信息物理环境下不确定系统的随机分布式预测控制

针对信息物理系统环境下可能发生的信息丢包问题,提出一种随机分布式预测控制的分析与设计方法.考虑控制器端到执行器端的传输丢包,采用马尔科夫过程对这一丢包过程进行描述.通过对马尔科夫跳变的线性模型进行增广,研究一种具有随机丢包不确定系统的分布式预测控制方法;将系统分解成多个子系统进行描述,研究基于最小最大化优化的分布式预测控制器设计方法,并提出基于迭代交互的子控制器协调算法.将随机分布式预测控制算法在实际电机系统中进行仿真测试,以验证所提出方法的有效性.     

OPTOMUX分布式控制网络

ＯＰＴＯＭＵＸ分布式控制网络（１０００１１北京西城区白孔雀艺术世界副３楼深圳陆海北京分公司）赵敏对于工业控制产品，不但要求其技术性能好，能满足复杂的工业现场应用的要求，而且要能保证运行的可靠稳定，具有极强的抗干扰能力，适应各种恶劣的工业环境；而对于分...     

有界丢包网络环境下不确定系统的预测控制

研究了有界丢包网络环境下的多包不确定系统的鲁棒预测控制．首先在构建无限时域性能代价函数时,不同于传统预测控制方法,只考虑成功数据传输序列,并由此提出了两种鲁棒预测控制方法：将无限时域控制作用参数化为一个状态反馈控制律;或参数化为一个自由控制作用接一个状态反馈控制律．与传统方法一样,采用性能代价函数作为Ｌｙａｐｕｎｏｖ函数证明了系统的闭环稳定性．仿真实例验证了此方法的有效性．     

事件触发双模分布式预测控制

本文针对有界扰动作用下的线性离散大系统,提出了事件触发双模分布式预测控制设计方法.利用输入状态稳定性(input-to-state stability,ISS)理论建立了仅与子系统自身信息相关的事件触发条件.只有子系统满足相应的事件触发条件,才进行状态信息的传输和分布式预测控制优化问题的求解,并与邻域子系统交互最优解作用下的关联信息.当子系统进入不变集时,采用状态反馈控制律进行镇定,并与进入不变集的邻域子系统不再交互信息.分析了算法的递推可行性和系统的闭环稳定性,给出了扰动的上界.最后,通过车辆控制系统对算法进行仿真验证,结果表明,本文提出的方法能够有效降低优化问题的求解次数和关联信息的交互次数,节约计算资源和通信资源.     

现场总线系统分布式智能预测控制的实现

对于采用现场总线系统控制的复杂对象，应用智能预测控制的方式对其进行分布式控制，将现场总线的特点与智能预测控制方法相结合，使各子系统之间的参数以及控制动作协调一致，以实现对整个系统的优化控制．提出了在现场总线系统中构建该方法的步骤，并给出了一个采用该控制方法获得较好控制效果的具体实例。     

切换非线性系统的分布式模型预测控制

针对一类具有预先指定切换序列的切换非线性系统,研究了具有通信信道干扰和时滞测量的分布式模型预测控制问题.在每个子系统都存在镇定控制器的假设下,利用基于Lyapunov函数的模型预测控制器设计了分布式模型预测控制器,并给出了闭环切换非线性系统最终有界的充分条件.最后,通过仿真结果表明了分布式模型预测控制策略的有效性.     

面向大规模网络化系统的分布式预测控制

本文将近年来关于网络化分布式预测控制(distributed model predictive contro, DMPC)设计的结果进行了总结 概述. DMPC不仅仅继承了预测控制的优点而且还有分布式控制框架的特点. 首先, 介绍了分布式控制的系统结构设计; 然后, 依据预测控制中的性能指标, 从3个方面对DMPC进行了介绍: 基于局部性能指标的DMPC, 基于邻域指标的 DMPC和基于全局指标的DMPC. 最后, 选取3个典型例子来说明一些DMPC的有效性.     

分布式区域交通信号自适应控制

基于无模型自适应动态规划,提出一种新的交通信号控制算法,应用于区域多路口协调优化控制.在四交叉路口的仿真环境下对该控制算法进行验证,取得良好的优化效果.     

分布式网络自动控制系统的实现方法及其应用

本文设计了一个基于工业485网络的分布式自动控制系统模型以及用Delphi语言为这个模型开发的串口通信程序,并结合我们为武汉市某排水泵站开发的监控系统的实例,详尽地介绍了该模型的设计方法及其具体的应用。     

风光互补发电系统的分布式模型预测控制

风光互补发电系统中,风力和光伏独立发电且两者在地理上相隔较远,彼此没有通讯交流.对此问题,提出用分布式模型预测控制的方法去解决.首先,在风光互补发电系统中存在大量的非线性环节,运用神经网络线性逼近,训练得出各个子系统的神经网络线性化模型.然后,在此基础上,基于风力优先发电、光伏配合、蓄电池必要时输出的原则,设计出满足相...     

