从数据到预测控制：面向随机线性系统的输出测量框架
密码学与安全
2025-06-24 v2 计算机与社会
分布式、并行与集群计算
摘要
我们提出数据驱动预测控制框架 D2PC，以便于从数据中设计鲁棒且具预测性的控制器。该框架针对具有输出测量的离散时序随机线性系统，提供了基于数据的原则性控制器设计方法。该框架基于运动最大似然算法的参数识别方法而构建， incorporates 事先定义的结构约束。借助参数估计的渐近近似，量化参数估计的不确定性。作为主要贡献，提出鲁棒控制和预测控制设计，针对识别过程中产生的不确定性进行优化。特别是，提出一种用于合成鲁棒动态输出反馈控制器的策略。此外，开发了一种保证递归可行性和机会约束满足的预测控制方案。该框架标志着在将数据驱动模型集成到鲁棒和预测控制设计中方面的重大进展。我们通过一个包含 10 维弹簧-质量-阻尼系统的数值示例，展示了 D2PC 的有效性。
引用
@article{arxiv.2407.17276,
title = {SoK: Bridging Trust into the Blockchain. A Systematic Review on On-Chain Identity},
author = {Awid Vaziry and Kaustabh Barman and Patrick Herbke},
journal= {arXiv preprint arXiv:2407.17276},
year = {2025}
}