Model predictive control for max-plus-linear systems
Model predictive control for max-plus-linear systems
复制标题
最大加线性系统的模型预测控制
DOI：
10.1109/acc.2000.876982
复制
发表时间：
2000
期刊：
影响因子：
--
通讯作者：
T. Boom
中科院分区：
文献类型：
--
作者：
B. Schutter;T. Boom
模型预测控制（MPC）是过程工业中一种非常流行的控制器设计方法。MPC的一个重要优点是它允许包含对输入和输出的约束。MPC通常使用线性离散时间模型。本文将MPC推广到一类离散事件系统，即给出了一个最大线性系统的MPC框架。在一般情况下，由此产生的优化问题是非线性和非凸的。然而，如果控制目标和约束条件单调依赖于系统的输出，MPC问题可以转化为具有凸可行集的问题。此外，如果目标函数是凸的，这将导致凸优化问题，可以非常有效地解决。
Model predictive control (MPC) is a very popular controller design method in the process industry. An important advantage of MPC is that it allows the inclusion of constraints on the inputs and outputs. Usually MPC uses linear discrete-time models. In this paper we extend MPC to a class of discrete event systems, i.e. we present an MPC framework for max-plus-linear systems. In general the resulting optimization problem is nonlinear and nonconvex. However, if the control objective and the constraints depend monotonically on the outputs of the system, the MPC problem can be recast as problem with a convex feasible set. If in addition the objective function is convex, this leads to a convex optimization problem, which can be solved very efficiently.
影响因子：
6.4
作者：
CLARKE, DW;MOHTADI, C;TUFFS, PS
通讯作者：
TUFFS, PS