LMI-based Data-Driven Robust Model Predictive Control

要約

システムのモデルに基づいて適用された入力を計算し、将来のシステムの動作を最適化する予測制御は、現在では広く使用されています。
公称モデルが与えられていないか、非常に不確実な場合は、システム モデルまたは入力が過去に測定された軌跡から直接取得される、データ駆動型モデル予測制御アプローチを採用できます。
データ情報フレームワークと Finsler の補題を使用して、入力と状態の制約を考慮する、データ駆動型の堅牢な線形行列不等式ベースのモデル予測制御スキームを提案します。
これらのデータを使用して、問題を半正定最適化問題として定式化します。この問題の解は、線形フィードバックの行列ゲインを提供しますが、決定的な変数は測定データの長さとは無関係です。
設計されたコントローラーは閉ループ システムを漸近的に安定させ、制約の充足を保証します。
この方法を説明するために数値例を示します。

要約(オリジナル)

Predictive control, which is based on a model of the system to compute the applied input optimizing the future system behavior, is by now widely used. If the nominal models are not given or are very uncertain, data-driven model predictive control approaches can be employed, where the system model or input is directly obtained from past measured trajectories. Using a data informativity framework and Finsler’s lemma, we propose a data-driven robust linear matrix inequality-based model predictive control scheme that considers input and state constraints. Using these data, we formulate the problem as a semi-definite optimization problem, whose solution provides the matrix gain for the linear feedback, while the decisive variables are independent of the length of the measurement data. The designed controller stabilizes the closed-loop system asymptotically and guarantees constraint satisfaction. Numerical examples are conducted to illustrate the method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google