基于Spatiotemporal Learning的随机模型预测控制方法及其在航空发动机控制中的应用

【类型】会议论文

【作者】陈燃 李渝哲 孙希明 柴天佑  

【会议名称】第33届中国过程控制会议论文集

【日期】[2022

【关键词】 随机模型预测控制 航空发动机控制 高斯过程 learning Spatiotemporal

【摘 要】为了处理模型不确定性的问题,大量的随机模型预测控制方法假设不确定性遵循给定的统计分布用于解决随机最优控制问题。然而,在实际场景中,取决于某些超参数的模型不确定性统计特性可能在跟随时间和空间上的变化。在航空发动机控制应用中,在不同的运行条件下可能会出现不同类型的不确定性,例如动态变化的飞行高度和马赫数。传统上,随机模型预测控制方法可能无法直接处理这些类型的不确定性。因此,在本文中,我们提出了一种基于Spatiotemporal Learning的随机模型预测控制算法,通过构建时空高斯过程来逼近基于测量数据的不确定性,来研究具有动态变化不确定性的随机最优控制问题。由于时空高斯过程可能难以用长处理时间序列评估,我们提出了高斯过程的状态空间表示,以采用计算有效的卡尔曼滤波和平滑方法。然后,我们通过参数化控制器并重新制定成本和机会约束来推导出计算上易于处理的控制策略,并明确分析相应的递归可行性和闭环稳定性。最后,将所提出的算法应用于航空发动机的压气机喘振控制,并与其他模型预测控制方法进行了比较,证明了我们方法的有效性。