鲁棒数据驱动预测控制：可计算重构与性能保证
系统与控制
2021-05-18 v1 系统与控制
摘要
我们为线性时不变（LTI）系统引入了一个鲁棒数据驱动预测控制（DeePC）的通用框架。所提出的框架使我们能够基于含噪输入/输出数据获得 LTI 系统的无模型最优控制。更具体地说，鲁棒 DeePC 求解一个极小极大优化问题，以计算在给定不确定性集合内对输入/输出数据中不确定性的所有可能实现都具有鲁棒性的最优控制序列。我们给出了带有各种不确定性集合的极小极大问题的可计算重构形式。此外，我们表明，尽管由于无法获得完美的输入/输出数据，在实践中无法对未来行为进行准确预测，但所获得的鲁棒最优控制序列为实际实现的输入/输出代价提供了性能保证。我们进一步表明，鲁棒 DeePC 推广并增强了文献中提出的带正则化的 DeePC（二次正则化或 1-范数正则化）。最后，我们在一个并网功率变换器系统的高保真、非线性、含噪仿真上展示了所提出的鲁棒 DeePC 算法的性能。
引用
@article{arxiv.2105.07199,
title = {Robust Data-Enabled Predictive Control: Tractable Formulations and Performance Guarantees},
author = {Linbin Huang and Jianzhe Zhen and John Lygeros and Florian Dörfler},
journal= {arXiv preprint arXiv:2105.07199},
year = {2021}
}