基于多面体终端域的Hammerstein-Wiener非线性预测控制

许多实际系统都可以表示成一种中间为线性动态子系统、输入输出端为非线性静态子系统的Hammerstein-Wiener型非线性模型. 针对输入和输出受约束的Hammerstein-Wiener型非线性系统, 提出一种基于多面体终端域的预测控制综合算法. 离线设计时, 通过构造一系列多面体不变集, 扩大了终端域; 在多面体不变集内, 设计非线性控制律, 减少了常规线性控制律设计的保守性. 在线计算时, 通过求解有限个线性矩阵不等式(Linear matrix inequalities, LMIs)优化问题, 不仅可以满足实时性要求, 而且能够改善控制性能. 仿真结果表明了采用多面体不变集的优越性.     

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.     

1种多面体描述的非线性预测控制器综合

针对工业过程中的非线性计算量大,实时性低等问题,提出了1种计算非线性预测控制的新方法。该方法将神经网络与线性微分包含(LDI)相结合对非线性系统建模,从而将非线性系统转换成多面体描述的线性时变系统。对于多面体描述系统的各个顶点构成的多个线性模型,在线求得不同状态下的控制器。最后通过证明多面体描述的线性系统的稳定性来保证原非线性的稳定性。通过仿真看出此算法在处理复杂系统的控制问题具有良好的控制效果。     

一种改进的鲁棒约束预测控制器的综合设计方法

针对多包描述的不确定系统,提出一种新的鲁棒约束预测控制器.高线设计多包系统worst-case情况下性能最优的不变集,在线求解多包系统无穷时域性能指标的rain-max优化问题.设计方法采用了时变的终端约束集,扩大了初始可行域,并能获得较优的控制性能.仿真结果验证了该方法的有效性.     

基于多面体描述系统的鲁棒非线性预测控制

针对一类具有持续有界扰动的离散时间非线性系统, 提出一种基于多面体描述系统的鲁棒非线性模型预测控制策略. 首先利用泰勒级数构造多面体描述系统包裹原系统. 其次, 对该多面体描述系统构造鲁棒终端不变集和仿射输入型预测控制律. 进一步, 利用离散系统的输入状态实际稳定性(Input-to-state practical stability, ISpS)概念证明了闭环系统的鲁棒稳定性. 最后, 通过仿真验证了本结果的有效性.     

一种基于LMI的非线性模型预测控制终端域优化方法

对于具有约束的非线性系统, 提出了一种模型预测控制 (Model predictive control, MPC) 的终端域优化方法. 基于线性矩阵不等式(Linear matrix inequality, LMI) 优化和非线性系统的范数有界线性微分包含 (Linear differential inclusion, LDI), 给出了求解非线性 MPC 终端代价函数和局部稳定控制器的一种方法, 在此基础上可方便地得到非线性模型预测控制终端域. 一个具体的数值算例验证了算法的有效性.     

基于最小衰减率多面体不变集的鲁棒模型预测控制

针对一类具有输入输出约束的多胞体结构线性变参数系统,提出了一种基于最小衰减率多面体不变集的鲁棒模型预测控制算法,算法分为在线和离线两个部分.为增强系统控制效果,提高系统响应速度,离线算法首先采用寻求状态变量的最小衰减率的方法优化出一系列状态变量及相应的状态反馈控制律,然后构建出相应的多面体不变集序列;在线算法根据当前实测状态变量,在多面体不变集序列内确定状态变量所处的最小多面体不变集,通过在线优化得出系统的控制输入.给出了鲁棒模型预测控制算法的详细步骤和系统的闭环稳定性证明.仿真结果验证了本算法的有效性,表明本算法使系统的闭环响应更为快速和稳定.     

多面体不确定系统时滞依赖鲁棒预测控制

将线性状态变换引入连续时间多面体不确定时滞系统中,利用线性矩阵不等式(LMI)方法,设计时滞相关型鲁棒预测控制器;通过适当选择Lyapunov函数,推导出闭环系统渐近稳定的充分条件,并且该条件是时滞相关的.仿真算例验证了该方法的有效性.     

