时延网络控制系统的模型预测控制

针对有输入约束的不确定时延网络控制系统,提出鲁棒模型预测控制方法;其中,将不确定时延建模为范数有界的输入矩阵的不确定性．给出了鲁棒性能指标的上界和系统渐近稳定的充分条件,通过在线求解LMI凸优化问题得到状态反馈控制律．仿真例子验证了该方法的有效性．     

基于CARMA模型的广义预测控制解耦设计

针对CARMA模型描述的双输入双输出多变量强耦合系统,首先将系统分解为两个双输入单输出系统,在各系统中分别将另一输入量暂视为一种干扰,并用广义预测控制原理设计控制器。通过再次引入丢番图方程并求解二元一次矩阵方程组,实现了多步预测的解耦控制,新的方法对各预测时域和控制时域可针对不同通道间的不同响应特性而具体选择,参数调整更加灵活,活算量相对减少。     

基于神经网络的时滞非线性系统的广义预测控制

针对一类时滞非线性被控对象,提出一种基于RBF神经网络的广义预测自校正控制方案,在广义预测控制中,采用RBF神经网络建立被控对象的多步预测模型,并不断修正预测输出,提高预测输出的精度.控制器则采用GPC隐式修正算法,不用辨识对象的模型参数,大大减少了计算量.经过仿真研究,与常规的PID自适应控制方法相比较,证明了该方法的优越性,预测控制误差小,实时性好,动态响应快.     

基于模型预测控制的网络控制系统设计

网络随机时延和数据包丢失问题,直接影响了网络控制系统的性能指标.针对上述问题,提出了一种基于模型预测控制的网络控制设计方法,根据网络数据传递次序重新设计了DMC的控制时序,使其更适用于网络环境下的实时控制.仿真结果表明了该方法的有效性.     

基于U模型的网络控制系统时延补偿研究

针对网络控制系统非线性问题解决方法少的情况,引入U模型方法进行被控对象建模,降低时延故障对网络控制系统造成的影响,结合广义预测控制(GPC)算法和PI控制器反馈结构,提出基于U模型的改进PI型广义预测控制方法 U-PIGPC。然后结合改进SSA-BP时延预测器,设计基于SSA-BP和U-PIGPC的网络控制系统时延补偿控制器。通过仿真对比验证了U-PIGPC补偿控制的性能优于GPC和U-GPC,其超调量更小,反应速度更快,具有更好的时延补偿控制效果。     

基于T—S模糊模型的多变量预测控制

提出一种基于T-S模糊模型的多输入多输出预测控制策略.T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型.为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题.串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

基于网络的运动控制系统预测控制研究

针对一类基于网络的运动控制系统中存在的时延和丢包问题进行研究。对于网络运动控制系统存在数据时延和丢包的情况,建立网络运动控制系统模型。在此模型下,对预测函数控制算法进行分析,设计了预测函数控制产生器和数据延时预测补偿器,并研究相应的补偿策略。仿真分析表明算法的合理性和有效性。     

基于延时预测的模型状态反馈网络控制方法

网络延时的存在不仅会使控制系统的动、静态性能变差,还可能会破坏系统的稳定性,造成既有控制方法的失效。针对带有随机延时的网络控制系统,提出了一种基于网络延时实时预测和系统状态逼近的控制方法。首先,建立无延时的理想控制系统模型作为标准控制系统模型;其次,应用基于隐马尔可夫模型(HMMs)的延时预测算法预测网络延时,该方法能够实时自适应学习,以适应网络负载情况的变化,得到更符合实际情况的延时预测值;最后,根据网络延时的预测值、实际网络控制系统与标准控制系统模型的状态之差,来调整控制信号,从而使实际网络控制系统的状态与标准控制系统模型接近、甚至相等,达到期望的控制效果。数字仿真结果表明,这一方法是可行的,能够获得更加快速的动态性能和稳定的静态性能。     

基于极点配置与时延误差补偿的网络控制系统预测控制

根据网络控制系统的时延上界及对象模型,建立网络控制系统的整体模型,应用极点配置广义预测方法进行控制器的设计,以保证网络控制系统控制的有效性与稳定性．考虑到网络时延的随机性,基于神经网络建立网络时延误差的预测补偿模型,用时延误差预测值对输出预测值进行补偿,构成基于极点配置和误差补偿的网络控制系统预测控制算法．仿真结果表明,本文方法有较高精度,可快速收敛．     

基于灰色系统模型的预测函数控制方法研究

以灰色系统模型为基础，建立了一种预测函数控制方法．分析了灰色系统建模、模型预测输出和控制量计算方程的求解．通过仿真结果表明，该算法具有鲁棒性好、跟踪快速和抑制干扰能力强等特点。     

基于MPC网络控制系统的设计与稳定性分析

针对网络延时的问题,本文提出了一种改进的模型预测控制方法.该方法是利用MPC(模型预测控制)预测的将来控制信号来补偿前向通道出现的延时或中断,同时用一个预测器来补偿反馈通道延时.文中描述了它们的控制特性并讨论了该网络控制系统的稳定性,并用实例仿真验证该方法的可行性和有效性.     

