Nonlinear model predictive control : a sampled data feedback perspective

Abstract

This work considers theoretical and implementational aspects of sampled-data open-loop nonlinear model predictive control (NMPC) of continuous time systems. Sampled-data open-loop NMPC refers to NMPC schemes, in which the optimal control problem is only solved at discrete recalculation instants, and where the resulting optimal input signal is applied open-loop in between. Various aspects and open questions in sampled-data open-loop NMPC are considered in this work. Specifically, methods for efficient implementations of NMPC are presented, and results with respect to theoretical questions such as nominal stability, compensation of computational and measurement delays, inherent robustness, and the output-feedback problem for sampled-data open-loop NMPC are derived. Most of the derived results are not limited to NMPC. They are rather applicable to a general class of sampled-data open-loop feedback control schemes.

Im Rahmen dieser Arbeit werden Antworten und Lösungen zu einigen offenen Fragen und Probleme im Bereich der nichtlinearen prädiktiven Regelung gegeben. Unter anderem werden effiziente Lösungsmethoden für das sich ergebende Optimalsteuerungsproblem aufgezeigt und Untersuchungen bezüglich der nominellen Stabilität, sowie der Berücksichtigung möglicher auftretender Verzögerungen, der Robustheit des geschlossenen Kreises, und des Ausgangsregelungsproblems durchgeführt. Die erzielten Ergebnisse beschränken sich nicht auf die nichtlineare prädiktive Regelung. Vielmehr sind die meisten Ergebnisse allgemein für Regelungsverfahren gültig, die auf abgetasteten Zustandsinformationen und der Anwendung von openloop Eingangssignalen beruhen.