皮埃尔·克莱门特（Pierre Clément Blaud）;菲利普·切夫雷尔;法比安·克莱沃;Pierrick Haurant公司;安东尼·穆拉德 从多物理模型到神经网络的预测控制综合。 （英语） Zbl 1531.93087号 最佳方案。控制应用程序。方法 44，第3期，1394-1411（2023）. 摘要：本文的目的是提出一种基于模型的预测控制综合的高效系统方法。模型预测控制要求使用动态系统的模型，该模型可以是线性的、时变的、非线性的或从数据中识别的。由于需要广泛的系统和物理知识以及大量相关场景的数据，有时还需要复杂的识别工作，因此，寻找一个既精确又可模拟且计算成本低的模型可能具有挑战性且耗时。（过滤噪音和偏差、数据格式化等）提出的方法从精细多物理建模开始，这得益于开放的模型库（参见Modelica）。然后，通过考虑特殊场景来模拟获得的模型，以生成数据，然后使用这些数据来识别神经网络，该神经网络将支持预测控制综合。详细介绍了该系统方法，并将其应用于广泛使用的控制基准，即四缸过程。结果表明，该方法可以准确地用于优化超参数，以建立神经网络模型，并使用预测控制器控制四罐过程。{©2021 John Wiley&Sons有限公司} 引用于1文件 MSC公司： 93B45码 模型预测控制 93B30型 系统标识 关键词：经济模型预测控制;前馈神经网络;超参数优化;模型识别;Modelica公司 软件：PyTorch公司;亚当;黑盒优化.jsl;JuMP公司;卡萨迪;github;通量;温室 PDF格式BibTeX公司 XML格式引用 \textit{P.C.Blaud}等人，Optim。控制应用程序。方法44，No.3，1394--1411（2023；Zbl 1531.93087） 全文： 内政部 参考文献： [1] Lamnabhi‐LagarrigueF、AnnaswamyA、EngellS等。人类未来的系统与控制，研究议程：当前和未来的角色、影响和重大挑战。年收入控制。2017;43:1‐64. doi:10.1016/j.arcontrol.2017.04.001 [2] 梅因DQ。模型预测控制：最新发展和未来展望。自动化。2014;50(12):2967‐2986. doi:10.1016/j.automatica.2014.10.128·Zbl 1309.93060号 [3] DarbyML，NikolaouM。MPC：当前实践和挑战。控制工程实践。2012;20(4):328‐342. doi:10.1016/j.connengprac.2011.12.004 [4] RachaelJA、RaultA、TestudJL、PaponJ。模型预测启发式控制：在工业过程中的应用。自动化。1978;14(5):413‐428. doi:10.1016/0005-1098（78）90001-8 [5] YeBL、GaoH、LiL、RuanK、WuW、ChenT。交通信号控制的模型预测控制方法综述。IEEE/CAA J自动正弦。2019;6(3):623‐640. doi:10.1109/JAS.2019.1911471 [6] LefortA、BourdaisR、Ansanay‐AlexG、GuéguenH。分层控制方法在住宅能源管理中的应用。能源建筑。2013;64:53‐61. doi:10.1016/j.enbuild.2013.04.010 [7] AframA、Janabi‐SharifiF。暖通空调控制系统的理论和应用——模型预测控制（MPC）综述。营造环境。2014;72:343‐355. doi:10.1016/j.buildenv.2013.11.016 [8] WeissA、BaldwinM、ErwinRS、KolmanovskyI。航天器交会对接的模型预测控制：约束处理策略和案例研究。IEEE变速器控制系统技术。2015;23(4):1638‐1647. doi:10.1109/TCST.2014.2379639 [9] HrovatDDi CairanoS、TsengHE、KolmanovskyIV。模型预测控制在汽车工业中的发展：综述。2004年IEEE控制应用国际会议论文集；2012年10月3日至5日：295‐302；克罗地亚杜布罗夫尼克。doi:10.1109/CCA.2012.6402735 [10] 罗林斯JB、安吉丽德、贝茨CN。。经济模型预测控制基础。2012年IEEE第51届IEEE决策和控制会议记录；2012年12月10日-13日：3851‐3861；毛伊岛，HI，doi:10.1109/CDC.2012.6425822 [11] EllisM、DurandH、ChristofidesPD。经济模型预测控制方法教程回顾。J过程控制。2014;24(8):1156‐1178. doi:10.1016/j.jprocont.2014.03.010 [12] 穆斯克·R、罗林斯·JB。线性模型的模型预测控制。AICHE J.1993；39(2):262‐287. doi:10.1002/aic.690390208 [13] JörgensenJB、SokolerLE、Standard L等。