自反射模型预测控制的实时算法
最优化与控制
2016-11-09 v1
摘要
本文关于一类特定基于模型的控制器的实时模型预测控制（MPC）算法，其目标由标称跟踪目标和附加学习目标组成。此处，学习项的构建基于经济最优实验设计准则。将其添加到 MPC 目标中是为了故意不时激励系统，以在不完整或受噪声影响的测量存在时提高状态和参数估计的精度。本文特别关注所谓的自反射模型预测控制方案，其特性在于附加学习项可解释为随机测量误差存在时控制器最优性损失的期望。本文的主要贡献是一种量身定制的公式化算法，其利用自反射 MPC 问题的特殊结构来加速在线计算。研究表明，与通用的前沿最优控制问题求解器相比，所提算法能以合理的额外计算代价实时求解自反射优化问题。所提实时方案的优势通过将算法应用于存在测量误差和过程噪声的非线性过程控制问题得以说明。
引用
@article{arxiv.1611.02408,
title = {Real-time Algorithm for Self-Reflective Model Predictive Control},
author = {Xuhui Feng and Boris Houska},
journal= {arXiv preprint arXiv:1611.02408},
year = {2016}
}