托拜厄斯·恩格尔;安德烈亚斯·沃尔兹;费利克斯·梅斯默;Sönke莱茵;克努特·格雷钦 使用基于梯度的增广拉格朗日方法（GRAMPC）的嵌入式非线性模型预测控制的软件框架。 （英文） Zbl 07123819号 最佳方案。工程师。 20，第3号，769-809（2019）. 摘要：提出了一种非线性MPC框架，该框架适用于采样时间在（亚）毫秒范围内的动态系统，并允许在嵌入式硬件上高效实现。该算法基于一个增广的拉格朗日公式，并针对内部最小化问题采用定制的梯度方法。该算法在软件框架GRAMPC中实现，是对早期版本的基本修订。给出了基准问题测试集的详细性能结果，并与其他非线性MPC包进行了比较。此外，GRAMPC在ECU级的运行结果和内存需求证明了其在嵌入式硬件上的适用性。 引用于6文件 MSC公司： 65Kxx美元 数学规划、优化和变分技术的数值方法 35公里xx 抛物方程和抛物系统 35Jxx型 椭圆方程和椭圆系统 65新元 偏微分方程边值问题的数值方法 6500万 偏微分方程、初值和含时初边值问题的数值方法 35K15型 二阶抛物方程的初值问题 65M60毫米 涉及偏微分方程初值和初边值问题的有限元、Rayleigh-Ritz和Galerkin方法 65千5 数值数学规划方法 65N30型 含偏微分方程边值问题的有限元、Rayleigh-Ritz和Galerkin方法 35J25型 二阶椭圆方程的边值问题 关键词：非线性模型预测控制;移动地平线估计;增广拉格朗日方法;梯度法;嵌入式优化;实时实现 软件：兰斯洛特;ACADO公司;qpOASES公司;罗德斯;快速_分钟;抓斗;VIATOC公司;杜夸德 PDF格式BibTeX公司 XML格式引用 \textit{T.Englert}等人，Optim。工程20，编号3，769--809（2019；Zbl 07123819） 全文： 内政部 arXiv公司 参考文献： [1] Allaire G（2007）数值分析与优化。牛津大学出版社·Zbl 1120.65001号 [2] Barzilai J，Borwein JM（1988）两点步长梯度法。SIAM J数字分析8（1）：141-148·Zbl 0638.65055号 ·doi:10.1093/imanum/8.1.141 [3] Bempoad A，Borrelli F，Morari M（2002a）基于线性规划的模型预测控制——显式解。IEEE Trans Autom Control 47（12）：1974-1985·Zbl 1364.93697号 ·doi:10.1109/TAC.2002.805688 [4] Bempoad A，Morari M，Dua V，Pistikopoulos E（2002b）约束系统的显式线性二次调节器。自动化38（1）：3-20·Zbl 0999.93018号 ·doi:10.1016/S0005-1098（01）00174-1 [5] Bergounioux M（1997）使用增广拉格朗日方法对障碍物问题进行最优控制。最优化理论应用杂志95（1）：101-126·Zbl 0892.49003号 ·doi:10.1023/A:1022635428708 [6] Berkovitz LD（1974）最优控制理论。纽约州施普林格·Zbl 0295.49001号 ·数字对象标识代码：10.1007/978-1-4757-6097-2 [7] Bertsekas DP（1996）约束优化和拉格朗日乘子法。贝尔蒙特学术出版社·Zbl 0572.90067号 [8] Boyd S，Vandenberghe L（2004）凸优化。剑桥大学出版社·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441 [9] Cao Y，Li S，Petzold L，Serban R（2003）微分代数方程的伴随灵敏度分析：伴随DAE系统及其数值解。SIAM科学计算杂志24（3）：1076-1089·Zbl 1034.65066号 ·doi:10.1137/S1064827501380630 [10] Chen H，Allgöwer F（1998）具有保证稳定性的准无限时域非线性模型预测控制方案。自动化34（10）：1205-1217·兹伯利0947.93013 ·doi:10.1016/S0005-1098（98）00073-9 [11] Conn AR，Gould G，Toint PL（1992）LANCELOT:大规模非线性优化的fortran包（a版）。柏林施普林格·Zbl 0761.90087号 ·doi:10.1007/978-3-662-12211-2 [12] de Aguiar M，Camponogara E，Foss B（2016）连续时间DAE系统最优控制的增广拉格朗日方法。