基于鲁棒一步集的Tube不变集鲁棒模型预测控制

针对一类干扰有界的输入和状态受约束线性离散系统,提出了一种基于鲁棒一步集的Tube不 变集鲁棒模型预测控制方法.首先采用多面体不变集离线设计方法得到基于多面体不变集序列的扩 展终端约束集;然后为了扩大鲁棒模型预测控制的初始状态允许区域,并提高系统的鲁棒性,在扩展终端约束集的基础上,通过引入鲁棒一步集并借助Tube不变集控制策略,设计了基于鲁棒一步集的鲁棒模型预测控制方法,并给出了算法的存在性和稳定性证明. 该方法不仅极大地扩大了初始状态允许区域,而且对有界干扰具有有效的抑制作用,使得受扰系统收敛到以原点为中心的最小鲁棒正不变集内.最后仿真验证了算法的有效性.     

一类干扰有界约束非线性系统的鲁棒模型预测控制

针对一类干扰有界约束非线性系统设计了基于控制不变集切换策略的鲁棒模型预测控制算法.针对非线性系统线性化之后的结果,给出了平衡点的非线性标称系统控制不变集的计算方法.然后在考虑线性化误差和加性有界干扰影响的基础上,构造了平衡点附近最小鲁棒正不变集.结合不变集切换策略和Tube不变集控制方法,提出了干扰有界约束非线性系统的不变集切换策略.最后将该算法应用到一类典型的非线性化工过程连续搅拌反应釜(CSTR)中,仿真结果验证了算法的有效性.     

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.     

非线性约束系统H∞鲁棒预测控制

针对一类具有状态约束和控制约束的离散非线性系统，本文采用有限维参数化方法提出了一种基于闭环优化的H∞鲁棒预测控制算法．这种算法把预测控制的滚动优化机制同微分对策理论和非线性H∞控制理论做了有机结合；在闭环优化中通过有限维参数化方法把控制变量参数化为多项式控制变量，并且引入被控系统的过渡平衡点．这样算法不但可以处理不确定系统，而且降低了在线闭环优化的计算复杂度．进一步，证明了算法的可行性和对有界不确定性系统的鲁棒稳定性．最后，用数值仿真验证了算法的有效性．     

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.     

饱和约束系统的鲁棒模型预测控制

针对饱和约束系统提出了一种鲁棒模型预测控制算法,分别考虑了多面体不确定性和结构反馈不确定性.考虑无穷时域的最坏二次性能指标,通过采用带有饱和特性的反馈控制结构,将控制律的求解转化为一个在线的线性矩阵不等式优化问题.初始时刻优化问题的可行性保证了闭环控制系统的鲁棒稳定性.最后的仿真结果说明了算法的优越性.     

约束非线性系统切换鲁棒预测控制

采用“分段蕴含”(PWE)方法, 用一组线性变参数模型(LPV)近似约束非线性系统, 降低模型近似的保守性. 对每个LPV模型引入参数Lyapunov函数, 得到稳定的控制律, 并施加于非线性系统. 当检测到LPV模型发生切换时, 根据可行域的离线设计方法确定适当的切换律, 使系统按照设定的规则切换, 保证切换后的初始状态可行. 在文章最后给出了基于切换策略的控制算法的可行性和稳定性. 与传统非线性预测控制相比, 基于切换策略的鲁棒预测 控制方法保守性更低, 计算量更小.     

基于观测器的鲁棒模型预测控制算法

对于含有未建模动态的输入受限离散时间线性系统,当系统状态不可测时,提出一种基于状态观测器的鲁棒模型预测控制算法。该算法采用双模型控制结构,将不变椭圆集同时应用于估计状态方程和误差方程,保证算法的稳定性和可行性,并同时给出系统稳定和可行的条件。     

采用鲁棒容许集对有约束的不确定系统作鲁棒模型预测控制

针对输入和状态受约束的干扰有界多胞不确定线性系统,提出了基于鲁棒容许集的扩大吸引域鲁棒模型预测控制(RMPC)方法.首先给出了多面体不变集的鲁棒容许集计算方法,并推导了鲁棒容许集存在的充分必要条件.其次,为了拓展Tube不变集鲁棒模型预测控制算法的适用范围,讨论了干扰有界多胞不确定线性系统的Tube不变集控制策略.之后为了扩大约束系统吸引域,提出了干扰有界多胞不确定系统的鲁棒容许集模型预测控制策略.通过采用鲁棒容许集和Tube不变集RMPC,该方法不仅扩大了吸引域,而且降低了在线计算量;同时,采用基于最小鲁棒正不变集的Tube不变集策略保证了算法的鲁棒性.最后仿真结果验证了算法的有效性.     

