Stability and Robustness of Distributed Suboptimal Model Predictive Control

要約

分散モデル予測制御 (MPC) では、各サンプリング時間での制御入力は、分散アルゴリズムを使用して有限期間にわたって大規模な最適制御問題 (OCP) を解くことによって計算されます。
通常、このようなアルゴリズムは、収束するためにサブシステム間で数回 (事実上、無限) の通信ラウンドを必要とします。
これらの課題に動機付けられて、大規模なOCPの実行中のソリューション推定を維持し、サンプリング時間ごとに更新することにより、総通信負荷も時間内に分散される準最適分散MPCスキームを提案します。
いくつかの規則性条件下では、各サンプリング時間での通信バジェットが十分に大きい場合、結果として生じる準最適 MPC 制御則が最適 MPC の定性的ロバスト安定性特性を回復することを示します。

要約(オリジナル)

In distributed model predictive control (MPC), the control input at each sampling time is computed by solving a large-scale optimal control problem (OCP) over a finite horizon using distributed algorithms. Typically, such algorithms require several (virtually, infinite) communication rounds between the subsystems to converge, which is a major drawback both computationally and from an energetic perspective (for wireless systems). Motivated by these challenges, we propose a suboptimal distributed MPC scheme in which the total communication burden is distributed also in time, by maintaining a running solution estimate for the large-scale OCP and updating it at each sampling time. We demonstrate that, under some regularity conditions, the resulting suboptimal MPC control law recovers the qualitative robust stability properties of optimal MPC, if the communication budget at each sampling time is large enough.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google