一般控制存在的问题:传统的控制中仅考虑目标函数最小化,进而得到对应的最优控制。当应用最优控制时,真实系统的性能应与模型预测的理论性能相似。不幸的是,情况并非总是如此——最优控制提供了最佳的理论性能,但它也可能使系统极易受到随机噪声、干扰和不确定性的影响。这就意味着在考虑最优控制问题时必须要注意模型的鲁棒性。
简单来说就是在求解最优控制的时候,此时模型的参数我们称之为名义上的参数。但实际上模型名义上的参数有时是和拟合参数有误差的,当参数取值变化的时候,我们也应该保证最优控制仍然是最优的,也就是说,得到最优控制应该对模型的参数变化具有鲁棒性。
然而加入鲁棒性之后,最优控制的求解又十分复杂。那么该如何处理呢?
最近在拜读的一篇文献中证明了通过求解辅助系统初始值问题来计算系统灵敏度,然后利用这个结果将原始的最优控制问题转换为标准的梅耶最优控制问题,该问题可以使用现有的分析或数值技术轻松求解。因此,该方法避免了为加入鲁棒性的控制问题开发复杂的求解过程。