基于轨迹预测与跟踪的在线 LQR 控制后悔分析：扩展版
最优化与控制
2023-02-22 v1 机器学习
系统与控制
系统与控制
摘要
在本文中，我们提出并分析了一种用于具有先验未知时变代价矩阵的在线线性二次调节器（LQR）控制的新方法。代价矩阵被顺序揭示，并可能在短窗口内预览未来值。我们的新颖方法涉及使用可用的代价矩阵来预测最优轨迹，以及使用跟踪控制器将系统驱向该轨迹。我们采用动态后悔（dynamic regret）的概念来衡量所提在线 LQR 控制方法的性能，我们的主要结果是方法的（动态）后悔上界为一个常数。此外，后悔上界随预览窗口长度呈指数衰减，并可扩展至含扰动的系统。我们在仿真中表明，相比于其他先前提出的在线 LQR 方法，所提方法提供了改进的性能。
引用
@article{arxiv.2302.10411,
title = {Regret Analysis of Online LQR Control via Trajectory Prediction and Tracking: Extended Version},
author = {Yitian Chen and Timothy L. Molloy and Tyler Summers and Iman Shames},
journal= {arXiv preprint arXiv:2302.10411},
year = {2023}
}
备注
Submitted to L4DC2023