摘自：布宜诺斯艾利斯IEEE控制应用会议（CCA）会议记录，第1185-1190页 [13] Diehl M，Findeisen R，Allgöwer F，Bock H，Schlöder J（2004）非线性模型预测控制实时迭代方案的标称稳定性。IEE程序152（3）：296-308 [14] Diehl M，Bock H，Schlöder J（2005）最优反馈控制中非线性优化的实时迭代方案。SIAM J控制优化43（5）：1714-1736·Zbl 1078.65060号 ·doi:10.1137/S0363012902400713 [15] Domahidi A，Zgraggen A，Zeilinger M，Morari M，Jones C（2012），滚动时域控制中出现的多级问题的有效内点方法。摘自：《IEEE决策与控制会议记录》，毛伊岛，第668-674页 [16] Dunn JC（1996）关于最优控制问题的充分条件和梯度投影法。SIAM J控制优化34（4）：1270-1290·Zbl 0851.49021号 ·doi:10.1137/S0363012994266127 [17] Englert T，Graichen K（2018）高性能应用中永磁同步电机的非线性模型预测转矩控制。控制工程实践81:43-54·doi:10.1016/j.connengprac.2018.08.023 [18] Ferreau H，Bock H，Diehl M（2008）克服显式MPC局限性的在线主动集策略。国际J鲁棒非线性控制18（8）：816-830·Zbl 1284.93100号 ·doi:10.1002/rnc.1251 [19] Ferreau H，Kirches C，Potschka A，Bock H，Diehl M（2014）qpOASES:二次规划的参数活动集算法。数学程序计算6（4）：327-363·Zbl 1302.90146号 ·doi:10.1007/s12532-014-0071-1 [20] Ferreau H、Almér S、Verschueren r、Diehl M、Frick D、Domahidi A、Herez J、Stathopoulos G、Jones C（2017）《工业自动控制嵌入式优化方法》。摘自：第20届国际会计师联合会世界大会会议记录，第13736-13751页 [21] Findeisen R、Graichen K、Mönnigmann M（2018）《控制中的嵌入式优化：简介、机遇和挑战》。Automatisierungstechnik 66（11）：877-902（德语）·doi:10.1515/auto-2018-0083 [22] Fortin M，Glowinski R（1983）增广拉格朗日方法：在边值问题求解中的应用。荷兰北部，阿姆斯特丹·Zbl 0525.65045号 [23] Giselsson P（2014）嵌入式模型预测控制的改进快速双梯度方法。摘自：第19届国际会计师联合会世界大会会议记录，开普敦，第2303-2309页 [24] Graichen K（2012）实时模型预测控制的定点迭代方案。Automatica 48（7）：1300-1305·Zbl 1246.93042号 ·doi:10.1016/j.automatica.2012.03.023 [25] Graichen K，Kugi A（2010）无终端约束的次优MPC的稳定性和增量改进。IEEE Trans Autom Control 55（11）：2576-2580·Zbl 1368.93538号 ·doi:10.1109/TAC.2010.2057912 [26] Graichen K，Egretzberger M，Kugi A（2010）非线性系统实时模型预测控制的次优方法。Automatisierungstechnik自动化技术58（8）：447-456·doi:10.1524/auto.2010.0860 [27] Grüne L（2013）《无终端约束的经济衰退期控制》。自动化49（3）：725-734·Zbl 1267.93052号 ·doi:10.1016/j.自动2012.12.003 [28] Grüne L，Palma V（2014）关于扰动下最优控制中再优化的益处。摘自：第21届网络与系统数学理论国际研讨会论文集，格罗宁根，第439-446页 [29] Hager W（1990）非线性最优控制的乘法器方法。SIAM J数字分析27（4）：1061-1080·Zbl 0717.49024号 ·doi:10.1137/0727063 [30] Hairer E，Wanner G（1996）《求解常微分方程：刚性和微分代数问题》。