Koopman-based NMPC for Virtually Coupled Train Control System

📄 arXiv: 2606.11858v1 📥 PDF

作者: Yiwen Zhang, Lorenzo Calogero, Shukai Li, Alessandro Rizzo, Anton V. Proskurnikov

分类: eess.SY

发布日期: 2026-06-10

备注: to be presented at IFAC World Congress 2026

💡 一句话要点

提出基于Koopman的非线性模型预测控制以优化虚拟耦合列车控制系统

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 非线性控制 模型预测控制 Koopman理论 列车控制 实时计算 虚拟耦合 动态系统

📋 核心要点

  1. 现有的列车控制方法在处理复杂动态和实时计算时面临效率低下的问题，难以满足实际应用需求。
  2. 本文提出了一种基于Koopman理论的非线性模型预测控制方法，通过提升列车运动模型至Koopman空间来优化控制策略。
  3. 实验结果表明，K-NMPC在控制性能上与传统NMPC相当，但在线计算时间显著减少，适合实时应用。

📝 摘要（中文）

本文研究了一种基于Koopman的非线性模型预测控制（K-NMPC）方法，用于虚拟耦合列车系统的跟踪控制。通过封闭形式的可观测函数，将包含列车动态、速度和控制输入限制、乘客舒适度约束及碰撞避免的非线性列车运动模型系统性地提升至有限维Koopman空间。在沿着偏移预测轨迹冻结仿射参数变化的提升预测器后，在线最优控制问题被高效地求解为一个二次规划。与时间离散的NMPC方案进行基准测试，结果显示K-NMPC在控制性能上具有可比性，同时显著减少了在线计算时间，展现出在实际虚拟耦合列车控制系统中实时实施的强大潜力。

🔬 方法详解

问题定义：本文旨在解决虚拟耦合列车系统的跟踪控制问题，现有方法在处理复杂动态和实时计算时效率低下，无法满足实际需求。

核心思路：提出基于Koopman的非线性模型预测控制（K-NMPC），通过将非线性列车运动模型提升至有限维Koopman空间，利用可观测函数简化控制问题。

技术框架：整体架构包括三个主要模块：首先是非线性列车运动模型的构建，其次是通过可观测函数提升至Koopman空间，最后是在线求解二次规划以获得最优控制策略。

关键创新：本研究的核心创新在于将非线性控制问题转化为线性形式的Koopman空间，从而显著提高了计算效率，区别于传统的时间离散NMPC方法。

关键设计：在设计中，采用了封闭形式的可观测函数来提升模型，并在求解过程中冻结了仿射参数变化的提升预测器，以确保在线计算的高效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，K-NMPC在控制性能上与传统的时间离散NMPC方案相当，但在线计算时间减少了显著的比例，表明其在实时控制中的应用潜力。具体性能数据未提供，但提升幅度显著。

🎯 应用场景

该研究的潜在应用领域包括城市轨道交通、货运系统及其他需要高效列车控制的场景。通过优化控制策略，能够提高列车运行的安全性和舒适性，降低能耗，提升整体运输效率，具有重要的实际价值和未来影响。

📄 摘要（原文）

This paper investigates an analytical Koopman-based nonlinear model predictive control (K-NMPC) approach for tracking control of virtually coupled train systems. A nonlinear train movement model incorporating train dynamics, speed and control input limits, passenger comfort constraints, and collision avoidance is systematically lifted into a finite-dimensional Koopman space through closed-form observable functions. After freezing the affine parameter-varying lifted predictor along the shifted predicted trajectory, the online optimal control problem is solved as a quadratic program that can be solved efficiently. The proposed KNMPC is benchmarked against a time-discrete NMPC scheme, demonstrating comparable control performance with significantly reduced online computation time and strong potential for real-time implementation in practical virtually coupled train control systems.