arXiv eess.SY 系统与控制· Lukas L\"uken, Sergio Lucia·· 13 小时前精选AI 评分55
基于时间分解的可扩展学习型迭代求解器用于非线性 MPC
A Scalable Learned Iterative Solver for Nonlinear MPC via Temporal Decomposition
AI 导读
论文提出一种利用问题时间结构的 LISCO 求解器架构，使网络规模与预测时域无关，同时保持训练损失和求解迭代不变，并引入闭环重采样策略使训练分布与闭环运行对齐且不增加采样成本。在 CSTR 级联的经济 NMPC 基准上，该求解器可扩展到比单体式 LISCO 更大的问题，相对 IPOPT 的中位加速最高达四倍；闭环中控制性能与 IPOPT 相当，且未观察到约束违反。
推荐理由
论文给出网络规模与预测时域解耦的架构做法，做实时 NMPC 求解器选型时可参考其对比数据。
来源：arXiv eess.SY 系统与控制 · arxiv.org