海德堡施普林格·兹比尔0859.65067 ·doi:10.1007/978-3-642-05221-7 [31] Harder K、Buchholz M、Niemeyer J、Remele J、Graichen K（2017）《现实世界重型柴油发动机的非线性MPC与排放控制》。摘自：IEEE高级智能机电一体化（AIM）国际会议论文集，慕尼黑，第1768-1773页 [32] Hartley E，Maciejowski J（2015），航天器椭圆轨道交会的基于现场可编程门阵列的预测控制系统。Optim Control应用方法36（5）：585-607·Zbl 1330.93086号 ·doi:10.1002/oca.2117 [33] Houska B，Ferreau H，Diehl M（2011）ACADO工具包，一个用于自动控制和动态优化的开源框架。Optim Control应用方法32（3）：298-312·兹比尔1218.49002 ·doi:10.1002/oca.939 [34] Ito K，Kunisch K（1990）希尔伯特空间中等式和不等式约束的增广拉格朗日方法。数学课程46:341-360·Zbl 0706.90096号 ·doi:10.1007/BF01585750 [35] Jones C、Domahidi A、Morari M、Richter S、Ullmann F、Zeilinger M（2012）《快速预测控制：实时计算和认证》。In:第四届IFAC非线性预测控制会议（NMPC）会议记录，列文霍斯特，第94-98页 [36] Kalmari J、Backman J、Visala A（2015）使用梯度投影和代码生成的非线性模型预测控制工具包。控制工程实践39:56-66·doi:10.1016/j.connengprac.2015.01.002 [37] Käpernick B（2016）基于梯度的非线性模型预测控制，用于快速动态系统的约束变换。亚琛沙克尔乌尔姆大学论文·Zbl 1343.93034号 [38] Käpernick B，Graichen K（2013）使用约束替换的桥式起重机模型预测控制。摘自：美国控制会议（ACC）会议记录，第3973-3978页 [39] Käpernick B，Graichen K（2014a）基于梯度的非线性模型预测控制软件GRAMPC。载：《欧洲控制会议记录》，斯特拉斯堡，第1170-1175页 [40] Käpernick B，Graichen K（2014b）非线性模型预测控制器的PLC实现。摘自：第19届国际会计师联合会世界大会会议记录，开普敦，第1892-1897页 [41] Käpernick B，SüßS，Schubert E，Graichen K（2014）基于FPGA的非线性模型预测控制器综合策略。收录于：《UKACC第十届国际控制会议记录》，拉夫堡，第662-667页 [42] Kirches C，Wirsching L，Bock H，Schlöder J（2012）《长期非线性模型预测控制的高效直接多重打靶》。J过程控制22（3）:540-550·doi:10.1016/j.jprocon.2012.01.008 [43] Kirk DE（1970）最优控制理论：导论。多佛出版公司，米诺拉 [44] Kouzoupis D，Ferreau H，Peyrl H，Diehl M（2015）嵌入式非线性模型预测控制中的一阶方法。摘自：《欧洲控制会议（ECC）会议记录》，林茨，第2617-2622页 [45] Kufoalor D、Richter S、Imsland L、Johansen T、Morari M、Eikrem G（2014），采用一阶-二阶方法对水下分离过程进行PLC嵌入式模型预测控制。摘自：第22届地中海控制与自动化会议记录，巴勒莫，第368-373页 [46] Limon D，Alamo T，Salas F，Camacho E（2006）关于无终端约束的约束MPC的稳定性。IEEE Trans Autom Control 51（5）：832-836·Zbl 1366.93483号 ·doi:10.1109/TAC.2006.875014 [47] Ling K，Wu B，Maciejowski J（2008）使用FPGA的嵌入式模型预测控制（MPC）。摘自：第17届国际会计师联合会世界大会会议记录，首尔，第15250-15255页 [48] Mayne D、Rawlings J、Rao C、Scokaert P（2000）《约束模型预测控制：稳定性和优化》。自动化36（6）:789-814·Zbl 0949.93003号 ·doi:10.1016/S0005-1098（99）00214-9 [49] Mesmer F，Szabo T，Graichen K（2018），双离合器变速器的嵌入式非线性模型预测控制，多组变速器处于收缩范围内。