Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
The Essentials of Model Predictive Control Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Efficient Convex Optimization for Linear MPC

verfasst von : Stephen J. Wright

Erschienen in: Handbook of Model Predictive Control

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

MPC formulations with linear dynamics and quadratic objectives can be solved efficiently by using a primal-dual interior-point framework, with complexity proportional to the length of the horizon. An alternative, which is more able to exploit the similarity of the problems that are solved at each decision point of linear MPC, is to use an active-set approach, in which the MPC problem is viewed as a convex quadratic program that is parametrized by the initial state \(x_{0}\). Another alternative is to identify explicitly polyhedral regions of the space occupied by \(x_{0}\) within which the set of active constraints remains constant, and to pre-calculate solution operators on each of these regions. All these approaches are discussed here.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Scalable MPC Design
Nächstes Kapitel Implicit Non-convex Model Predictive Control
Fußnoten
1
The LU factorization does not exploit the fact that the coefficient matrix is symmetric. The \(LDL^{T}\) factorization is commonly used for such matrices, but unfortunately the permutations required in this factorization tend to destroy the band structure, so it is not appropriate here.
 
Literatur
1.
Bemporad, A., Borrelli, F., Morari, M.: Model predictive control based on linear programming—the explicit solution. IEEE Trans. Autom. Control 47(12), 1974–1985 (2002)MathSciNetCrossRef
2.
Bemporad, A., Morari, M., Dua, V., Pistikopoulos, E.N.: The explicit linear quadratic regulator for constrained systems. Automatica 38, 3–20 (2002)MathSciNetCrossRef
3.
Ferreau, H.J.: An online active set strategy for fast solution of parametric quadratic programs with applications to predictive engine control. Ph.D. thesis, Ruprecht-Karls-Universit at Heidelberg Fakult at fur Mathematik und Informatik (2006)
4.
Ferreau, H.J., Bock, H.G., Diehl, M.: An online active set strategy to overcome the limitations of explicit MPC. Int. J. Robust Nonlinear Control 18(8), 816–830 (2008)MathSciNetCrossRef
5.
Ferreau, H.J., Kirches, C., Potschka, A., Bock, H.G., Diehl, M.: qpOASES: a parametric active-set algorithm for quadratic programming. Math. Program. Comput. 6(4), 327–363 (2014)
6.
7.
8.
Gertz, E.M., Wright, S.J.: Object-oriented software for quadratic programming. ACM Trans. Math. Softw. 29, 58–81 (2003)MathSciNetCrossRef
9.
Pannocchia, G., Rawlings, J.B., Wright, S.J.: Fast, large-scale model predictive control by partial enumeration. Automatica 43, 852–860 (2007)MathSciNetCrossRef
10.
Pannocchia, G., Wright, S.J., Rawlings, J.B.: Partial enumeration MPC: robust stability results and application to an unstable CSTR. J. Process Control 21, 1459–1466 (2011)CrossRef
11.
Rao, C.V., Wright, S.J., Rawlings, J.B.: Application of interior-point methods to model predictive control. J. Optim. Theory Appl. 99, 723–757 (1998)MathSciNetCrossRef
12.
Tondel, P., Johansen, T.A., Bemporad, A.: Evaluation of piecewise affine control via binary search tree. Automatica 39(5), 945–950 (2003)MathSciNetCrossRef
13.
Wright, S.J.: Applying new optimization algorithms to model predictive control. In: Kantor, J.C. (ed.) Chemical Process Control-V, AIChE Symposium Series, vol. 93, pp. 147–155. CACHE Publications, Austin (1997)
14.
Wright, S.J.: Primal-Dual Interior-Point Methods. SIAM Publications, Philadelphia (1997)CrossRef
Metadaten
Titel
Efficient Convex Optimization for Linear MPC
verfasst von
Stephen J. Wright
Copyright-Jahr
2019
Buch
Handbook of Model Predictive Control

Print ISBN: 978-3-319-77488-6

Electronic ISBN: 978-3-319-77489-3

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-319-77489-3_13

Neuer Inhalt

    Bildnachweise