.png){kind=icon}
.png){kind=icon}
返回
A Distributionally Robust Optimization-Based Stochastic Self-Triggered Model Predictive Control
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2025.3649661.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文中，我们针对具有状态机会约束和无界随机扰动的线性离散系统，提出了一种自触发分布鲁棒模型预测控制算法。假设仅可获取扰动的第一和第二矩，我们将目标函数转化为紧凑的二次形式，并将状态机会约束重新表述为线性不等式，这使其在求解时更易处理。为减少系统的通信和采样时间，我们提出了一种自触发更新方案，其中状态采样和控制输入序列在基于当前采样的预测控制性能优于周期采样方案时进行更新。我们证明了所提出的自触发模型预测控制（MPC）方法中的优化问题是递归可行且稳定的。数值仿真结果验证了所提出算法的有效性。
Keyword:
Chance constraints
distributionally robust optimization (DRO)
self-triggered model predictive control
期刊
I
IF:
0
论文数:
240
被引数:
0