则化项导致了对影响数据的扰动的鲁棒和最优解。此外，当输入/输出约束不活跃时，二次正则化导致DeePC算法的闭式解，从而能够快速计算。在此基础上，我们提出了一个用于电力变换器数据驱动同步和功率调节的框架，并通过高保真仿真和实验进行了测试。
引用
@article{arxiv.2012.04434,
title = {Quadratic Regularization of Data-Enabled Predictive Control: Theory and Application to Power Converter Experiments},
author = {Linbin Huang and Jianzhe Zhen and John Lygeros and Florian Dörfler},
journal= {arXiv preprint arXiv:2012.04434},
year = {2021}
}