.png){kind=icon}
返回
Computationally Efficient Predictive Control Using SINDy Models
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15122530.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
稀疏辨识非线性动力学（SINDy）方法能够生成紧凑且可解释的模型，同时保留物理系统属性，为黑箱模型提供了更优的替代方案。本研究提出了一种计算高效的模型预测控制（MPC）算法用于SINDy模型。该算法采用逐步获取的在线线性泰勒近似模型进行未来预测，而完整的SINDy模型捕捉过去动态。因此，非线性MPC问题被重新表述为一个易于处理的二次规划问题。实现涵盖了三种离散化方案：一阶欧拉法以及简化和完整的高阶龙格-库塔法。针对种群动力学和飞行器模型的仿真基准测试表明，该算法在实现与非线性MPC相当性能的同时，复杂度显著降低，从而支持实时应用。
Keyword:
Sparse Identification of Nonlinear Dynamics (SINDy)
Model Predictive Control (MPC)
data-driven modeling
