滚动时域优化(Receding Horizon Optimization, RHO),也被广泛称为模型预测控制(Model Predictive Control, MPC),是一种用于动态系统优化和控制的先进策略方法。其核心思想是“边走边看,不断调整”。
以下是它的工作原理和关键特点:
-
有限时域优化:
-
在每个当前时刻
k,控制器只考虑未来一个 有限的时间窗口(称为“预测时域”或“优化时域”,长度N)内的系统行为。 -
它基于:
-
当前系统的状态(通过测量或估计得到)。
-
系统的动态模型(描述状态如何随输入和干扰变化)。
-
预测的未来干扰(如果有,可能基于历史数据或假设)。
-
-
在这个有限的未来时域
[k, k+N-1]上,求解一个优化问题。
-
-
优化目标:
-
这个优化问题的目标是找到一个最优的控制输入序列
u(k), u(k+1), ..., u(k+N-1)。 -
优化的目标是最小化(或最大化)一个性能指标(目标函数),这个指标通常衡量:
-
系统输出/状态偏离期望轨迹的程度(跟踪性能)。
-
-
91





被折叠的 条评论
为什么被折叠?



