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.     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保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.     

基于容许集的多胞不确定系统三模RMPC

针对输入和状态受约束的多胞不确定线性系统,提出了基于容许集的扩大吸引域三模鲁棒模型预测控制方法.在多面体不变集离线模型预测控制算法的基础上引入容许集,以多面体不变集序列的并集作为模态1,基于N步容许集的控制容许集作为模态2,并利用离线设计和在线优化的控制策略,设计了三模变终端约束鲁棒模型预测控制算法,以实现系统渐近稳定.该算法不仅降低了在线运算量,而且扩大了吸引域.最后的仿真结果验证了所提出算法的有效性.     

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Tube不变集的鲁棒模型预测控制北大核心CSCD

针对具有持续有界扰动的线性变参数系统,设计一种基于Tube不变集的鲁棒模型预测控制算法。离线算法结合系统多胞体模型参数变化的影响,构建系统的Tube不变集。在对应标称模型状态变量的多面体不变集算法基础上,得到系统的多面体状态允许不变集序列。在线算法通过强控制优化得到标称模型系统的控制量,以得到符合实际控制过程的系统控制量,给出本算法的详细步骤和系统稳定性证明。仿真结果验证了本算法的有效性,表明本算法将持续有界扰动对系统的影响限制在Tube不变集中,实现了系统的快速稳定控制。     

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.     

运用区间算法的约束非线性系统鲁棒模型预测控制

针对一类具有输入和状态约束的干扰有界非线性系统,提出了基于区间分析的约束非线性鲁棒模型预测控制,以降低计算量并扩大系统吸引域.首先,在集合运算的基础上,利用区间运算和函数区间扩展,给出了一种计算效能更好、保守性更低的非线性系统鲁棒一步集计算方法;其次,构造重叠的多面体控制不变集序列并以此计算约束非线性系统的鲁棒多步集,并通过设计基于集合的在线优化策略,提出了基于鲁棒一步集的单步优化非线性模型预测控制,有效降低了非线性优化的在线计算量;最后,仿真实例验证了算法的有效性.     

有界扰动系统高效鲁棒预测控制器设计

具有有界扰动的有约束线性系统是一类常见的不确定系统. 针对此类系统, 本文借鉴扰动不变集方法, 通过离线设计两个椭圆不变集以降低以往设计的保守性, 进而提出一种有界扰动系统的高效鲁棒预测控制器(SD–ERPC)的设计方法. 该方法能够较好地处理扰动对系统的影响, 在减小控制器在线计算量的同时, 扩大原ERPC设计的初始可行域, 且具有较好的控制性能. 文中给出了SD–ERPC控制器可行性和鲁棒稳定性的理论证明,并通过仿真算例验证了该控制器的有效性.     

基于多步控制集的鲁棒预测控制器设计

针对有约束多胞不确定系统, 本文提出多步控制集的概念, 并将其作为终端集进而设计鲁棒预测控制器. 由于设计了一系列可变的反馈律, 鲁棒预测控制器可以得到更好的控制性能和更大的初始可行域. 另外, 利用多步控制集的特性, 本文提出了一种将预测控制器的在线计算量转移到离线完成的算法. 通过该算法, 可以有效地平衡鲁棒预测控制器的控制性能、在线计算量和初始可行域. 仿真算例验证了这些算法的有效性.     

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.     

KPCA算法及其在股市中的应用

主成份分析法是用于简化数据的一种技术,现实世界中的数据复杂且庞大,对于某些复杂数据就可应用主成分分析法对其进行简化。文中着重介绍了健壮性KPCA算法并引入了粒度的思想,健壮性KPCA算法能推导出特征空间中信号重组的最小错误标准,并自动识别训练样本集中的无关数据,且经过计算消除它们对KPCA算法准确度的影响。可以将其应用于股票数据中,并将所得的主分量图与原图比较,发现效果明显,由此可看出KPCA算法是一种相当有用的算法。     

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。     

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.     

互质因子摄动模型集的闭环l1鲁棒辨识

鲁棒辨识问题已经逐渐成为国际控制界的一个研究热点，本文首先研究了互质因子摄动模型集的闭环ｌ＾１鲁棒辨识问题，建立了系统的Ａ图象拓扑，提出了ＢＩＢＯ不稳定系统的闭环ｌ＾１鲁棒辨识方法，由该方法得到的结果是具体代表性的互质因子摄动模型集。     

Set membership inversion and robust control from data of nonlinear systems

A set membership method for right inversion of nonlinear systems from data is proposed in the paper. Both the cases where the system to invert is known or unknown and therefore identified from data are addressed. The method does not require the invertibility of the regression function describing the system and ensures tight bounds on the inversion error. In the case of unknown system, the method allows the derivation of a robust right‐inverse, guaranteeing the inversion error bound for all the systems belonging to the uncertainty set which can be defined from the available prior and experimental information. Based on such a set membership inversion, two methods for robust control of nonlinear systems from data are introduced: nonlinear feed‐forward control (NFFC) and nonlinear internal model control (NIMC). Both the design methods ensure robust stability and bounded tracking errors for all the systems belonging to the involved uncertainty set. Two applicative examples of robust control from data are presented: NFFC control of semi‐active suspension systems and NIMC control of vehicle lateral dynamics.Copyright © 2013 John Wiley & Sons, Ltd.     

联合机会约束问题的鲁棒近似模型

针对联合机会约束优化问题提出了两种新的近似模型. 回顾了CVaR (conditional-value-at-risk 条件风险价值) 、机会约束和鲁棒优化之间的关系之后, 提出了两种新的E((.)+) 的上界, 其中E表示期望, x+ = max(0,x) , 然后以此为基础推出了两种针对独立机会约束问题的近似模型, 并证明了这两种近似模型就是对应相应不确定集合的鲁棒优化模型, 然后推出了针对联合机会约束问题的近似模型. 最后举例对所提出的独立机会约束和联合机会约束的鲁棒近似模型的解进行了对比, 结果说明了所提出方法的有效性.