线性随机能量单位系统的经济MPC。2016年欧洲控制会议（ECC）会议记录；丹麦奥尔堡，2016年6月29日至7月1日：903‐909。doi:10.1109/ECC.2016.7810404 [14] 穆里略姆、桑切斯G、乔瓦尼尼L。基于管和收缩约束的迭代非线性模型预测控制。ISA事务。2016;62:120‐128. doi:10.1016/j.isatra.2016.01.008 [15] GrüneL，PannelJ。第3章。非线性模型预测控制。非线性模型预测控制：理论与算法；瑞士查姆：施普林格；2017;45-69.doi:10.1007/978-3-319-46024-6_3·Zbl 1429.93003号 [16] 混合系统的模型预测控制：稳定性和鲁棒性。博士论文。埃因霍温理工大学；2006年，doi:10.6100/IR612103 [17] MaddalenaET、LianY、JonesCN。建筑控制的数据驱动方法——回顾和展望未来方向。控制工程实践。2020;95:104211. doi:10.1016/j.connengprac.2019.104211 [18] HuusomJK、PoulsenNK、JörgensenSB和JöergensenJB。基于ARX模型表示的无偏移MPC方法的调整。2010年美国控制会议记录；2010年6月30日：2355‐2360；IEEE，巴尔的摩，MD.doi:10.1109/ACC.2010.5530560 [19] WongWC、Chee、LiJ、WangX。连续制药的基于递归神经网络的模型预测控制。数学。2018;6(11):242. doi:10.3390/math6110242·Zbl 1405.93171号 [20] 克里斯托菲德斯警察局WuZ。基于经济机器学习的非线性系统预测控制。数学。2019;7(6):494. doi:10.3390/路径7060494 [21] TerziE、BonettiT、SaccaniD、FarinaM、FagianoL、ScattoliniR。大型商业中心冷却系统的基于学习的预测控制。控制工程实践。2020;97:104348. doi:10.1016/j.connengprac.2020.104348 [22] SchranglP、TkachenkoP、delReL。未知结构非线性系统的迭代模型识别：利用实验设计的系统数据建模。IEEE控制系统杂志2020；40(3):26‐48. doi:10.1010/MCS.2020.29766388·Zbl 1477.93168号 [23] MattssonSE、ElmqvistH、OtterM。使用Modelica进行物理系统建模。控制工程实践。1998;6(4):501‐510. doi:10.1016/S0967-0661（98）00047-1 [24] 威斯曼·弗兰克尔。电力系统的灵活建模——modelica电力系统库。第十届国际Modelica会议记录；2014年3月10日至12日：515‐522；瑞典隆德。doi:10.3384/ecp14096515 [25] WetterM、ZuoW、NouiduiTS、PangX。Modelica建筑库。J构建-执行模拟。2014;7(4):253‐270. doi:10.1080/19401493.2013.765506 [26] El HefniB、BouskelaD、LebretonG。使用ThermoSysPro对联合循环发电厂进行动态建模。第八届国际Modelica会议记录，德累斯顿；德国；2011年3月20日至22日：365‐375，doi:10.3384/ecp11063365 [27] GiraudL、BaviereR、ValléeM、PaulusC。第十一届国际modelica会议论文集《区域供暖模型库》的介绍、验证和应用；2015年9月21日至23日：79‐88；法国凡尔赛，doi:10.3384/ecp1511879 [28] Altes‐BuchQ、QuoilinS、LemortV。温室：用于模拟温室气候和能源系统的模型库。第13届国际Modelica会议记录，德国雷根斯堡；2019年3月4日至6日：533‐542，doi:10.3384/ecp19157533 [29] GawthropPJ，BevanGP。键合图建模。IEEE控制系统杂志2007；27(2):24‐45. doi:10.1109/MCS.2007.338279·Zbl 1395.93099号 [30] AgbliKS、PéraMC、HisselD、RallièresO、TurpinC、DoumbiaI。PEM电解槽的多物理模拟：能量宏观表示方法。国际水文能源杂志，2011年；36(2):1382‐1398. doi:10.1016/j.ijhydene.2010.10.069 [31] VasilyevA、AndrewsJ、JacksonLM、Dunnett SJ、DaviesB。用键合图对PEM燃料电池进行基于组件的建模。