Distributed model predictive control of linear systems with persistent disturbances

This article presents a new form of robust distributed model predictive control (MPC) for multiple dynamically decoupled subsystems, in which distributed control agents exchange plans to achieve satisfaction of coupling constraints. The new method offers greater flexibility in communications than existing robust methods, and relaxes restrictions on the order in which distributed computations are performed. The local controllers use the concept of tube MPC – in which an optimisation designs a tube for the system to follow rather than a trajectory – to achieve robust feasibility and stability despite the presence of persistent, bounded disturbances. A methodical exploration of the trades between performance and communication is provided by numerical simulations of an example scenario. It is shown that at low levels of inter-agent communication, distributed MPC can obtain a lower closed-loop cost than that obtained by a centralised implementation. A further example shows that the flexibility in communications means the new algorithm has a relatively low susceptibility to the adverse effects of delays in computation and communication.     

变风量空调系统的分布式预测控制

基于预测控制策略的多输入多输出（MIMO）控制器可以解决单通道变风量系统的控制问题,但在输入输出变量较多时,计算就变得非常复杂。在分析系统工作机理和系统动力学行为的基础上,建立了内部模型,在此基础上采用分布式预测控制技术将系统分解成四个子系统,通过设定参考轨迹、输入输出约束及加权矩阵,解决了系统凸二次型的全局优化和纳什问题。通过仿真研究验证了系统控制的效果。     

带有网络拓扑优化的分布式预测控制方法

通常在大系统中, 全局信息优化的系统, 其性能要高于局部信息优化系统. 全局信息优化的算法由于大系统的复杂程度往往不可行. 所以通常会用分布式算法来解决此类问题. 在分布式算法中, 为了获得更好的系统性能, 要尽可能多的采用更多的信息信息交换, 然而这样会带来信息网络的负担增大. 本文在预测控制性能指标中引入通信代价, 并提出了一种随着系统状态变化的通信网络拓扑切换方法. 文中给出了该算法在供水管网动态模型中的仿真结果, 表明本方法的可行性.     

分布参数系统的能控性

本文对一个控制量以分布方式在作用于系统的齐次项的同时,也作用于系统导数项的一阶分布参数系统讨论能控性问题。     

分布式预测控制优化算法

复杂大规模预测控制系统的在线实施一直是工业界十分关注的问题之一, 本文针对工业环境下分布式网络结构的特点, 提出了一种基于纳什最优的分布式预测控制优化算法, 在以低成本在线实施的同时, 保持了良好的控制性能, 文中进一步给出了分布式线性模型预测控制算法的收敛条件, 仿真结果表明了该算法的有效性.     

Distributed nonlinear model predictive control based on contraction theory

A novel distributed model predictive control algorithm for continuous‐time nonlinear systems is proposed in this paper. Contraction theory is used to estimate the prediction error in the algorithm, leading to new feasibility and stability conditions. Compared to existing analysis based on Lipschitz continuity, the proposed approach gives a distributed model predictive control algorithm under less conservative conditions, allowing stronger couplings between subsystems and a larger sampling interval when the subsystems satisfy the specified contraction conditions. A numerical example is given to illustrate the effectiveness and advantage of the proposed approach.     

Distributed model predictive control of an experimental four-tank system

A distributed model predictive control (DMPC) framework is proposed. The physical plant structure and the plant mathematical model are used to partition the system into self-sufficient estimation and control nodes. Local measurements at the nodes are used to estimate the relevant plant states. This information is then used in the model predictive control calculations. Communication among relevant nodes during estimation and control calculations provides improvement over the performance of completely decentralized controllers. The DMPC framework is demonstrated for the level control of an experimental four-tank system. The performance of the DMPC system for disturbance rejection is compared with other control configurations. The results indicate that the proposed framework provides significant improvement over completely decentralized MPC controllers, and approaches the performance of a fully centralized design.     

带有输出区域控制目标特性的多变量预测控制算法

针对实际过程控制系统中某些被控变量没有设定值要求只有区域目标约束要求这一特点,提出一种带有输出区域目标特性的多变量预测控制算法(ZMMPC).该算法根据区域目标约束条件的满足情况,将控制器的目标函数及约束条件划分为两种工作状态,使用基于逻辑的方法完成动态控制过程中目标与约束条件的切换.仿真实例结果表明ZMMPC不仅可以增加控制系统的自由度,而且可根据被控变量的优先权进行灵活设计,使复杂控制系统具有更好的动态和稳态控制品质.     

Distributed model predictive control for constrained linear systems

We address the distributed model predictive control (MPC) for a set of linear local systems with decoupled dynamics and a coupled global cost function. By the decomposition of the global cost function, the distributed control problem is converted to the MPC for each local system associated with a cost involving neighboring system states and inputs. For each local controller, the infinite horizon control moves are parameterized as N free control moves followed by a single state feedback law. An interacting compatibility condition is derived, disassembled and incorporated into the design of each local control so as to achieve the stability of the global closed‐loop system. Each local system exchanges with its neighbors the current states and the previous optimal control strategies. The global closed‐loop system is shown to be exponentially stable provided that all the local optimizers are feasible at the initial time. Copyright © 2009 John Wiley & Sons, Ltd.