基于动态矩阵控制的双层结构预测控制的整体解决方案

本文给出一种双层结构预测控制的整体解决方案. 该方案分为开环预测、稳态目标计算和动态控制三个模块. 开环预测基于实测被控变量值和过去的操作变量值, 在假设未来操作变量不再变化的情况下, 估计未来的被控变量值. 稳态目标计算根据开环预测结果和外部目标等要求, 计算操作变量、被控变量的稳态目标值以及软约束的放松量. 动态控制根据开环预测结果和稳态目标输出结果, 计算未来的控制作用增量序列, 采用经典的动态矩阵控制策略. 这个整体解决方案保证了三个模块在模型、约束、目标上的一致性. 该算法是在已有文献的基础上, 将三个模块统一处理得到的. 仿真与应用例子证实了该算法的有效性.     

双层预测控制中保证动态控制可行的稳态目标计算策略

在双层结构模型预测控制(Model predictive control, MPC)中, 稳态目标计算(Steady-state targets calculation, SSTC)层(上层)为动态控制(Dynamic control, DC)层(下层)提供操作变量、被控变量设定值和变量约束. 但是,上层可行域和下层吸引域间存在的不一致性可能使得上层给出的设定值无法实现. 本文为下层事先选取若干组放松的软约束, 并对每一组软约束都离线计算出相应的吸引域, 其中最大的一个吸引域包含稳态目标计算的可行域. 在控制过程中, 根据当前状态所属吸引域在线地决定在DC层采用的软约束组. 采用上述方法后, 对所有处于最大吸引域的初始状态, 在跟踪稳态目标的过程中, 下层优化问题都是可行的. 仿真算例证明了该方法的有效性.     

基于多优先级稳态优化的双层结构预测控制算法及软件实现

研究包含稳态目标计算（Steady-state target calculation,SSTC）层和动态控制层的双层结构预测控制（Model predictive control,MPC）及其实现方法. 我们将已有的辨识、优化和控制方案适当地组合并软件化. 通过在多优先级稳态目标计算中引入新的变量,给出了稳态目标计算的统一表达方法,每个优先级的优化问题或是跟踪外部目标,或是放松软约束. 通过仿真算例和应用实例相结合的方式验证了软件功能.     

双层预测控制中基于操作变量增量的多优先级稳态目标计算

本文给出一种双层结构预测控制(MPC)中多优先级稳态目标计算(SSTC)的描述方法.在可行性阶段,被控变量(CV)和外部目标(ET)的软约束以及操作变量(MV)的硬约束被统一表述为关于MV增量的约束,将软约束(包括ET的期望上下界、CV的操作上下界、以及ET的跟踪)进行放松,保证放松以后MV增量约束集的相容性.在经济优化阶段,在MV增量约束集中寻找经济最优的MV增量值.该算法在已有文献的基础上,对ET/CV的等式/不等式约束统一处理.仿真算例证实了该算法的有效性.