Biblioteca122.739 documentos en línea

Artículo

Introducing Dynamic Programming and Persistently Exciting into Data-Driven Model Predictive ControlIntroducción de la programación dinámica y la persistencia en el control predictivo de modelos basado en datos

Resumen

En este trabajo, se propone un nuevo esquema de control predictivo de modelos basado en datos para ajustar las condiciones variables de acoplamiento entre las distintas partes del sistema; esto significa que cada grupo de subsistemas vinculados se agrupa como esquema basado en datos, y este grupo se controla de forma independiente mediante un esquema de control predictivo de modelos descentralizado. Despus de combinar el esquema coalicional y el control predictivo de modelos, se utiliza el control predictivo de modelos coalicional para disear cada controlador, respectivamente. Como la programacin dinmica slo se utiliza en la teora de la optimizacin, para ampliar su ventaja en la teora del control, la idea de la programacin dinmica se aplica para analizar el principio mnimo y la estabilidad para el control predictivo de modelos basado en datos. Adems, el objetivo de esta breve nota es unir la programacin dinmica con el control predictivo de modelos. Aadiendo la restriccin de desigualdad al control predictivo construido, se obtiene un control predictivo impulsado por datos persistentemente excitante. La restriccin de desigualdad corresponde a la condicin de excitacin persistente, proveniente de la teora de identificacin de sistemas. De acuerdo con la teora de optimizacin numrica, se aplica la condicin de optimalidad necesaria para adquirir la entrada de control ptima. Por ltimo, se utiliza un ejemplo de simulacin para demostrar la eficacia de nuestra teora propuesta.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento