Forschung
Modellprädiktive Regelung

Modellprädiktive Regelung

Block diagram with model predictive cotnroller Block diagram with model predictive cotnroller Block diagram with model predictive cotnroller © 2019 IRT

Die modellprädiktive Regelung (MPC) ist ein sehr erfolgreicher, optimierungsbasierter Regelungsansatz. Sie besteht aus der Wiederholung der folgenden Prozedur: Zu jedem Abtastzeitpunkt ist ein Optimalsteuerungsproblem mit endlichem Horizont zu lösen, wobei der erste Teil der entsprechenden optimalen Lösung der Eingangstrajektorie bis zum nächsten Abtastzeitpunkt angewendeet wird. Die Hauptvorteile der prädiktiven Regelung und die Gründe für ihren weit verbreiteten Erfolg in vielen Anwendungsbereichen sind

  1. die garantierte Einhaltung harter Zustands- und Eingangsbedingungen,
  2. die direkte Optimierung eines Gütekriteriums im Reglerentwurf und
  3. die Anwendbarkeit auf allgemeine nichtlineare Systeme mit mehreren Ein- und Ausgängen.

Unsere Forschung widmet sich verschiedenen aktuellen Aspekten der prädiktiven Regelung. Dazu gehören die Entwicklung von robusten, stochastischen und adaptiven MPC-Methoden für unsichere Systeme, die Berücksichtigung allgemeinerer Regelungsziele als die reine Sollwert-/ Trajektverfolgung (ökonomische MPC-Verfahgen), die Untersuchung verteilter MPC-Ansätze für große Systeme sowie daten- und lernbasierte MPC-Methoden. 

AUSGEWÄHLTE PUBLIKATIONEN

  • J. Köhler, M. A. Müller and F. Allgöwer: Nonlinear reference tracking: An economic model predictive controlperspective.IEEE Transactions on Automatic Control, vol. 64, no. 1, pp. 254-269, 2019.
  • P. Köhler, M. A. Müller and F. Allgöwer:A distributed economic MPC framework for cooperative control under conflicting objectives.Automatica, vol. 96, pp. 368-379, 2018.
  • T. Faulwasser, L. Grüne and M. A. Müller: Economic Nonlinear Model Predictive Control.Foundations and Trends in Systems and Control, vol. 5, no. 1, pp. 1-98, 2018.
  • B. Houska and M. A. Müller: Cost-to-travel functions: a new perspective on optimal and model predictive control. Systems & Control Letters, vol. 106, pp.79-86, 2017.
  • M. A. Müller and K. Worthmann: Quadratic costs do not always work in MPC.Automatica, vol. 82, pp. 269-277, 2017.
  • M. A. Müller and F. Allgöwer: Economic and distributed model prediJ. Köhler, M. A. Müller and F. Allgöwerctive control: recent developments in optimization-based control.SICE Journal of Control, Measurement, and System Integration, vol. 10, no. 2, pp.39-52, March 2017
  • F. A. Bayer, M. Lorenzen, M. A. Müller and F. Allgöwer: Robust Economic Model Predictive Control using Stochastic Information.Automatica, vol. 74, pp. 151-161, 2016.
  • M. A. Müller and L. Grüne: Economic model predictive control without terminal constraints for optimal periodic behavior. Automatica, vol. 70, pp. 128-139, 2016.
  • M. A. Müller, D. Angeli, and F. Allgöwer: On necessity and robustness of dissipativity in economic model predictive control.IEEE Transactions on Automatic Control, vol. 60, no. 6, pp. 1671-1676, 2015.