Modellprädiktive Pfadintegralregelung: Von der Theorie zur parallelen Berechnung

In diesem Paper wird ein modellprädiktiver Pfadintegralregelungsalgorithmus entwickelt, der auf einem verallgemeinerten Wichtigkeitsauswahlverfahren basiert, und es wird eine parallele Optimierung durch Sampling unter Verwendung einer Grafikkarte durchgeführt. Das vorgeschlagene verallgemeinerte Wichtigkeitsauswahlverfahren ermöglicht Veränderungen in den Drift- und Diffusionstermen stochastischer Diffusionsprozesse und spielt eine wesentliche Rolle bei der Leistung des modellprädiktiven Regelungsalgorithmus. Der vorgeschlagene Algorithmus wird in Simulation mit einer modellprädiktiven Regelungsvariante der differentiellen dynamischen Programmierung an nichtlinearen Systemen verglichen. Schließlich wird der vorgeschlagene Algorithmus auf mehreren Fahrzeugen angewendet, um durch ein überfülltes Umfeld zu navigieren. Die aktuellen Simulationen veranschaulichen die Effizienz und Robustheit des vorgeschlagenen Ansatzes und zeigen die Vorteile der rechnerischen Rahmenbedingungen, die Konzepte aus der statistischen Physik, Regelungstheorie und Parallelisierung beinhalten, im Vergleich zu traditionelleren Ansätzen der optimalen Regelungstheorie.