一种基于性能导向最优实验设计的对偶模型预测控制方法技术

本发明专利技术公开了一种基于性能导向最优实验设计的对偶模型预测控制方法，包括以下步骤：首先，考虑一类常见的离散非线性系统，假设该模型结构已知但参数未知，需要对其进行参数的辨识。本发明专利技术在最优实验设计中考虑最终的指标优化信息，得到不同参数对控制性能的影响能力，减少了非必要参数的辨识，降低了实验设计的成本；提出了一种性能导向的对偶模型预测控制方法，直接量化了模型参数变化对于系统控制性能的影响，与传统的基于模型准确度考量的方法相比，可以显著保证系统的控制性能。可以显著保证系统的控制性能。可以显著保证系统的控制性能。

【技术实现步骤摘要】
一种基于性能导向最优实验设计的对偶模型预测控制方法


[0001]本专利技术涉及金融风控领域，特别涉及一种基于性能导向最优实验设计的对偶模型预测控制方法。

技术介绍

[0002]模型预测控制(Model Predictive Control，MPC)是一种重要的优化控制方法，在金融风险防控、商业管理以及流程工业等诸多领域有广泛的应用。例如基于人工智能方法的风险预测防控方法研究，MPC通过预测模型和滚动优化方法实现精准决策，对金融企业、资产管理方等风险处理能力的提高有着重要意义；针对产品库存的研究，MPC为企业中对闭环供应链的生产、库存控制提供了理论指导。这里我们着重考虑了新型模型预测控制算法的研究，并拓展其在金融风控等领域的应用。
[0003]获得并维护适当且准确的模型是保证MPC良好性能的基础，也是MPC在实际应用的主要挑战。MPC的应用中代价最昂贵的部分之一就是建模工作，一般采用基于原理或者数据驱动的方法进行建模，但由于对不同系统(例如风险防控模型、库存模型等)的知识不完备以及系统在运行过程动态变化(参数、结构变化等)或发生突变，系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于性能导向最优实验设计的对偶模型预测控制方法，其特征在于，包括以下步骤：首先，考虑一类常见的离散非线性系统，假设该模型结构已知但参数未知，需要对其进行参数的辨识，该模型形式如下：x
k+1
＝f(x
k
,u
k
,p)测量函数为η
k
＝h(x
k
)+ε
k
，其中为系统状态，为控制输入，p是需要辨识的模型参数，ε
k
是白噪声；系统控制中考虑如下的最优控制问题，其中：技术1：性能导向的最优实验设计方法S1.1，给定初始参数p0和初始状态x0，计算OCP问题得到最优控制量u
*
，最优成本函数J
*
，计算灵敏度(控制性能对参数的依赖程度)，即S1.2，利用极大似然参数估计法进行参数估计，得到费雪信息矩阵，其中为S
k
为参数灵敏度矩阵：利用费雪信息的逆V(p,u)＝F(p,u)
‑1作为协方差矩阵，用来衡量参数的不确定性；添加上一步中的灵敏度信息，求解OED问题minφ(δp
iT
V(p,u)δp
i
)，得到该优化问题的最优控制输入u；S1.3，将上一步中得到的控制输入作用于系统，并进行测量得到测量值η；基于这些量，包括u，η，初...

【专利技术属性】
技术研发人员：任瑞，徐小龙，邬晶，李少远，周松，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：