基于系统级综合的鲁棒闭环模型预测控制
最优化与控制
2020-06-16 v4
摘要
本文考虑具有范数有界扰动与 LTV 模型不确定性的线性时变（LTV）系统的鲁棒闭环模型预测控制（MPC），其中求解一系列带约束的最优控制问题（OCPs）。由于扰动扰动预测状态以及模型不确定性（二者均可使闭环系统失稳），保证这些 OCPs 的鲁棒可行性颇具挑战。因此，往往需要在解的数值可处理性与保守性之间权衡。我们利用系统级综合（SLS）框架将这些带约束的 OCPs 基于闭环系统响应重新表述，并表明这使我们能通过计算鲁棒状态反馈策略透明地处理范数有界加性扰动与 LTV 模型不确定性。我们进一步表明，通过利用所得鲁棒 OCPs 的底层线性分式结构，我们能在降低现有基于 SLS 与基于管-MPC 的鲁棒控制方法保守性的同时提升计算效率。我们以数值示例作结，展示了所提方法的有效性。
引用
@article{arxiv.1911.06842,
title = {Robust Closed-loop Model Predictive Control via System Level Synthesis},
author = {Shaoru Chen and Han Wang and Manfred Morari and Victor M. Preciado and Nikolai Matni},
journal= {arXiv preprint arXiv:1911.06842},
year = {2020}
}