.png){kind=icon}
返回
Cloud-Based Computational Model Predictive Control Using a Parallel Multiblock ADMM Approach
.png){kind=icon}
OA
AI
DOI：10.1109/JIOT.2023.3238508.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解决大型系统或每个样本步骤具有实时需求的系统的非凸问题的繁重计算负荷已被认为是阻止非线性模型预测控制 (NMPC) 广泛应用的原因之一。为了提高具有输入非线性的NMPC的实时可行性，我们通过使用精心设计的并行多块交替方向乘子方法 (ADMMs) 算法，设计了一种称为基于云的计算模型预测控制 (MPC) 的创新方案。这种新颖的并行多块ADMM算法旨在解决解决具有非线性约束的非凸问题的计算问题。通过使用kurdyka-lojasiewicz属性，确保设计的算法在合理的假设下收敛到优化问题的局部最优解。借助此分布式优化算法，开发了一种计算MPC方案，该方案可以将NMPC优化问题转换为一组仅与一个预测步骤中的决策变量相关的子问题。通过并行计算算法，计算式MPC可以处理高维优化问题带来的大量计算负荷，提高计算效率。此外，为了允许更有效地实现所开发的计算MPC并减轻本地计算负载，设计了基于云的计算MPC架构，其显著更好地使用由云服务器提供的计算资源。使用Docker容器实现并行化的这种架构的一个重要优点是，无论预测范围设置多长时间，它都不会导致求解时间的大幅增加。最后，开发的基于云的计算MPC架构在一组插电式混合动力电动汽车 (phev) 上进行了试验。
Keyword:
Cloud control system
computational model predictive control (MPC)
Docker container
nonconvex problems
parallel computing
parallel multiblock alternating direction method of multiplier (ADMM)
期刊
IF:
8.9
论文数:
1.4W
被引数:
7.8W
机构
引用论文
.png){kind=icon}
Distributed MPC for Reconfigurable Architecture Systems via Alternating Direction Method of Multipliers通过乘法器的交替方向方法用于可重构体系结构系统的分布式MPC
PREAI
分享收藏分享收藏
查看更多内容