.png){kind=icon}
返回
Robust Data-Driven Model Predictive Control With Soft Constrained Strategy
.png){kind=icon}
PRE
AI
DOI：10.1109/tsmc.2026.3688417.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种具有软约束策略的鲁棒数据驱动模型预测控制（RDD-MPC）。该方法旨在解决由外部扰动和测量误差引起的外点导致的模型预测控制（MPC）约束违反问题。首先，利用核函数构建鲁棒数据驱动预测模型，并通过基于软间隔的迭代二次规划（SMIQP）算法更新其参数。该算法引入模型松弛变量（MSV）以容忍外点的不利影响，提高了预测模型对外点的鲁棒性，并确保模型能够捕捉系统的复杂动态特性。其次，设计了一种增强型软约束方法（SCM）以处理约束违反问题。与采用单一松弛变量的SCM可能导致的过度或不足约束松弛不同，该方法采用两个控制器松弛变量（CSVs）进行协同约束松弛，从而确保优化可行性。结合自适应权重惩罚项，所提出的SCM在存在扰动时仍能保持可接受的控制性能。第三，严格证明了所提出的RDD-MPC方法的输入-状态稳定性（ISS）。最后，经典非线性系统的实验结果表明，所提出的方法能够有效提高控制性能和鲁棒性。此外，该方法在废水处理过程（WWTPs）的基准仿真模型1（BSM1）上进行了评估，实验结果进一步验证了RDD-MPC方法在系统工程应用中的有效性。
Keyword:
Model predictive control (MPC)
outliers
soft constraints
soft-margin-based iterative quadratic programming (SMIQP)
期刊
I
IF:
8.7
论文数:
173
被引数:
0
机构
引用论文
Constrained Sampling-Based MPC Using Path Integral for Collision-Free Robot Manipulation基于路径积分的约束采样型MPC用于无碰撞机器人操作
.png){kind=icon}
PREAI
分享收藏Data-Driven Linear-Time-Variant MPC Method for Voltage and Power Regulation in Active Distribution Networks主动配电网电压功率调节的数据驱动线性时变MPC方法
PREAI
分享收藏
Robust Distributed Predictive Control of Cooperated Path Following for Wheeled Mobile Robots轮式移动机器人的协同路径跟踪鲁棒分布式预测控制
PREAI
分享收藏Robust and optimal epsilon-insensitive Kernel-based regression for general noise models稳健且最优的基于核函数的ε-不敏感回归方法，适用于一般噪声模型
PREAI
分享收藏A Soft Constrained MPC Formulation Enabling Learning From Trajectories With Constraint Violations
PREAI
分享收藏
查看更多内容