Robust model predictive control for constrained continuous-time nonlinear systems

In this paper, a robust model predictive control (MPC) is designed for a class of constrained continuous-time nonlinear systems with bounded additive disturbances. The robust MPC consists of a nonlinear feedback control and a continuous-time model-based dual-mode MPC. The nonlinear feedback control guarantees the actual trajectory being contained in a tube centred at the nominal trajectory. The dual-mode MPC is designed to ensure asymptotic convergence of the nominal trajectory to zero. This paper extends current results on discrete-time model-based tube MPC and linear system model-based tube MPC to continuous-time nonlinear model-based tube MPC. The feasibility and robustness of the proposed robust MPC have been demonstrated by theoretical analysis and applications to a cart-damper springer system and a one-link robot manipulator.     

多胞约束LPV系统多面体不变集RMPC算法

针对一类输入和输出受约束且具有多胞结构的离散LPV 系统, 提出一种基于多面体不变集的鲁棒模型预测控制(RMPC) 算法. 选取一系列收敛于原点的离散状态点, 计算每个状态的反馈控制率, 构建相应的多面体不变集. 在每一个采样时刻, 确定包含当前状态的最小多面体不变集, 通过计算与相邻两个多面体不变集的位置关系, 执行连续的状态反馈控制率. 仿真结果表明, 相比椭圆不变集离线RMPC算法, 所提出算法扩大了系统的稳定区域, 取得了保守性较小的结果.

     

一类离散不确定系统的Tube不变集离线鲁棒模型预测控制

针对一类输入和状态受限的离散线性不确定系统,提出了一种基于Tube不变集的离线鲁棒模型预测控制方法.首先针对输入和状态约束线性时不变标准系统,设计了改进的基于多面体不变集的离线模型预测控制算法,并证明了稳定性.其次对于存在未知有界干扰的实际不确定系统,引入了Tube不变集策略,通过设计对应标准模型的最优控制序列和状态轨迹,给出了实际不确定系统的离线Tube不变集控制策略,保证系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

An iterative model predictive control algorithm for constrained nonlinear systems

An iterative model predictive control (MPC) scheme for constrained nonlinear systems is presented. The idea of the method is to detour from the solution of a non‐convex optimization problem using a time‐variant linearization of the nonlinear system model that is adjusted iteratively by solving an iterative quadratic programming optimization problem at each sampling time. The main advantage is the faster resolution of the optimization problem by using quadratic programming instead of non‐convex programming and yet, properly describing the nonlinear dynamics of the process being controlled. In this article, a general framework of the method is presented together with a discussion on the conditions under which the iterations converge and on the uncertainty of its results due to the linearization used, as well as some practical considerations about its implementation. The performance of the proposed controller is illustrated via two examples.     

On the application of a hybrid ellipsoidal-rectangular interval arithmetic algorithm to interval Kalman filtering for state estimation of uncertain systems

Modelling uncertainty is a key limitation to the applicability of the classical Kalman filter for state estimation of dynamic systems. For such systems with bounded modelling uncertainty, the interval Kalman filter (IKF) is a direct extension of the former to interval systems. However, its usage is not yet widespread owing to the over-conservatism of interval arithmetic bounds. In this paper, the IKF equations are adapted to use an ellipsoidal arithmetic that, in some cases, provides tighter bounds than direct, rectangular interval arithmetic. In order for the IKF to be useful, it must be able to provide reasonable enclosures under all circumstances. To this end, a hybrid ellipsoidal-rectangular enclosure algorithm is proposed, and its robustness is evidenced by its application to two characteristically different systems for which it provides stable estimate bounds, whereas the rectangular and ellipsoidal approaches fail to accomplish this in either one or the other case.     

An interval arithmetic method for the solution of nonlinear systems of equations on a vector computer

We describe a vectorized algorithm for an interval arithmetic Newton-like method for a class of systems of nonlinear equations arising from discretizations of nonlinear elliptic PDE. This method converges to a solution under relatively weak conditions. It is founded on a combination of a Newton-like interval method and interval arithmetic ‘fast’ direct solver. In the present paper we focus our attention on aspects of the vectorization, in particular that of a simulation of an interval arithmetic and that of the direct solver.     

约束非线性系统理想点多目标安全预测控制

考虑具有状态和控制约束的仿射非线性系统多目标安全控制问题,本文提出一种保证安全和稳定的多目标安全模型预测控制(MOSMPC)策略.首先通过理想点逼近方法解决多个控制目标的冲突问题.其次,利用控制李雅普诺夫障碍函数(CLBF)参数化局部控制律,并确定系统不安全域.在此基础上,构造非线性系统的参数化双模控制器,减少在线求解模型预测控制(MPC)优化问题的计算量.进一步,应用双模控制原理和CLBF约束,建立MOSMPC策略的递推可行性和闭环系统的渐近稳定性,并保证闭环系统状态避开不安全域.最后,以加热系统的多目标控制为例,验证了本文策略的有效性.     

基于神经网络的非线性系统多步预测控制

针对离散非线性系统,利用非线性激励函数的局部线性表示,提出一种可用于非线性过程的神经网络多步预测控制方法,并给出了控制律的收敛性分析．该方法将非线性系统处理成简单的线性和非线性两部分,对复杂的非线性多步预测方程给出了直观而有效的线性形式,并用线性预测控制方法求得控制律,避免了复杂的非线性优化求解．仿真结果表明了该算法的有效性．