约束分段仿射系统的鲁棒一步预测控制

针对一类具有附加有界扰动的离散时间约束分段仿射系统,提出了一种鲁棒低复杂性的模型预测控制方法,即鲁棒一步控制。首先,基于最大鲁棒正不变集,计算系统的最大鲁棒可稳定集并作为第一步预测状态的约束集,使得产生的滚动时域控制器可以在较小的预测时域内控制最大鲁棒可稳定集。然后,在最大鲁棒正不变集外,通过构建线性矩阵不等式来寻找而二次李雅普诺夫函数以证明其鲁棒稳定性。两个步骤分别确保控制器的可行性和闭环系统的鲁棒稳定性。大量的仿真例子表明,和已有的控制方法相比,所得的鲁棒一步控制器具有更低的复杂性。     

基于多椭圆集序列的鲁棒模型预测优化控制

在工业过程的模型预测控制中,离线算法和在线算法是基于线性矩阵不等式的鲁棒模型预测算法的两个部分,离线得到的椭圆集序列是在线算法的基础.为了得到合适的控制规律,使系统的响应快速稳定,离线时根据状态变量的每个一维子空间得到相应的多个椭圆集序列.在线时,每个采样周期根据当前测量的状态变量值,在多个椭圆集序列中选择一个合适椭圆集序列,确定状态变量位于其中的两个椭圆集之间,并用优化的方式精确定位状态变量的位置,并得到系统控制量,使在线优化得到了证明.通过和传统算法的仿真比较,验证了所提出算法对系统的响应更迅速.     

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.     

基于Hammerstei模型的非线性预测控制

本文提出了一种针对Hammerstein模型的预测控制策略。该策略将Hammerstein模型中的无记忆非线性静态增益环节,改进成易于由中间变量求取控制量的环节,避免了求解高阶方程根的困难,又对线性环节采用线性系统的广义预测控制。由于引入了广义预测控制中多步预测的思想,抗噪声的能力显著提高。仿真结果验证了该策略的有效性。     

基于Hammerstei模型的非线性预测控制

本文提出了一种针对 Hammerstein模型的预测控制策略.该策略将Hammerstein模型中的无记忆非线性静态增益环节,改进成易于由中间变量求取控制量的环节,避免了求解高阶方程根的困难,又对线性环节采用线性系统的广义预测控制.由于引入了广义预测控制中多步预测的思想,抗噪声的能力显著提高.仿真结果验证了该策略的有效性.     

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.     

基于神经网络的非线性预测控制综述

基于神经网络的非线性预测控制是智能控制中的重要前沿课题，在工业过程控制领域有着非常大的应用前景。从预测方式、控制律求解方法和典型应用等几个角度对基于神经网络的非线性预测控制做了综述。对其中的关键技术做了深入阐述。并指明了今后的发展方向。     

一种基于Wiener模型的非线性预测控制算法

针对一类Wiener模型描述的非线性系统,提出了一种改进的非线性预测控制算法.该算法利用Laguerre函数描述Wiener模型动态线性部分的控制信号，将预测控制中在预测时域内优化求解未来控制输入序列转化为优化求解一组无记忆的Laguerre系数,以减少优化所需的计算量.利用静态模糊模型来逼近Wiener模型的非线性部分,将非线性预测控制优化问题转化为线性预测控制优化问题,克服了求控制输入时解非线性方程的困难,进而推导出了预测控制输入的解析式.CSTR过程的仿真结果表明了本文算法的有效性和可行性.     

基于稳态非线性模型和线性ARX模型组合的非线性预测控制

通过点集映射来表示非线性系统的稳态模型,用系统的稳态增益来修正具有外界输入的线性自回归（AutoRegressive with eXternal input, ARX）模型的动态增益,提出了一种基于稳态非线性模型和线性ARX模型组合的非线性预测控制算法．该算法用递归最小二乘法在线辨识系统的动态模型参数,用序列二次规划算法求解目标函数．最后通过对典型化工非线性对象pH中和过程的仿真对本算法进行了验证．结果表明,本算法比广义预测控制算法具有更好的设定值跟踪性能和抗干扰能力．