多移动机器人避障编队控制

研究了非完整移动机器人群的避障编队问题. 在次优化控制基础上, 通过对每个交互机器人求解指标函数存在耦合的优化问题提出了两种算法. 在终端惩罚项中加入了势场函数并且构造出相应的终端约束集. 关于系统稳定性及安全性进行了讨论. 仿真实例说明了所提算法的可行性.     

在线优化线性反馈增益的非线性鲁棒预测控制方法

以鲁棒控制不变集作为预测控制的终端约束集,设计了一种新的鲁棒预测控制算法.将预测控制在不同采样点的待优化控制律考虑为线性反馈控制律,并通过在线优化求解线性反馈增益.从理论上证明了若采用所设计的鲁棒预测控制器,则系统是输入状态稳定的.最后通过计算机仿真验证了所提出设计方法的可行性.     

多速率分段线性系统预测控制的显式设计

针对输出采样周期是输入更新周期N倍的多速率分段线性(Piecewise linear, PWL)系统, 本文提出了保证稳定性的显式预测控制器设计方法. 首先, 基于动态规划原理将预测控制优化问题分解为多个单级优化问题; 然后, 根据分段线性系统各子模型以及目标函数的具体形式, 进一步将各单级优化问题分为若干个子问题, 再利用多参数二次规划(Multiparametric quadratic programming, MP-QP)方法求解;最后,通过比较各子问题的解从而得到系统的最优显式控制律. 在设计过程中, 将系统的最大正不变集作为优化问题的终端约束集, 从而保证了系统的稳定性. 仿真结果表明本文提出的显式预测控制方法能够有效降低多速率分段线性系统的在线计算时间, 在保证系统稳定性的同时, 满足其对输入更新速度的要求.     

输入变量关联约束对约束优化控制的影响特性分析

过程工业控制中除了存在常见的输入变量和输出变量幅值高低限约束, 由于工艺或者控制的需要也可能具有关于输入变量线性函数的关联约束. 不同约束条件之间的矛盾可能会造成约束条件无法全部满足, 失去了实施预测控制的基础. 从凸体顶点角度, 将具有输入关联约束的约束优化控制的可行性判定转化为凸多面集是否非空的问题. 为保证具有输入关联约束预测控制的有效实施, 本文将输入关联约束纳入到预测控制控制律的求解当中. 基于Newton控制框架, 考虑具有输入关联约束条件下, 得到基于区间控制思想的预测控制律的解析表达式, 从而分析输入关联约束条件对控制的影响. 通过典型系统模型的控制仿真实验, 验证以上方法的有效性.     

输入状态稳定的鲁棒预测控制

以有界干扰非线性系统为研究对象,设计一种基于近似可达集的鲁棒预测控制方法。该方法以鲁棒控制不变集作为终端约束集,采用一种简单的三次多项式逼近预测控制的待优化控制律,通过在线优化求解三次多项式的各项系数,并从理论上证明了所设计的鲁棒预测控制律可以使系统输入状态稳定。最后通过仿真实例验证了所提出的鲁棒预测控制方法的可行性和有效性。     

优先级多目标稳定化约束模型预测控制

针对目标函数的不同优先级问题, 提出一种约束多变量线性定常系统的稳定化多目标模型预测控制策略. 首先, 基于多目标优化理论给出多目标预测控制问题的字典序最优解结果, 并在此基础上考虑目标函数的优先级, 重 新将多目标预测控制问题定义为字典序多目标预测控制问题; 然后, 采用终端约束、终端罚函数和局部状态反馈律 等三要素, 证明多目标预测控制闭环系统是渐近稳定的; 最后, 通过一个仿真实例验证了所提出方法的有效性.

     

约束非线性系统的滑模预测控制方法

将预测控制和滑模控制结构起来,提出一种新的非线性模型预测控制方法,通过对系统状态预测得到切换函数预测值,求解约束开环优化求得预测控制律,并将当前时刻的控制作用于对象,下一时刻重复此过程,该方法具有预测控制在线处理约束及滑模控制滑动模态对干扰的不变性的优点,分析了零终端滑模约束模型预测控制的稳定性。     

约束非线性系统稳定经济模型预测控制

考虑约束非线性系统,提出一种新的具有稳定性保证的经济模型预测控制（Economic model predictive control,EMPC）策略.由于经济性能指标的非凸性和非正定性,引入关于经济最优平衡点的正定辅助函数.利用辅助函数的最优值函数定义原始EMPC优化问题的稳定性约束.应用终端约束集、终端代价函数和局部控制器三要素,建立闭环系统关于经济最优平衡点的渐近稳定性和渐近平均性能.进一步,结合多目标理想点概念,将提出的控制策略用于多个经济性能指标的优化控制,得到稳定多目标EMPC策略.最后,以连续搅拌反应器为例,比较仿真结果验证本文策略的有效性.     

基于动态规划的约束优化问题多参数规划求解方法及应用

结合动态规划和单步多参数二次规划, 提出一种新的约束优化控制问题多参数规划求解方法. 一方面能得到约束线性二次优化控制问题最优控制序列与状态之间的显式函数关系, 减少多参数规划问题求解的工作量; 另一方面能够同时求解得到状态反馈最优控制律. 应用本文提出的多参数二次规划求解方法, 建立无限时间约束优化问题状态反馈显式最优控制律. 针对电梯机械系统振动控制模型做了数值仿真计算.     

