具有安全性保证的基于增强主动学习的模型预测控制
任瑞1
邹媛媛2
李少远
1.上海交通大学自动化系,上海2002402.上海交通大学系统控制与信息处理教育部重点实验室,上海200240
摘要：本文提出了一种基于主动学习的增强模型预测控制方法.该方案克服了大多数基于学习的方法的缺点,即只能被动地利用可获得的系统数据并导致学习缓慢.首先应用高斯过程来评估残差模型的不确定性并构建多步预测模型.然后提出了一个两阶段主动学习策略,通过在优化问题中引入信息增益作为对偶目标来激励系统探测.最后,基于鲁棒不变集定义了安全控制输入集保证了状态约束满足与系统安全性.本文提出的方法在保证系统安全的情况下提高了学习能力和闭环控制性能,实验说明了本文方案的优越性.
关键词：模型预测控制主动学习高斯过程回归对偶控制信息增益
论文发表日期：2021-11-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1735-1742 )
英文信息