مقاله بهینه سازی عملکرد حلقه بسته کنترل پیش بینی مدل با ضمانت های استحکام

چکیده

Model mismatch and process noise are two frequently occurring phenomena that can drastically affect the performance of model predictive control (MPC) in practical applications. We propose a principled way to tune the cost function and the constraints of linear MPC schemes to achieve good performance and robust constraint satisfaction on uncertain nonlinear dynamics with additive noise. The tuning is performed using a novel MPC tuning algorithm based on backpropagation developed in our earlier work. Using the scenario approach, we provide probabilistic bounds on the likelihood of closed-loop constraint violation over a finite horizon. We showcase the effectiveness of the proposed method on linear and nonlinear simulation examples.

چکیده به فارسی (ترجمه ماشینی)

عدم تطابق مدل و نویز فرآیند دو پدیده غالباً در حال وقوع است که می تواند به شدت بر عملکرد کنترل پیش بینی مدل (MPC) در کاربردهای عملی تأثیر بگذارد.ما یک روش اصولی برای تنظیم عملکرد هزینه و محدودیت های طرح های خطی MPC برای دستیابی به عملکرد خوب و رضایت از محدودیت قوی در دینامیک غیرخطی نامشخص با نویز افزودنی پیشنهاد می کنیم.تنظیم با استفاده از یک الگوریتم تنظیم MPC جدید بر اساس BackPropagation که در کارهای قبلی ما ایجاد شده است ، انجام می شود.با استفاده از رویکرد سناریو ، ما مرزهای احتمالی را در مورد احتمال نقض محدودیت حلقه بسته بر روی یک افق محدود ارائه می دهیم.ما اثربخشی روش پیشنهادی را در نمونه های شبیه سازی خطی و غیرخطی به نمایش می گذاریم.