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:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

1. Introduction

verfasst von : Lars Grüne, Jürgen Pannek

Erschienen in: Nonlinear Model Predictive Control

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

In this introduction, we present the basics of NMPC in an informal way. In particular, we introduce the central idea of iterative optimal control on a moving finite horizon. We provide a brief history of NMPC and MPC, explain the organization of the material in this book, and mention some topics which are not covered.

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
Nächstes Kapitel Discrete Time and Sampled Data Systems
Fußnoten
1
The meaning of “admissible” will be defined in Sect. 3.​2.
 
2
Attentive readers may already have noticed that this description is mathematically idealized since we neglected the computation time needed to solve the optimization problem. In practice, when the measurement x(n) is provided to the optimizer the feedback value \(\mu (x(n))\) will only be available after some delay. For simplicity of exposition, throughout our theoretical investigations we will assume that this delay is negligible. We will come back to this problem in Sect. 10.​6.
 
Literatur
1.
Alamir, M., Bornard, G.: Stability of a truncated infinite constrained receding horizon scheme: the general discrete nonlinear case. Automatica 31(9), 1353–1356 (1995)MathSciNetCrossRefMATH
2.
Bellman, R.: Dynamic Programming. Princeton University Press, Princeton (1957). Reprinted in 2010MATH
3.
Bitmead, R.R., Gevers, M., Wertz, V.: Adaptive Optimal Control: The Thinking Man’s GPC. International Series in Systems and Control Engineering. Prentice-Hall, New York (1990)MATH
4.
5.
Chen, H., Allgöwer, F.: Nonlinear model predictive control schemes with guaranteed stability. In: Berber, R., Kravaris, C. (eds.) Nonlinear Model Based Process Control, pp. 465–494. Kluwer Academic, Dodrecht (1999)
6.
Cutler, C.R., Ramaker, B.L.: Dynamic matrix control – a computer control algorithm. In: Proceedings of the Joint Automatic Control Conference, pp. 13–15 (1980)
7.
De Nicolao, G., Magni, L., Scattolini, R.: Stabilizing nonlinear receding horizon control via a nonquadratic terminal state penalty. In: CESA’96 IMACS Multiconference: Computational Engineering in Systems Applications, Lille, France, pp. 185–187 (1996)
8.
De Nicolao, G., Magni, L., Scattolini, R.: Stabilizing receding-horizon control of nonlinear time-varying systems. IEEE Trans. Automat. Control 43(7), 1030–1036 (1998)MathSciNetCrossRefMATH
9.
Del Re, L., Allgöwer, F., Glielmo, L., Guardiola, C., Kolmanovsky, I. (eds.): Automotive Model Predictive Control – Models, Methods and Applications. Lecture Notes in Control and Information Sciences. Springer, Berlin (2010)MATH
10.
Fontes, F.A.C.C.: A general framework to design stabilizing nonlinear model predictive controllers. Syst. Control Lett. 42(2), 127–143 (2001)MathSciNetCrossRefMATH
11.
García, C.E., Prett, D.M., Morari, M.: Model predictive control: Theory and practice - a survey. Automatica 25(3), 335–348 (1989)CrossRefMATH
12.
Grimm, G., Messina, M.J., Tuna, S.E., Teel, A.R.: Model predictive control: for want of a local control Lyapunov function, all is not lost. IEEE Trans. Automat. Control 50(5), 546–558 (2005)MathSciNetCrossRef
13.
Jadbabaie, A., Hauser, J.: On the stability of receding horizon control with a general terminal cost. IEEE Trans. Automat. Control 50(5), 674–678 (2005)MathSciNetCrossRef
14.
Keerthi, S.S., Gilbert, E.G.: Optimal infinite-horizon feedback laws for a general class of constrained discrete-time systems: stability and moving-horizon approximations. J. Optim. Theory Appl. 57(2), 265–293 (1988)MathSciNetCrossRefMATH
15.
Lee, E.B., Markus, L.: Foundations of Optimal Control Theory. Wiley, New York (1967)MATH
16.
Maciejowski, J.M.: Predictive Control with Constraints. Prentice Hall, New York (2002)MATH
17.
Magni, L., Sepulchre, R.: Stability margins of nonlinear receding-horizon control via inverse optimality. Syst. Control Lett. 32(4), 241–245 (1997)MathSciNetCrossRefMATH
18.
Mayne, D.Q., Michalska, H.: Receding horizon control of nonlinear systems. IEEE Trans. Automat. Control 35(7), 814–824 (1990)MathSciNetCrossRefMATH
19.
Mayne, D.Q., Rawlings, J.B., Rao, C.V., Scokaert, P.O.M.: Constrained model predictive control: stability and optimality. Automatica 36(6), 789–814 (2000)MathSciNetCrossRefMATH
20.
Parisini, T., Zoppoli, R.: A receding-horizon regulator for nonlinear systems and a neural approximation. Automatica 31(10), 1443–1451 (1995)MathSciNetCrossRefMATH
21.
Pontryagin, L.S., Boltyanskii, V.G., Gamkrelidze, R.V., Mishchenko, E.F.: The Mathematical Theory of Optimal Processes. Translated by D. E. Brown. Pergamon/Macmillan, New York (1964)
22.
Propoĭ, A.I.: Application of linear programming methods for the synthesis of automatic sampled-data systems. Avtom. Telemeh. 24, 912–920 (1963)MathSciNet
23.
Qin, S.J., Badgwell, T.A.: A survey of industrial model predictive control technology. Control Eng. Pract. 11, 733–764 (2003)CrossRef
24.
Rawlings, J.B., Mayne, D.Q.: Model Predictive Control: Theory and Design. Nob Hill Publishing, Madison (2009)
25.
Richalet, J., Rault, A., Testud, J.L., Papon, J.: Model predictive heuristic control: applications to industrial processes. Automatica 14, 413–428 (1978)CrossRef
26.
Schittkowski, K.: Numerical Data Fitting in Dynamical Systems. Applied Optimization, vol. 77. Kluwer Academic, Dordrecht (2002)
Metadaten
Titel
Introduction
verfasst von
Lars Grüne
Jürgen Pannek
Copyright-Jahr
2017
Buch
Nonlinear Model Predictive Control

Print ISBN: 978-3-319-46023-9

Electronic ISBN: 978-3-319-46024-6

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-46024-6_1

Neuer Inhalt

    Bildnachweise