×
李宇哲;陈，冉;史，杨

基于时空学习的随机MPC及其在航空发动机控制中的应用。 （英语） Zbl 1520.93135号

Automatica公司 153，文章ID 111014，10 p.（2023）.
摘要：为了处理模型不确定性问题，研究了广泛的随机MPC方法，其中不确定性通常假定遵循给定的统计分布。然而，在实际场景中，模型不确定性的统计特性可能取决于在时间和空间上变化的某些超参数。例如，在航空发动机控制的应用中，在动态变化的飞行高度和马赫数等不同操作条件下，可能会出现不同类型的不确定性。传统上，随机MPC方法可能无法直接处理这些类型的不确定性。因此，我们提出了一种基于时空学习的随机模型预测控制算法，通过构造时空高斯过程来基于测量数据逼近不确定性，来研究具有动态变化不确定性的随机最优控制问题。由于时空广义预测可能难以用长处理时间序列进行评估，因此我们提出了广义预测的状态空间表示，以采用计算效率高的卡尔曼滤波。然后，我们通过参数化控制器并重新设定成本和机会约束，推导出一种可计算的控制策略，并分析了相应的递归可行性和闭环稳定性。最后，将该算法应用于航空发动机的压缩机控制，并与其他MPC控制器进行了比较，证明了该方法的有效性。

MSC公司：

93B45码 模型预测控制
93E35型 随机学习与自适应控制
93E20型 最优随机控制
93立方厘米 控制理论中的应用模型

关键词：

时空学习;随机MPC;高斯过程;航空发动机控制
PDF格式BibTeX公司 XML格式引用
\textit{Y.Li}等人，Automatica 153，文章ID 111014，10 p.（2023；Zbl 1520.93135）
全文： 内政部

参考文献：

[1] 何鸿文；贾慧；孙超；孙凤春，电动汽车空调系统的随机模型预测控制：灵敏度研究、比较和改进，IEEE工业信息学报，14，9，4179-4189（2018）
[2] 卢卡斯·休因；尤拉吉·卡布赞；Zeilinger，Melanie N.，使用高斯过程回归的谨慎模型预测控制，IEEE控制系统技术汇刊，28，6，2736-2743（2019）
[3] 卢卡斯·休因；Wabersich，Kim P。；马塞尔·曼纳（Marcel Menner）；Zeilinger，Melanie N.，《基于学习的模型预测控制：实现控制中的安全学习》，《控制、机器人和自治系统年度回顾》，3269-296（2020）
[4] 尼古拉斯·坎塔斯（Nikolas Kantas）；Maciejowski，J.M。；Lecchini-Visintini，A.，模型预测控制的序贯蒙特卡罗方法，（非线性模型预测控制（2009），Springer），263-273·Zbl 1195.93150号
[5] George P.Kontoudis。；丹尼尔·史迪威（Daniel J.Stilwell），《多智能体联合学习的完全分散、可扩展高斯过程》（2022），arXiv预印本arXiv:2203.02865
[6] Kruschke，John K.，贝叶斯数据分析，威利跨学科评论：认知科学，1,5658-676（2010）
[7] 李，浦；莫里茨·温特；Wozny，Günter，概率约束模型预测控制器，Automatica，38，7，1171-1176（2002）·Zbl 1002.93507号
[8] 马提亚斯·洛伦岑；马克·坎农（Mark Cannon）；Allgöwer，Frank，具有递归模型更新的鲁棒MPC，Automatica，103461-471（2019）·Zbl 1415.93109号
[9] Ali Mesbah，《随机模型预测控制：未来研究的概述和展望》，IEEE control Systems Magazine，36，6，30-44（2016）·Zbl 1476.93147号
[10] 阿里·梅斯巴（Ali Mesbah）；斯特雷夫·斯特凡；罗尔夫·芬戴森；Braatz，Richard D.，具有概率约束的随机非线性模型预测控制，（2014年美国控制会议（2014），IEEE），2413-2419
[11] Neal，Radford M.，切片取样，统计年鉴，31，3，705-767（2003）·Zbl 1051.65007号
[12] 宁、赵；尤凤琪，基于在线学习的约束线性不确定系统的风险规避随机MPC，Automatica，125，文章109402 pp.（2021）·Zbl 1461.93133号
[13] Joel A.Paulson。；斯特雷夫·斯特凡；Ali Mesbah，《滚动时域随机模型预测控制的稳定性》，（2015年美国控制会议，2015年美国控制器会议，ACC（2015），IEEE），937-943
[14] 史蒂文·里斯（Steven Reece）；斯蒂芬·罗伯茨（Stephen Roberts）；Ghosh，悉达多；亚历克斯·罗杰斯；Jennings，Nicholas R.，《周期潜能模型的有效状态空间推断》，《机器学习研究杂志》，第15期，第2337-2397页（2014年）·Zbl 1319.62077号
[15] 罗伊斯、劳尔斯、喷气发动机（2015）、约翰·威利父子公司
[16] Särkkä，Simo；毛里西奥·A·阿尔瓦雷斯。；Lawrence，Neil D.，物理系统学习和随机控制的高斯过程潜能模型，IEEE自动控制汇刊，64，7，2953-2960（2018）·Zbl 1482.93722号
[17] 西莫·萨卡；阿诺·索林；Hartikainen，Jouni，《通过无限维贝叶斯滤波和平滑进行时空学习：通过卡尔曼滤波研究高斯过程回归》，IEEE Signal Processing Magazine，30，4，51-61（2013）
[18] 乔治·席尔德巴赫（Georg Schildbach）；洛伦佐·法吉亚诺；弗里，克里斯托夫；Morari，Manfred，《闭环约束违反边界随机模型预测控制的情景方法》，Automatica，50，12，3009-3018（2014）·Zbl 1309.93193号
[19] 沈超；施，杨；Buckham，Brad，AUV的路径允许控制：多目标模型预测控制方法，IEEE控制系统技术汇刊，27，3，1334-1342（2018）
[20] 拉斐尔·索洛佩托；穆勒，马提亚斯A。；塞巴斯蒂安·特里姆佩；Allgöwer，Frank，基于学习的具有状态相关不确定性的鲁棒模型预测控制，IFAC-PapersOnLine，51，20，442-447（2018）
[21] 詹保罗·托里西；语法，塞尔吉奥；安德烈亚·科尔蒂诺维斯（Andrea Cortinovis）；梅赫麦特·默坎什（Mehmet Merchangöz）；曼弗雷德·莫拉里；Smith，Roy S.，离心压缩机主动喘振控制的模型预测方法，IEEE控制系统技术汇刊，25,61947-1960（2017）
[22] Wabersich，Kim Peter；卢卡斯·休因；安德烈亚·卡伦（Andrea Carron）；Zeilinger，Melanie N.，基于学习控制的概率模型预测安全认证，IEEE自动控制汇刊（2021）·Zbl 07480764号
[23] 秀、东宾；Karniadakis，George Em，随机微分方程的Wiener-Askey多项式混沌，SIAM科学计算杂志，24，2，619-644（2002）·Zbl 1014.65004号
[24] 严书豪；马克·坎农（Mark Cannon）；Paul Goulart，《间歇观测的随机输出反馈MPC》（2020年），arXiv预印本arXiv:2009.11071·Zbl 1491.93038号
[25] 张昆武；Shi，Yang，一类带参数不确定性约束线性系统的自适应模型预测控制，Automatica，117，第108974页，（2020）·Zbl 1441.93079号
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。