国际水电能源杂志，2017年；42(49):29406‐29421. doi:10.1016/j.ijhydene.2017.09.004 [32] LiuL、FelgnerF、FreyG。刚性和混合系统仿真的4种数值求解器的比较。2010年IEEE第15届新兴技术与工厂自动化会议记录（ETFA 2010）；2010年9月13日至16日：1-8；西班牙毕尔巴鄂。doi:10.1109/ETFA.2010.5641330 [33] ZitoG LandauID公司。系统识别：基础。数字控制系统。设计、识别和实施。施普林格；2006年，doi:10.1007/978-1-84628-056-6_5 [34] YangXS。自然启发的元启发式算法；英国弗罗姆：Luniver出版社；2010;117‐118. [35] BraatzRD PatrónER KimKKK。动态人工神经网络模型的标准表示和统一稳定性分析。神经网络。2018;98:251‐262. doi:10.1016/j.neunet.2017.11.014·Zbl 1441.93203号 [36] WangZ，BovikAC。均方误差：喜欢还是放弃？信号保真度测量的新视角。IEEE信号程序杂志2009；26(1):98‐117. doi:10.1109/MSP.2008.930649 [37] 李世杰。比较了三种人工神经网络在风速预测中的应用。Appl能源公司，2010年；87(7):2313‐2320. doi:10.1016/j.开放性.2009.12.013 [38] YangL，沙米亚。机器学习算法的超参数优化：理论与实践。神经计算。2020;415:295‐316. doi:10.1016/j.neucom.2020.07.061 [39] MitliagkasI，ZhangJ。黄鳍金枪鱼和动量调节艺术。第二届SysML会议记录；2019年3月31日至4月2日；加利福尼亚州帕洛阿尔托。 [40] PaszkeA、GrossS、MassaF等，《Pytorch：一个命令式、高性能的深度学习库》。Adv Neural Inf Proces系统。2019;32:8026‐8037. [41] InnesM公司。Flux：与Julia一起进行优雅的机器学习。J开源软件。2018;3(25):602. doi:10.21105/joss.00602 [42] Abdel‐BassetM、Abdel∙FatahL、SangaiahAK。第10章。元启发式算法：综述。收录：SangaiahAK（编辑）、ShengM（编辑）和ZhangZ（编辑），主编：《云上多媒体大数据的计算智能与工程应用》。学术出版社；2018:185‐231. 网址：10.1016/B978-0-12-813314-9.00010-4 [43] FortinFA、De RainvilleFM、GardnerMA、ParizeauM、GagnéC。DEAP：进化算法变得简单。J Mach Learn Res.2012；13(1):2171‐2175. [44] 斯图卡洛夫·费尔德特。黑盒Optim.jl。GitHub存储库；2018https://github.com/robertfeldt/BlackBoxOptim.jl [45] 格里内尔。无终端约束的经济后退视野控制。自动化。2013;49(3):725‐734. doi:10.1016/j.自动2012.12.003·兹比尔1267.93052 [46] deOliveira KothareSL，莫拉里姆。约束非线性系统的收缩模型预测控制。IEEE Trans Automat控制。2000;45(6):1053‐1071. 数字对象标识代码：10.1109/9.863592·Zbl 0976.93025号 [47] GrüneL，PannekJ。第12章。非线性系统的数值最优控制。非线性模型预测控制：理论与算法；瑞士查姆：施普林格；2017;367‐434. 数字对象标识代码：10.1007/978-3-319-46024-6_12 [48] DummingI、HuchetteJ、LubinM。JuMP：用于数学优化的建模语言。SIAM 2017版；59(2):295‐320. doi:10.1137/15M1020575·Zbl 1368.90002号 [49] AnderssonJA、GillisJ、HornG、RawlingsJB、DiehlM。CasADi：用于非线性优化和最优控制的软件框架。数学程序计算。2019;11(1):1‐36. 数字对象标识代码：10.1007/s12532-018-0139-4·Zbl 1411.90004号 [50] 瓦赫特A，比格勒T。关于大规模非线性规划的内点滤波线搜索算法的实现。数学课程。2006;106(1):25‐57. doi:10.1007/s10107-004-0559-y·Zbl 1134.90542号 [51] AbughaliehKM，AlawnehSG。模型预测控制的并行实现综述。IEEE接入。2019;7:34348‐34360. doi:10.1109/ACCESS.2019.2904240 [52] DiehlM、FerreauHJ、HaverbekeN。