面向基于无导数优化的非线性预测控制框架
最优化与控制
2021-10-12 v1 系统与控制
系统与控制
摘要
使用基于导数的求解器来计算具有不可微代价或动态的最优控制问题解，通常需要重新表述或松弛，这使实现复杂化或增加计算复杂度。我们提出一个初步框架，使用无导数网格自适应直接搜索(MADS)算法来求解具有不可微特征的非线性模型预测控制问题，而无需重新表述。MADS算法通过模拟选定的系统轨迹并计算后续代价值，对输入空间进行结构化搜索。我们提议通过将附加状态增广到系统动态中，以沿状态轨迹一并计算约束违反量和代价值，从而处理路径约束和拉格朗日代价项，消除了在单独阶段重构状态轨迹的需要。我们通过求解一个鲁棒火箭控制问题证明了该框架的实用性，其目标是在系统具有不确定参数的情况下尽可能接近目标高度。该示例使用了不可微代价函数，并同时模拟两条不同的系统轨迹，每个系统具有各自的自由末端时间。
引用
@article{arxiv.2106.05025,
title = {Towards a Framework for Nonlinear Predictive Control using Derivative-Free Optimization},
author = {Ian McInerney and Lucian Nita and Yuanbo Nie and Alberto Oliveri and Eric C. Kerrigan},
journal= {arXiv preprint arXiv:2106.05025},
year = {2021}
}
备注
Accepted for presentation at the 7th IFAC Conference on Nonlinear Model Predictive Control