A Terminal State Feasibility Governor for Real-Time Nonlinear Model Predictive Control Over Arbitrary Horizons
Notice bibliographique
Résumé
This article introduces a novel feasibility governor (FG), which enlarges the region of attraction (ROA) of a nonlinear model predictive control (NMPC) setpoint regulation law with an arbitrarily short prediction horizon. The efficient online FG is developed for nonlinear systems subject to pointwise-in-time state and input constraints and relies on a discrete-time solution of a trajectory-based explicit reference governor (ERG) with Lyapunov-based terminal energy constraint. It ensures the FG-NMPC scheme’s recursive feasibility to any target and asymptotic stability to constant targets by adaptively integrating the derivative of an auxiliary reference applied to the closed-loop NMPC. Compared to recently published FG schemes, this scheme scales better to higher-dimensional nonlinear systems with a priori unknown constraints, as it does not require expensive offline computations to construct the feasible set or the maximal output admissible set (MOAS) associated with the NMPC’s terminal control law. The scheme is implemented as a C++ algorithm and validated through simulations on a quadrotor that aggressively but safely flies through a priori unknown environments cluttered with obstacles. It is shown to satisfy all constraints for any piecewise-continuous reference, achieve asymptotic stability and zero-offset tracking to constant constraint-admissible targets, and require low computational effort. Supplementary video material can be found athttps://youtu.be/2LSYNwuYpzI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».