확률 제약 모델 예측 제어 ( chance - constrained MPC , CC-MPC )

MPC

• 1. MPC ( framework )
  • 매 시점 k에서 현재 상태인 x_k를 측정( or 관측 )
  • 예측 모델의 예시. (식1)

식 1

• 확률 제약의 도입 배경
  • 불확실성 w_k가 있을때, 모든 경우를 보장하려면 터무니 없이 보수적이다. 
    그래서 대신에 "허용 가능한 위험 수준"아래로 제약 위반 확률을 유지

 

 

확률 제약 모델 예측 제어

• CC-MPC는 시스템 불확실성( 모델링 오차 등)을 확률적으로 취급하고, 상태(state) or 제어입력(input)에 대한 제약을 "일정 수준(예: 95%) 이상 이상 만족하도록" 설계하는 MPC기법이다.
• 기존의 강건 MPC( robust MPC )가 최악인 경우( worst-case )까지 고려해 지나치게 보수적인 반면에, CC-MPC는 허용 가능한 위험(risk level)을 직접 설정함으로써 효율성과 성능 사이의 균형을 맞춘다.
• ==>시스템이 제한을 어길 수 있는 확률을 미리 정해서, 그 안에서만 움직이게 한다