.png){kind=icon}
返回
Robust and efficient data-driven predictive control☆
.png){kind=icon}
PRE
AI
DOI：10.1016/j.automatica.2026.113108.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种稳健且高效的数据驱动预测控制（eDDPC）方案，与现有方案相比，该方案具有更高的样本效率（需要更少的离线数据）和计算效率。该方案采用了一种最近提出的数据为基础的线性时不变（LTI）系统表示作为预测器。这种表示可作为替代基于汉克尔矩阵的预测器（例如，由所谓的“基本引理”得到），并且可以通过利用数据浅汉克尔矩阵的核结构推导出来。这使得我们的方案能够应用于非常短（且可能是不规则测量）的含噪输入-输出数据，其数据量与预测范围无关。为考虑测量噪声，我们提供了一种新颖的结果，量化了系统真实（未知）受限制行为与从含噪数据估计行为之间的不确定性。此外，我们证明了该稳健的eDDPC方案是递归可行的，并且所得到的闭环系统实际上是指数稳定的。最后，我们将该方案的性能与现有方案在四水箱系统的案例研究中进行了比较。(c) 2026 作者。由Elsevier Ltd出版。本文是开放获取文章，采用CC BY-NC-ND许可（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
Keyword:
Robust data-driven predictive control
Behavioral approach
Uncertainty quantification
SVD perturbations
