.png){kind=icon}
返回
Sampled-data primal–dual gradient dynamics in model predictive control
.png){kind=icon}
PRE
AI
DOI：10.1016/j.automatica.2025.112621.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
模型预测控制（MPC）可能带来超出应用所需的计算负担，有时甚至对于线性系统也是如此。最近，一种针对线性MPC的快速计算方法被提出，该方法通过采用原始-对偶梯度（PDG）动态引导输入向最优控制问题解收敛。然而，稳定性是在控制器为连续时间系统的假设下得到保证的，这导致在控制器经历离散化并被实现为采样数据系统时可能产生不稳定性。在本文中，我们提出了一种离散时间动态控制器，其包含对PDG方法的具体改进，并给出了稳定性条件。此外，我们还引入了一种扩展以增强在原始方法中有所权衡的控制性能。数值示例证实，我们提出的方法（在普通笔记本电脑上仅需1μs即可执行）不仅考虑了采样数据实现的稳定性，还显著提升了控制性能。
Keyword:
Model predictive control
Primal–dual gradient
Sampled-data system
Stability
Dissipativity
Fast computation
期刊
IF:
5.9
论文数:
1.2W
被引数:
5.2W
机构
查看更多机构
引用论文
Qian Guo, Tianhong Pan, Jinfeng Liu, and Shan Chen. Explicit model predictive control of permanent magnet synchronous motors based on multi-point linearization. Transactions of the Institute of Measurement and Control, 43(12):2872–2881, 2021.钱国, 潘天宏, 刘锦锋, 和陈珊. 基于多点线性化的永磁同步电机显式模型预测控制. 测量与控制学会会刊, 43(12):2872–2881, 2021..png)
IF0
PREAI
分享收藏
没有更多内容