基于MLD模型的预测控制可行性与约束优先级研究

混合逻辑动态(MLD)框架为处理约束预测控制不可行和优先级问题提供了新的方法,但其优化算法求解计算量大,求解时间长.通过在目标函数中引入新的惩罚项改进优化算法,将混合整数二次规划(MIQP)问题转化为二次规划(QP)进行求解,减少了计算工作量,提高了求解效率.通过在Wood-Berry塔上的仿真分析,获得了良好的控制性能,分析结果表明了该方法的有效性.     

An efficient model predictive controller with pole placement

For model predictive control (MPC) of constrained systems, enlarging the feasible region is usually in conflict with improving the dynamic performance. To resolve the conflict, we proposed an efficient model predictive controller with pole placement for a class of discrete-time linear systems. By specifying a group of circular regions that contain the desired closed-loop poles, appropriate terminal weighting matrices and local controllers are calculated to construct a time-varying terminal convex set, which is a significant constraint for the online optimization problem. During the online optimization, the size of the terminal convex set can adjust itself according to the actual state at each sampling time. In this way, a large initial feasible region can be achieved while maintaining the good dynamic performance. An illustrative example is used to show the effectiveness of the proposed approach.     

An improved robust model predictive control for linear parameter‐varying input‐output models

This paper describes a new robust model predictive control (MPC) scheme to control the discrete‐time linear parameter‐varying input‐output models subject to input and output constraints. Closed‐loop asymptotic stability is guaranteed by including a quadratic terminal cost and an ellipsoidal terminal set, which are solved offline, for the underlying online MPC optimization problem. The main attractive feature of the proposed scheme in comparison with previously published results is that all offline computations are now based on the convex optimization problem, which significantly reduces conservatism and computational complexity. Moreover, the proposed scheme can handle a wider class of linear parameter‐varying input‐output models than those considered by previous schemes without increasing the complexity. For an illustration, the predictive control of a continuously stirred tank reactor is provided with the proposed method.     

多面体不确定线性系统具有约束满足保证的预测控制

基于不变集理论, 拓展了Chiscil等人提出的约束不变预测控制方法(ICPC), 提出了一种适用于带约束多面体不确定线性系统的预测控制的框架. 其关键在于为针对标称系统设计的在线优化问题附加适当的额外的鲁棒可行约束. 若优化问题在初始阶段可行, 则此约束可保证在线优化问题始终可行, 从而保证了实际系统中约束条件的始终满足. 同时提出了闭环系统鲁棒稳定的一个充分条件, 可为成本函数的选择提供指导以保证预测控制器的鲁棒镇定.     

Model predictive control of constrained LPV systems

This article considers robust model predictive control (MPC) schemes for linear parameter varying (LPV) systems in which the time-varying parameter is assumed to be measured online and exploited for feedback. A closed-loop MPC with a parameter-dependent control law is proposed first. The parameter-dependent control law reduces conservativeness of the existing results with a static control law at the cost of higher computational burden. Furthermore, an MPC scheme with prediction horizon ‘1’ is proposed to deal with the case of asymmetric constraints. Both approaches guarantee recursive feasibility and closed-loop stability if the considered optimisation problem is feasible at the initial time instant.     

性能维持的增广可行域Tube鲁棒经济模型预测控制

针对未知但有界扰动作用下的约束线性系统,提出一种性能维持的增广可行域Tube经济模型预测控制(tube economic model predictive control,TEMPC)策略.首先考虑经济性能优化目标和鲁棒稳定控制目标,构造TEMPC优化问题的隐式收缩约束,并对系统状态和控制约束进行紧缩Tube设计,给出增广可行域优化问题的数学描述;然后,引入线性分解增广名义终端状态和终端罚函数,扩大优化问题的初始可行域,在此基础上应用终端“三要素”和收缩原理,建立TEMPC策略的递推可行性和闭环系统关于最优经济平衡点有界稳定性的充分性条件,进而证明闭环性能在原初始可行域上的不变性;最后,通过对比仿真结果验证所提出策略的有效性和优越性.     

Nonlinear model predictive control for path following problems

This paper presents a general nonlinear model predictive control scheme for path following problems. Path following problem of nonlinear systems is transformed into a parameter‐dependent regulation problem. Sufficient conditions for recursive feasibility and asymptotic convergence of the given scheme are presented. Furthermore, a polytopic linear differential inclusion‐based method of choosing a suitable terminal penalty and the corresponding terminal constraint are proposed. To illustrate the implementation of the nonlinear model predictive control scheme, the path following problem of a car‐like mobile robot is discussed, and the control performance is confirmed by simulation results. Copyright © 2014 John Wiley & Sons, Ltd.     

Model predictive tracking control for a linear system under time‐varying input constraints

In this paper, we propose a tracking control law for a linear dynamical system under time‐varying input constraints. The proposed control law consists of a dual‐mode model predictive control (MPC) law and a target recalculation mechanism. As the terminal controller of the dual‐mode MPC, we propose a saturation‐level‐dependent gain‐scheduled feedback control law that ensures closed‐loop stability against arbitrary change of the position limit of the actuators. We also present conditions that guarantee feasibility and stability of the control algorithm under time‐varying input constraints. The control algorithm is reduced to an online optimization problem under linear matrix inequality constraints. Copyright © 2012 John Wiley & Sons, Ltd.     

基于可达集的鲁棒模型预测控制

设计了一种基于可达集的鲁棒模型预测控制算法.首先确定了一个鲁棒不变集,并将此不变集用作模型预测控制的终端约束集;接着采用终端约束集对可达集的包含度作为优化指标;最后,采用预测时域逐渐减小的控制策略以保证在线优化存在可行解.从理论上证明了吸引域内的任意点在有限时域内都会被引导至终端约束集并始终停留在此集之内,并由仿真算例验证了本文所设计鲁棒模型预测控制算法的可行性.