[发明专利]用于提供对复杂动力系统的优化控制的方法和系统

摘要

公开了用于提供对复杂动力系统的优化控制的方法和系统。方法包括：提供（S1）仿真模型（f）以基于当前场景参数矢量（p）和控制矢量（u）预测动力系统（sys）的系统状态矢量（x）；在每次使用仿真模型（f）对动力系统（sys）仿真期间，使用（S2）模型预测控制MPC算法来提供控制矢量（u）；通过MPC算法针对场景参数矢量（p）和初始系统状态矢量（x0）的每个仿真组合计算（S3）所得到的优化控制值（u*（p,x0））；使用机器学习算法针对优化控制值（u*（p,x0））生成（S4）对场景参数矢量（p）和初始系统状态矢量（x0）之间的关系进行近似的机器学习的控制启发（ua（p,x0））；和使用控制启发来控制（S5）由仿真模型（f）建模的动力系统（sys）。

主权项

1.一种用于使用机器学习的基于场景的控制启发来执行对复杂动力系统（sys）的优化控制的方法，所述方法包括步骤：a）提供（S1）仿真模型（f），仿真模型（f）用于基于当前场景参数矢量（p）和控制矢量（u）及时预测所述动力系统（sys）的系统状态矢量（x）；b）在每次在针对不同的场景参数矢量（p0, p1, p2, ..）和初始系统状态矢量（x00, x01, x02, ..）使用仿真模型（f）对动力系统（sys）进行仿真期间，使用（S2）模型预测控制MPC算法来提供控制矢量（u）；c)通过MPC算法针对场景参数矢量（p）和初始系统状态矢量（x0）的每个仿真组合来计算（S3）所得到的优化控制值（u*（p, x0））并且保存所得到的优化控制值；d)使用机器学习算法针对保存的所得到的优化控制值（u*（p, x0））来生成（S4）对对应的场景参数矢量（p）和初始系统状态矢量（x0）之间的关系进行近似的机器学习的控制启发（ua（p, x0））；以及e）使用生成的机器学习的控制启发来控制（S5）由所述仿真模型（f）建模的复杂动力系统（sys）。