.png){kind=icon}
返回
Robust data-driven min–max model predictive control with unknown-input observers
.png){kind=icon}
PRE
AI
DOI：10.1016/j.automatica.2026.113010.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
控制存在未知过程扰动下的线性时不变系统具有显著挑战性，特别是在从噪声输出测量中精确估计系统状态以及管理未知扰动与数据相互作用方面。为应对这些挑战，本文提出了一种新颖的鲁棒数据驱动输出反馈模型预测控制（MPC）框架。该方法的核心在于将数据驱动的未知输入观测器（UIO）与数据驱动的极小化极大MPC方案相结合。数据驱动的UIO提供未知系统的实时状态估计，并在存在未知扰动的情况下确保估计误差的渐近收敛。这些估计随后被用于数据驱动的UIO基极小化极大MPC框架中，该框架采用基于数据的半定规划（SDP）计算最优控制输入，有效减轻过程扰动的影响。此外，数值仿真表明，所提方法能够保证闭环系统的递归可行性和鲁棒稳定性。
Keyword:
data-driven control
unknown-input observer
model predictive control
robust stability
system identification
期刊
IF:
5.9
论文数:
1.2W
被引数:
5.2W
机构
引用论文
Robust model predictive control of constrained linear systems with bounded disturbances有界扰动约束线性系统的鲁棒模型预测控制.png)
AUTOMATICA
OAAI
AUTOMATICAIF5.9
OAAI分享收藏
分享收藏分享收藏Incorporating state estimation into model predictive control and its application to network traffic controlAUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏Formulas for Data-Driven Control: Stabilization, Optimality, and Robustness数据驱动控制的公式: 稳定性、最优性和鲁棒性OAAI
OAAI分享收藏
查看更多内容