.png){kind=icon}
返回
Data-Driven Model-Predictive Control for Nonlinear Systems With Stochastic Sampling Interval
.png){kind=icon}
PRE
AI
DOI：10.1109/TSMC.2022.3220550.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对于复杂的非线性系统，随机采样普遍存在，这可能会破坏闭环系统的稳定性。针对具有复杂动态和随机采样的非线性系统的采样数据镇定问题，提出了一种数据驱动的模型预测控制 (DDMPC) 策略，以在每个采样时刻对系统进行控制。DDMPC的主要优点有三个方面。首先，采用基于模糊神经网络 (FNN) 的数据驱动方法，建立复杂非线性系统的数学模型。特别是，考虑到系统的随机采样特性，构造了一个多模型结构来预测可能采样时刻的未来系统输出。其次，设计目标函数来处理随机抽样控制问题。计算合理的控制律，以稳定具有随机采样的非线性系统。最后，从理论上证明了DDMPC的稳定性，废水处理过程 (WWTP) 的数值模拟结果和工业应用表明，所提出的DDMPC可以实现随机采样非线性系统 (SSNS) 的令人满意的控制性能。
Keyword:
Data driven
model-predictive control (MPC)
objective function
stochastic sampling
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
Event-triggered predictive control of nonlinear stochastic systems with output delay具有输出时滞的非线性随机系统的事件触发预测控制.png)
AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏Passivity-based stochastic sampled-data control of Markovian jump systems via looped-functional approach通过循环函数方法对马尔可夫跳跃系统进行基于无源性的随机采样数据控制
PREAI
分享收藏Multi-time scale energy management framework for smart PV systems mixing fast and slow dynamics混合快慢动态的智能光伏系统多时间尺度能量管理框架APPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏Convergence of Stochastic Nonlinear Systems and Implications for Stochastic Model-Predictive Control随机非线性系统的收敛性及其对随机模型预测控制的启示OAAI
OAAI分享收藏Stabilization of Markovian Jump Boolean Control Networks via Sampled-Data Control通过采样数据控制稳定马尔可夫跳跃布尔控制网络
PREAI
分享收藏
查看更多内容