IEEE变速器控制系统技术。https://doi.org/10.109/TCST.2018.2856191 ·doi:10.1109/TCST.2018.2856191 [50] Necoara I（2015）双梯度法的计算复杂性认证：嵌入式MPC的应用。系统控制快报81:49-56·Zbl 1330.49033号 ·doi:10.1016/j.sysconle.2015.04.011 [51] Necoara I，Kvamme S（2015）DuQuad：使用双重（增广）一阶算法求解凸二次规划的工具箱。收录：IEEE决策与控制会议（CDC）会议记录，大阪，第2043-2048页 [52] Nedelcu V，Necoara I，Tran-Dinh Q（2014）不精确梯度增广拉格朗日方法的计算复杂性：约束MPC的应用。SIAM J控制优化52（5）：3109-3134·Zbl 1322.90066号 ·数字对象标识代码：10.1137/120897547 [53] 内斯特罗夫，Y。；Paradalos，P.（编辑）；Hearn，D.（编辑），《凸优化导论：基础课程》，第87期（2003），波士顿 [54] Nocedal J，Wright S（2006）数值优化。纽约州施普林格·Zbl 1104.65059号 [55] Ohtsuka T（2004）用于快速计算非线性滚动时域控制的连续/GMRES方法。Automatica 40（4）：563-574·Zbl 1168.93340号 ·doi:10.1016/j.automatica.2003.11.005 [56] Richter S（2012）实时模型预测控制梯度方法的计算复杂性认证。ETH Zürich博士论文 [57] Richter S，Jones C，Morari M（2012）基于快速梯度方法的具有输入约束的实时MPC的计算复杂性证明。IEEE Trans Autom Control 57（6）：1391-1403·Zbl 1369.93348号 ·doi:10.1109/TAC.2011.2176389 [58] Rockafellar R（1974）非凸规划中的增广拉格朗日乘子函数和对偶性。SIAM J控制12（2）：268-285·Zbl 0257.90046号 ·doi:10.1137/0312021 [59] Rothfuss R、Rudolph J、Zeitz M（1996）非线性化学反应器模型的基于平坦度的控制。自动化32（10）：1433-1439·Zbl 0865.93046号 ·doi:10.1016/0005-1098（96）00090-8 [60] Sastry S（2013）《非线性系统：分析、稳定性和控制》。纽约州施普林格 [61] Scokaert P、Mayne D、Rawlings J（1999）次优模型预测控制（可行性意味着最优）。IEEE Trans Autom Control 44（3）：648-654·Zbl 1056.93619号 ·数字对象标识代码：10.1109/9.751369 [62] Skaf J、Boyd S、Zeevi A（2010）《收缩视野动态规划》。国际鲁棒非线性控制杂志20（17）：1993-2002·Zbl 1202.93176号 ·doi:10.1002/rnc.1566 [63] Töndel P，Johansen TA（2002）显式线性模型预测控制中的复杂性降低。摘自：第15届国际会计师联合会世界大会会议记录，巴塞罗那，第189-194页 [64] Utz T，Graichen K，Kugi A（2010）准线性扩散-对流-反应系统的轨迹规划和滚动时域跟踪控制。摘自：第八届IFAC非线性控制系统研讨会论文集，博洛尼亚，第587-592页 [65] Wang Y，Boyd S（2010）使用在线优化的快速模型预测控制。IEEE变速器控制系统技术18（2）：267-278·doi:10.1109/TCST.2009.2017934 [66] Werling M，Reinisch P，Gresser K（2012），Kombinierte Brems-Ausweich-Assistenz mittels nichtlinear modellprädiktiver Trajektorienplanung für den aktiven Fußngerschutz。Tagungsband des 8号。Fahreassistenzsysteme车间，第68-77页 [67] Zienkiewicz OC，Morgan K（1983）《有限元和近似》。纽约威利·Zbl 0582.65068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。