鱼群模型的降阶模型预测控制
系统与控制
2023-03-07 v1 系统与控制
摘要
我们研究了 Gautrais 等人 (Annales Zoologici Fennici, 2008) 提出的鱼群模型的模型预测控制 (MPC) 问题。该模型因其吸引/对齐/排斥规律而具有高度非线性，表明需要采用 MPC 来控制鱼群的运动。然而，对于大规模鱼群，该规律的混合特性会使得在 MPC 中执行有限时域优化在计算上十分耗时。因此，本文提出对鱼群模型进行降阶以实现数值高效的 MPC；该降阶基于使用鱼群中个体游动方向的加权平均。我们通过比较降阶误差，解析地展示了使用对齐交互网络的归一化特征向量中心性如何获得更优的降阶。我们通过数值仿真，在降阶模型的 MPC 的权重与数值效率上证实了这一发现。所提出的降阶方法使我们能够控制多达 500 个个体的鱼群。此外，我们确认，与使用恒定权重的降阶相比，采用归一化特征向量中心性的降阶可将控制精度提高五倍。
引用
@article{arxiv.2303.02334,
title = {Reduced-Order Model Predictive Control of a Fish Schooling Model},
author = {Masaki Ogura and Naoki Wakamiya},
journal= {arXiv preprint arXiv:2303.02334},
year = {2023}
}
备注
Accepted for publication in Nonlinear Analysis: Hybrid Systems