权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Novel Approaches to Nonlinear Optimizing Control under Uncertainty

不确定性下非线性优化控制的新方法

基本信息

批准号：
192043881
负责人：
Professor Dr.-Ing. Sebastian Engell
金额：
--
依托单位：
Laboratoire dAutomatique
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2011
资助国家：
德国
起止时间：
2010-12-31 至 2015-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/192043881?language=en
关键词：
Novel Approaches Nonlinear Optimizing Control

项目摘要

Das Ziel dieses Projekts ist die Untersuchung von neuen Formulierungen der online Optimierung auf bewegten Horizonten in der modellbasierten nichtlinearen Regelung. Zwei komplementäre Ansätze werden verfolgt: Optimierung mit Modifikator-Anpassung und mehrstufige stochastische Programmierung. Beiden Ansätzen ist gemeinsam, dass keine Modellanpassung erfolgt. Bei der Modifikator-Anpassung werden die Kostenfunktion und die Nebenbedingungen des Optimierungsproblems in Abhängigkeit von den Messungen so korrigiert, dass die Lösung zum wahren Optimum für das reale System konvergiert. Wir schlagen ein zweischichtiges Verfahren vor, welches aus einer dynamischen Optimierung mit Modifikator- Anpassung auf einer langsamen Zeitskala im äußeren Kreis und modellbasierter Regelung (MPC) auf einer schnellen Zeitskala im inneren Kreis zum Kompensieren von Störungen und Einhalten der Nebenbedingungen besteht. Bei der mehrstufigen stochastischen Optimierung wird die Unsicherheit über die künftige Entwicklung des Systems durch eine Menge von Szenarios repräsentiert. Die Freiheitsgrade werden in zwei Mengen unterteilt: die sog. Erststufen- Variablen (die nächsten Stellgrößen) werden im Hinblick auf den Erwartungswert der Kostenfunktion über die Szenarios für die zukünftige Entwicklung optimiert. Für jedes Szenario sind weitere Freiheitsgrade verfügbar (die zukünftigen Stellgrößen), die an die beobachtete Entwicklung innerhalb der Szenarios angepasst werden können (die sog. Kompensationsvariablen). Die optimalen Werte der Erststufenvariablen werden für den Fall bestimmt, dass die Kompensationsvariablen die jeweils optimalen Werte annehmen. Mit beiden Ansätzen können modellbasierte optimierende Regelungsaufgaben unter Unsicherheit weniger konservativ formuliert werden als bei der worst-case Optimierung, bei der die größtmögliche Abweichung zwischen Modell und realem Verhalten angenommen wird..

Das Ziel diesesprojectist . Untersuchung von neuen formululierungen . online . Optimierung . weweizononhorizonten . in the modelmodelbaseinterlinelineregelung。Zwei komplementäre Ansätze werden verfolt：优化的修正器- anpassung和随机化程序。北京Ansätzen ist gemeinsam， dass keine modelellanpassung erfolt。在求解求解优化问题的过程中（Abhängigkeit），在求解优化问题的过程中（Lösung），在求解优化问题的过程中（Lösung）。用schlagen ein zweischichtiges Verfahren vor， welches as einer dynamichen Optimierung - mit modimodiator - Anpassung aufiner langsamen Zeitskala in äußeren Kreis和模型basierter regung (MPC) aufiner schnellen Zeitskala in inneren Kreis zum Kompensieren von Störungen和Einhalten der Nebenbedingungen bestest。<s:1>系统动力学分析与系统动力学分析与系统动力学分析与系统动力学分析与系统动力学分析repräsentiert。Die Freiheitsgrade werden in zwei Mengen unterteilt: Die sog。Erststufen- Variablen (die nächsten Stellgrößen) werden im Hinblick auf den Erwartungswert der Kostenfunktion <e:1>她die Szenarios fr die zuk<e:1> nftige Entwicklung optimiert。1 . die zuk<s:1> nftigen Stellgrößen， die and die beobachtete Entwicklung innerhalb der Szenarios angep助理werden können （die sog.）Kompensationsvariablen)。模具优化：模具质量优化：模具质量优化；模具质量优化：模具质量优化；模具质量优化；Mit behen Ansätzen können模型basierte optimierende Regelungsaufgaben Unsicherheit weniger保守公式werden也beder最坏情况下的优化，beder die größtmögliche Abweichung zwischen模型和现实verhaltenangenommen风。