Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2403.06167

帮助 | 高级搜索

电气工程与系统科学 > 系统与控制

arXiv:2403.06167 (eess)
[提交于 2024年3月10日 ]

标题: 直接射击法用于数值最优控制:一种修改的转录方法

标题: Direct Shooting Method for Numerical Optimal Control: A Modified Transcription Approach

Authors:Jiawei Tang, Yuxing Zhong, Pengyu Wang, Xingzhou Chen, Shuang Wu, Ling Shi
摘要: 直接射击是一种高效求解数值最优控制的方法。 它利用龙格-库塔格式对连续时间最优控制问题进行离散化,使问题能够通过非线性规划求解器求解。 然而,当使用扩展状态处理{高阶}系统时,传统的直接射击方法会引发矛盾的动力学问题。 本文通过考虑{高阶}系统的直接射击方法来填补研究空白。 我们推导了修正欧拉法和龙格-库塔-4方法,以直接转录系统动力学约束。 此外,我们提供了所提出方法的全局误差上界。 一组基准最优控制问题表明,我们的方法比现有方法提供更精确的解决方案。
摘要: Direct shooting is an efficient method to solve numerical optimal control. It utilizes the Runge-Kutta scheme to discretize a continuous-time optimal control problem making the problem solvable by nonlinear programming solvers. However, conventional direct shooting raises a contradictory dynamics issue when using an augmented state to handle {high-order} systems. This paper fills the research gap by considering the direct shooting method for {high-order} systems. We derive the modified Euler and Runge-Kutta-4 methods to transcribe the system dynamics constraint directly. Additionally, we provide the global error upper bounds of our proposed methods. A set of benchmark optimal control problems shows that our methods provide more accurate solutions than existing approaches.
评论: 被ECC24接受
主题: 系统与控制 (eess.SY)
引用方式: arXiv:2403.06167 [eess.SY]
  (或者 arXiv:2403.06167v1 [eess.SY] 对于此版本)
  https://doi.org/10.48550/arXiv.2403.06167
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jiawei Tang [查看电子邮件]
[v1] 星期日, 2024 年 3 月 10 日 10:36:39 UTC (1,099 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-03
切换浏览方式为:
cs
cs.SY
eess.SY

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号