Resumen

El control predictivo de modelos (MPC) puede resolver eficazmente problemas de control con perturbaciones, variables de control múltiples y restricciones complejas, y se utiliza ampliamente en diversos sistemas de control. En el MPC, la entrada de control en cada paso de tiempo se obtiene resolviendo un problema de optimización en línea, lo que causará un retraso en tiempo real en ordenadores integrados con recursos computacionales limitados. En este trabajo, utilizamos el Método de los Multiplicadores en Sentido Alterno adaptativo (a-ADMM) para acelerar la solución del MPC. Este método ajusta de forma adaptativa el parámetro de penalización para equilibrar el valor del residuo primal y el residuo dual. El rendimiento de este enfoque se perfila mediante el control de un cuadricóptero con 12 estados y 4 controles y un horizonte de predicción que oscila entre 10 y 40. Los resultados de la simulación demuestran que el MPC basado en a-ADMM mejora significativamente el rendimiento en tiempo real y la convergencia, por lo que resulta más adecuado para resolver problemas de control óptimo a gran escala.

• Materias:Reacciones químicas Electroquímica Biología molecular Química analítica Química de los alimentos
• Subjects:Chemical reactions Electrochemistry Molecular biology Analytical chemistry Food chemistry
• Palabras claves:mpc, método adaptativo de dirección alterna, control predictivo de modelos, recursos computacionales limitados, problema de optimización en línea, problemas de control óptimo, diversos sistemas de control, admm, restricciones complejas, entrada de control
• Keywords:mpc, adaptive alternating direction method, model predictive control, limited computational resources, online optimization problem, optimal control problems, various control systems, admm, complex constraints, control input