Gradient Projection based Algorithm for Large Scale Real Time Model Predictive Control

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F11%3A00180806" target="_blank" >RIV/68407700:21230/11:00180806 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Gradient Projection based Algorithm for Large Scale Real Time Model Predictive Control

Popis výsledku v původním jazyce

In model predictive control (MPC), the quadratic program (QP) is solved at each sampling time, thus a fast and effective on-line solver must be used for short sampling times. The multi-parametric quadratic programming (mp-QP) (explicit solution) is impossible to use for larger systems due to the memory limitation. The objective of this paper is to present an effective on-line solver for large-scale simple constrained quadratic programming which arises in the MPC framework. The presented algorithm uses the combination of gradient and Newton projection method to obtain super-linear convergent algorithm which is very close to optimum in very few iterations when many constraints are active in optimum and it does not involve the exact computation of the Newton step at each iteration.

Název v anglickém jazyce

Gradient Projection based Algorithm for Large Scale Real Time Model Predictive Control

Popis výsledku anglicky

In model predictive control (MPC), the quadratic program (QP) is solved at each sampling time, thus a fast and effective on-line solver must be used for short sampling times. The multi-parametric quadratic programming (mp-QP) (explicit solution) is impossible to use for larger systems due to the memory limitation. The objective of this paper is to present an effective on-line solver for large-scale simple constrained quadratic programming which arises in the MPC framework. The presented algorithm uses the combination of gradient and Newton projection method to obtain super-linear convergent algorithm which is very close to optimum in very few iterations when many constraints are active in optimum and it does not involve the exact computation of the Newton step at each iteration.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2011

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 2011 Chinese Control and Decision Conference

ISBN

978-1-4244-8736-3

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

3906-3911

Název nakladatele

Northeastern University

Místo vydání

Shenyang

Místo konání akce

Mianyang

Datum konání akce

23. 5. 2011

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—