摘要
本发明提供了一种基于循环凸差神经网络的模型预测控制方法及装置,涉及模型预测控制技术领域,方法包括:建立循环凸差神经网络的网络架构数学模型;基于网络架构数学模型,对移动机器人的系统状态进行建模,得到系统状态预测模型;基于控制障碍函数的模型预测控制算法,设置系统状态预测模型的优化函数;获取包含多条轨迹数据的数据集,其中,轨迹数据包括移动机器人的多个历史系统状态向量和多个历史控制输入向量;根据优化函数,计算损失函数,并以数据集作为训练数据,对系统状态预测模型进行训练;获取实时样本数据;将实时样本数据输入至训练后的系统状态预测模型,输出预测系统状态向量;根据预测系统状态向量,对系统状态进行预测控制。
技术关键词
系统状态预测
模型预测控制方法
模型预测控制装置
移动机器人
预测系统
模型预测控制算法
网络架构
数学模型
数据
轨迹
矩阵
拉格朗日对偶
模型预测控制技术
终端
实时系统
样本
控制策略
模块
优化器
系统为您推荐了相关专利信息
傅里叶红外光谱
纳米塑料
扫描电镜
靶向代谢组学
偏最小二乘法
负荷预测方法
编码器算法
电热
负荷预测模型
相关性分析方法
移动机器人
故障分析模型
大语言模型
故障定位模型
数据