[論文レビュー] Data-Driven Robust Predictive Control with Interval Matrix Uncertainty Propagation
データ駆動のロバスト予測制御を未知だが境界付き外乱を持つ線形系に適用。区間行列不確かさと行列ゾノトープを用いて予測 Horizon に沿った不確実性を伝播・境界化し、再帰可能性と実用的安定性を保証する。
This paper presents a new data-driven robust predictive control law, for linear systems affected by unknown-but-bounded process disturbances. A sequence of input-state data is used to construct a suitable uncertainty representation based on interval matrices. Then, the effect of uncertainty along the prediction horizon is bounded through an operator leveraging matrix zonotopes. This yields a tube that is exploited within a variable-horizon optimal control problem, to guarantee robust satisfaction of state and input constraints. The resulting data-driven predictive control scheme is proven to be recursively feasible and practically stable. A numerical example shows that the proposed approach compares favorably to existing methods based on zonotopic tubes.
研究の動機と目的
- データのみを用いて未知だが境界付きの外乱を持つ線形系に対するロバスト制御を動機付ける。
- 入力-状態データからシステム不確かさのデータ駆動区間行列表現を開発する。
- 可変ホライズン予測制御フレームワークにおいて再帰的実現可能性と実用的安定性を保証する。
- 予測 Horizon に沿った不確実性伝播を効率的に捉えるチューブベースのアプローチを提供する。
提案手法
- データから未知の A と B の区間行列 bounds を二つのアプローチで構築する：データ駆動区間行列と集合同型推定。
- 行列ゾノトープベースの演算子を用いて予測 horizon にわたり不確実性を伝播させ、扱いやすい外部境界を得る。
- 集合ベースの制約を用いた可変ホライズンのロバスト予測制御問題を定式化し、状態・入力制約のロバスト満足を保証する。
- 厳密な不確実性集合を構造に計算可能なオーバー境界へ置換し、最適化変数に依存しない offline 計算可能な外部境界を用意する。
- 体裁を整えたチューブベースの MPC 問題を線形化して解く。ホライズン N_k という1つの整数決定変数で再帰的実現可能性を保証する。
実験結果
リサーチクエスチョン
- RQ1データ駆動設定で未知の A, B の不確実性を区間行列としてどのように表現・伝播できるか？
- RQ2ゾノトピック伝播演算子はロバスト予測制御のための過度に保守的でないチューブを提供できるか？
- RQ3可変ホライズンのロバスト MPC フレームワークは未知の外乱下で再帰的実現可能性と実用的安定性を保証できるか？
- RQ4データ駆動区間行列と集合同型表現は、外乱の規模に対して実現可能性と性能の面でどのように比較されるか？
主な発見
- 提案された DD-IMPC 法は、固定ホライズンのチューブ法よりも大きくデータに対して頑健な feasibile な領域を生み出す。
- 区間行列表現はデータ密度仮定を必要とせず再帰的実現可能性と実用的安定性を可能にする。
- このアプローチは境界付き外乱下でロバスト制約満足と不変集合への収束を達成し、定理1–2 による保証を提供する。
- オンライン問題は1つの整数ホライズン変数を持つ線形制約に還元され、他のデータ駆動法より計算が速く、硬直なチューブ法より保守的ではない。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。