.png){kind=icon}
返回
Data-driven robust model predictive control for polytopic uncertain systems under AF cooperation protocol
.png){kind=icon}
PRE
AI
DOI：10.1080/00207721.2026.2658157.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对受持续有界扰动和多面体不确定性的未知线性离散时间系统的鲁棒控制挑战，本文首先提出了一种基于放大转发协作协议（AFCP）的数据驱动鲁棒模型预测控制（RMPC）框架。在信号因阻塞、丢失等因素易衰减的远程传输环境中，创新性地在传感器节点和远程控制器节点之间引入AFCP以有效改善信号传输质量。为解决系统状态不可测量的挑战，本研究首先将数据驱动策略整合到带有该协议的RMPC方法中。利用历史输入-输出数据构建等价状态空间模型，无需显式系统辨识。基于此，设计了动态输出反馈控制器，并构建终端约束集（TCS），突破了传统方法对已知模型的依赖。此外，基于数学期望设计了无限时域二次目标函数以处理系统不确定性和随机扰动。结合奇异值分解（SVD）技术，将原始不可解的“极小-极大”优化问题转化为可计算的在线辅助优化问题。严格证明了闭环系统的均方输入-状态稳定性。最后，仿真结果验证了所提数据驱动RMPC方法在保证硬约束满足方面的有效性和鲁棒性。
Keyword:
Data-driven model predictive control
mean-square input-state stability
amplify-and-forward cooperation protocol
persistent bounded disturbances
期刊
I
IF:
4.6
论文数:
1.1K
被引数:
7.3K
机构
引用论文
Probability-based constrained MPC for structured uncertain systems with state and random input delays基于概率约束的MPC方法，用于具有状态和随机输入延迟的结构化不确定系统
PREAI
分享收藏分享收藏
Power Allocation and Performance Analysis of Cooperative Spatial Modulation in Wireless Relay Networks.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容