基于高效神经网络优化策略的拖拉机非线性模型预测控制

《Applied Sciences》：Nonlinear Model Predictive Control for Tractors Based on an Efficient Neural Network Optimization Strategy

　　

摘要

非线性模型预测控制（NMPC）的应用和性能受到解决非线性组合优化问题计算效率的严重限制。为应对这一挑战，本研究提出了一种高效的优化策略，该方法利用神经网络在NMPC框架内解决受约束的L-1范数最小化问题，从而提高运动控制性能。受神经网络灵活的表示能力和强大的优化功能的启发，我们将NMPC目标函数明确编码到网络架构中。然后通过网络训练高效获得最优控制解。我们在拖拉机路径跟踪控制任务中验证了所提出的策略，并详细介绍了网络构建和优化的过程。得益于神经网络固有的并行性和计算效率，所设计的控制器展现了出色的实时性能。具体来说，当预测范围设置为5步、10步和20步时，在典型操作约束下，解决时间分别缩短到不到0.12秒、0.28秒和0.84秒。