Data-driven Acceleration of MPC with Guarantees

작성자

Haebom

카테고리

Empty

저자

Agustin Castellano, Shijie Pan, Enrique Mallada

💡 개요

본 논문은 온라인 최적화의 계산 비용 때문에 실시간 제어가 어려운 모델 예측 제어(MPC)의 속도를 높이기 위한 데이터 기반 프레임워크를 제안합니다. 오프라인 MPC 해결책으로부터 구성된 비모수 정책을 통해 온라인 최적화를 대체하며, 이는 계산 속도를 수백에서 수천 배 향상시키면서도 합리적인 성능 저하만을 보입니다. 데이터의 충분한 커버리지 조건 하에서 이 정책은 재귀적으로 실행 가능하며, 증명 가능하고 유계된 최적성 격차를 가집니다.

🔑 시사점 및 한계

•

오프라인 데이터 솔루션을 활용하여 MPC의 온라인 최적화 부담을 제거함으로써 실시간 제어 적용 가능성을 크게 향상시켰습니다.

•

데이터 양과 성능 보장 간의 명확한 절충점을 제시하며, 새로운 솔루션 통합 및 지속적인 개선이 용이한 구조를 가집니다.

•

오프라인 데이터의 충분한 커버리지 조건이 이론적 보장을 위한 필수 전제 조건이며, 실제 적용 시 데이터 수집 전략이 성능에 중요한 영향을 미칠 수 있습니다.

PDF 보기

Made with Slashpage