On dynamic output feedback robust MPC for constrained quasi-LPV systems

This paper considers the dynamic output feedback robust model predictive control (MPC) of a quasi-linear parameter varying (quasi-LPV) system with bounded noise. In our previous works, for the unknown true state, either its ellipsoidal bounds or its polyhedral bounds were solely applied in the main optimisation problem. The recursive feasibility of the main optimisation problem was guaranteed by a simple refreshment of the ellipsoidal bound, but might be lost by applying the polyhedral bounds. This paper shows how and to what extent the recursive feasibility can be restored when the polyhedral bounds are still utilised. First, we propose a new approach which, at each sampling time, utilises either the ellipsoidal bound or the polyhedral bound in the main optimisation problem, the latter being used if and only if it is contained in the former. Then, we show the sufficient conditions under which the approaches based on polyhedral bounds preserve the property of recursive feasibility. A numerical example is given to illustrate the effectiveness of the controller.     

基于Kalman滤波的网络丢包补偿器

针对网络控制系统中普遍存在的连续丢包问题,建立了网络控制系统状态反馈丢包补偿模型,提出了1种基于Kalman滤波的连续丢包补偿器算法。把具有数据包连续丢失补偿的网络控制系统描述为具有3个事件的异步动态系统,并且给出了系统稳定性的证明。该补偿器具有较高的预测补偿和抗干扰能力。仿真结果表明卡尔曼滤波连续丢包补偿器算法的有效性。     

网络控制中基于FSMC观测器的时延补偿

针对网络控制系统中因存在通讯时延、网络诱导噪声及数据丢失等而可能引起系统性能降低或不稳定的问题,利用模糊滑模控制理论,在时延存在的情况下,基于观测器建立不确定网络控制系统模型;并利用预估方法对网络控制系统的时延进行补偿,从而保证系统的稳定。设计模糊滑模控制器（FSMC）来抑制网络控制系统中的诱导噪声及滑模面上的“抖动”,以及采用预估补偿策略处理网络中的时滞和数据包丢失等,可有效保证系统的稳定。仿真实例表明了该算法的合理性、有效性。     

基于以太网的网络控制系统时滞特性分析

在讨论了网络控制系统中的几种建模方法后,针对基于以太网的网络控制系统所采用的两种典型协议——TCP/IP和UDP/IP,通过实验对它们的时滞特性做了分析。     

A Survey of Output Feedback Robust MPC for Linear Parameter Varying Systems

For constrained linear parameter varying (LPV) systems, this survey comprehensively reviews the literatures on output feedback robust model predictive control (OFRMPC) over the past two decades from the aspects on motivations, main contributions, and the related techniques. According to the types of state observer systems and scheduling parameters of LPV systems, different kinds of OFRMPC approaches are summarized and compared. The extensions of OFRMPC for LPV systems to other related uncertain systems are also investigated. The methods of dealing with system uncertainties and constraints in different kinds of OFRMPC optimizations are given. Key issues on OFRMPC optimizations for LPV systems are discussed. Furthermore, the future research directions on OFRMPC for LPV systems are suggested.      

A practical approach for hybrid distributed MPC

This paper presents a framework to deal with distributed optimization problems composed by binary and continuous variables. Instead of using a mixed integer quadratic programming (MIQP), the approach proposed here transforms the MIQP into a set of quadratic programming's (QP) that are easier to solve. In this way an instance of the controller related to each feasible combination of binary variables is created. The distributed controller performs an iterative process where the set of agents must agree on the value of continuous interconnection variables, while each agent must decide the values of local binary variables. During the iteration procedure the instances are rated according to a performance index and the instances with best performance are selected until the best one is obtained. The proposed methodology is applied to economic optimization of networked microgrids.     

Finite-frequency output feedback MPC for Markov jump systems

This paper investigates a general design framework of dynamic output feedback model predictive control (DOFMPC) for Markov jump systems within both time and frequency domain. Such a design with guaranteed H_∞ and quadratic performance is formulated by a standard semi-definite programming (SDP), and it is achieved by employing a special congruence transformation. The SDP condition greatly reduces the computational effort by eliminating bilinear matrix inequalities or equation constraints reported in existing references. Specifically, the H_∞ norm of the transfer function is optimized within three types of frequency ranges on account of generalized Kalman–Yakubovic–Popov (GKYP) lemma. The quadratic index is optimized online via SDP. Finally, we verify the feasibility and effectiveness of the proposed method from both theoretical and practical point of view.