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。