Bornes d'erreur stochastiques dans le contrôle prédictif non linéaire avec des processus gaussiens via des embeddings à paramètres variables

Cette étude a utilisé le cadre de régression des processus gaussiens (PG) pour établir des bornes d'erreur stochastiques entre l'évolution réelle et prévue de l'état des systèmes non linéaires. Ces systèmes sont intégrés dans la formulation linéaire à paramètres variables (LPV) et contrôlés à l'aide du contrôle prédictif par modèle (MPC). Notre principal objectif est de quantifier l'incertitude de l'erreur de prévision du cadre LPVMPC résultant de la discordance dans l'estimation du signal de programmation. Nous avons comparé notre approche stochastique avec une approche déterministe récente et avons observé des améliorations en termes de conservatisme et de robustesse. Pour valider notre analyse et notre méthode, nous avons résolu le problème de régulateur d'un disque déséquilibré.