Time-distributed optimization for real-time model predictive control: Stability, robustness, and constraint satisfaction
Time-distributed optimization for real-time model predictive control: Stability, robustness, and constraint satisfaction
复制标题
实时模型预测控制的时间分布式优化：稳定性、鲁棒性和约束满足
DOI：
10.1016/j.automatica.2020.108973
复制
发表时间：
2020
期刊：
影响因子：
6.4
通讯作者：
Kolmanovsky, Ilya
中科院分区：
文献类型：
--
作者：
Liao-McPherson, Dominic;Nicotra, Marco M.;Kolmanovsky, Ilya
时间分布优化是一种可以显著降低模型预测控制计算负担的实现策略。当使用这种策略时，优化迭代通过维护最优控制问题的运行解估计并在每个采样时刻更新它来随时间分布。所得到的控制器可以被看作是一个动态补偿器，它被放置在闭环与植物。本文提出了一个通用的系统理论分析框架的时间分布优化。耦合植物优化系统的分析，使用输入状态稳定性的概念和充分条件的稳定性和约束满足。特别是，我们证明，它是可能的恢复的定性稳定性，鲁棒性和约束满足性能的最优模型预测控制反馈法使用有限数量的优化算法迭代每个采样时刻。当应用于时间分布序列二次规划，该框架显着扩展了现有的理论分析的实时迭代计划。数值模拟结果表明了该方案的有效性。
Time-distributed optimization is an implementation strategy that can significantly reduce the computational burden of model predictive control. When using this strategy, optimization iterations are distributed over time by maintaining a running solution estimate for the optimal control problem and updating it at each sampling instant. The resulting controller can be viewed as a dynamic compensator which is placed in closed-loop with the plant. This paper presents a general systems theoretic analysis framework for time-distributed optimization. The coupled plant-optimizer system is analyzed using input-to-state stability concepts and sufficient conditions for stability and constraint satisfaction are derived. In particular, we demonstrate that it is possible to recover the qualitative stability, robustness, and constraint satisfaction properties of the optimal model predictive control feedback law using a finite number of optimization algorithm iterations per sampling instant. When applied to time-distributed sequential quadratic programming, the framework significantly extends the existing theoretical analysis for the real-time iteration scheme. Numerical simulations are presented that demonstrate the effectiveness of the scheme.
登录
查看更多内容
离散最优控制中的 Lipschitz 稳定性及其在 SQP 中的应用
DOI：
10.1137/18m1188483
发表时间：
2019
期刊：
SIAM J. Control. Optim.
影响因子：
--
作者：
A. Dontchev;I. Kolmanovsky;M. Krastanov;M. Nicotra;V. Veliov
通讯作者：
V. Veliov
嵌入式线性 MPC 的实时近端梯度法
影响因子：
3.3
作者：
Ruben Van Parys;M. Verbandt;J. Swevers;G. Pipeleers
通讯作者：
G. Pipeleers
DOI：
10.1137/120876915
发表时间：
2013-05
期刊：
SIAM J. Control. Optim.
影响因子：
--
作者：
A. Dontchev;M. Krastanov;R. Rockafellar;V. Veliov
通讯作者：
A. Dontchev;M. Krastanov;R. Rockafellar;V. Veliov
影响因子：
6.8
作者：
M. Nicotra;Dominic Liao-McPherson;I. Kolmanovsky
通讯作者：
M. Nicotra;Dominic Liao-McPherson;I. Kolmanovsky
大规模过程的实时优化：高纯度蒸馏塔的非线性模型预测控制
DOI：
10.1007/978-3-662-04331-8_20
发表时间：
2001
期刊：
SIAM J. Optim.
影响因子：
--
作者：
M. Diehl;I. Uslu;R. Findeisen;S. Schwarzkopf;F. Allgöwer;H. Bock;T. Bürner;E. Gilles;A. Kienle;J. Schlöder;E. Stein
通讯作者：
E. Stein