非线性MPC和移动时域估计的有效数值方法。收录：MagniL（编辑）、RaimondoDM（编辑）和AllgöwerF（编辑），编辑：非线性模型预测控制：走向新的挑战性应用。施普林格；2009:391‐417. ·Zbl 1195.93038号 [53] JohanssonKH。四罐流程：具有可调零点的多变量实验室流程。IEEE变速器控制系统技术。2000;8(3):456‐465. doi:10.1009/87.8845876 [54] JohanssonKH、HorchA、WijkO、HanssonA。使用四油箱过程教授多变量控制。第38届IEEE决策与控制会议记录（分类号99CH36304）；第1卷，1999:807‐812。doi:10.1109/CDC.1999.832889 [55] 帕尔莫·施奈德曼D。具有多变量死区时间的四罐过程的特性和控制。J过程控制。2009;20(1):18‐28. doi:10.1016/j.jprocont.2009.10.010 [56] 胡舍克。基于相位裕度规范的分散PI控制器设计。IEEE变速器控制系统技术。2014;22(1):346‐351. doi:10.1109/TCST.2013.2248060 [57] PrustySB、SeshagiriS、PatiUC、MahapatraKK。使用条件积分器的耦合坦克系统的滑模控制。IEEE/CAA J自动正弦。2020;7(1):118‐125. doi:10.1109/JAS.2019.1911831 [58] AlvaradoI，LimonD，De La PeñaDM，et al.应用于HD‐MPC四罐基准测试的分布式MPC技术的比较分析.过程控制杂志。2011;21(5):800‐815. doi:10.1016/j.jprocont.2011.03.003 [59] DasS、MullickSS、SuganthanPN。差异进化的最新进展——最新调查。Swarm Evolo计算。2016;27:1‐30. doi:10.1016/j.swevo.2016.01.004 [60] Al‐DabbaghRD、NeriF、IdrisN、BabaMS。自适应差分进化方案中的算法设计问题：综述和分类。Swarm Evolo计算。2018;43:284‐311. doi:10.1016/j.swevo.2018.03.008 [61] BesardT、FoketC、De SutterB。有效的可扩展编程：在GPU上释放Julia。IEEE跨并行分布式系统。2019;30(4):827‐841. doi:10.10109/TPDS2018.2872064 [62] 史密斯D，LeBlancH。神经进化中的可变激活功能和繁殖。2018年ASEE北中区会议记录；2018; 俄亥俄州阿克伦。 [63] 亨德里克斯·D，金佩尔·K。高斯误差线性单位（GELUs）；2016年。2020年访问，[在线]。https://arxiv.org/abs/1606.08415。 [64] GlotX、BordesA、BengioY。深度稀疏整流器神经网络。第十四届国际人工智能与统计会议论文集；第15卷，2011年4月：315‐323；佛罗里达州劳德代尔堡。 [65] RamachandranP、ZophB、LeQV。搜索激活功能。第六届学习代表国际会议记录；2018年4月30日至5月3日。 [66] BaJ州KingmaDP。亚当：一种随机优化方法。第三届学习代表国际会议记录；2015年5月7日至9日；加利福尼亚州圣地亚哥。 [67] 刘莉、姜浩、黑普、陈伟、刘克斯、高杰、韩杰。关于自适应学习率的变化及其以外。第八届学习表现国际会议论文集；2020年4月26日至30日；埃塞俄比亚亚的斯亚贝巴。 [68] 多扎特。将内斯特罗夫动量融入亚当。研讨会记录——学习表现国际会议；2016年5月2日至4日；波多黎各圣胡安。 [69] D'jorgeA、AndersonA、GonzálezAH、FerramoscaA。一个强有力的经济MPC，用于改变经济标准。国际J鲁棒非线性控制。2018;28(15):4404‐4423. doi:10.1002/rnc.4243·兹比尔1401.93083 [70] O'MalleyMJ、AnwarMB、HeinenS等。多载波能源系统：塑造我们的能源未来。IEEE程序。2020;108(9):1437‐1456. doi:10.1010/JPROC.200.2992251 [71] UdellM、MohanK、ZengD、HongJ、DiamondS、BoydS。Julia中的凸优化。第一届动态语言高性能技术计算研讨会论文集；2014年11月17日；新奥尔良，洛杉矶。doi:10.1109/HPTCDL.2014.5 [72] ChenY、ShiY、ZhangB。神经网络最优控制：凸方法。第七届学习代表国际会议记录；2019年5月6日至9日；洛杉矶新奥尔良。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。