基于事件触发的互联电力系统分布式负荷频率预测控制

针对具有约束和扰动的多区域互联电力系统负荷频率控制(load frequency control, LFC)问题,本文提出了一种事件触发分布式模型预测控制(event-triggered distributed model predictive control,ET-DMPC)策略.将大规模互联电力系统分解成多个动态耦合的子系统,考虑发电机变化率约束(generation rate constraint, GRC)和调速器阀门位置限制,建立分布式预测控制优化问题.为了降低系统计算负担,减少计算资源的消耗和浪费,基于预测值和系统实际状态的误差构造事件触发条件.在事件触发机制下,只有子系统满足相应的事件触发条件时,控制器才传输状态信息和求解优化问题,并与邻域子系统交互最优解作用下的关联信息.仿真结果表明,本文提出的控制策略在负荷扰动和系统参数不确定的情况下具有良好的鲁棒性,同时极大地降低了系统的计算负担.     

基于事件触发的无人驾驶汽车路径跟随预测控制

研究存在有界扰动的非线性无人车辆模型的路径跟随问题,提出一种基于事件触发的模型预测控制算法,与现有的基于时间周期的模型预测控制算法相比,可以在保证车辆对参考轨迹跟随准确性的同时减少跟随过程中求解优化问题的计算量,降低在线实时优化的计算负担.最后给出无人车运动学模型的仿真结果,对比所提出的控制算法与传统算法,验证了其有效性.     

DoS攻击下网络化控制系统基于观测器的记忆型事件触发预测控制

本文研究了DoS攻击下网络化控制系统记忆型事件触发预测补偿控制问题. 首先, 由于网络带宽资源有限和系统状态不完全可观测性, 引入了记忆型事件触发函数, 为观测器提供离散事件触发传输方案. 然后, 分析了网络传输通道上发生的DoS攻击. 结合上述记忆型事件触发方案, 在控制节点设计一类新颖的预测控制算法, 节省网络带宽资源并主动补偿DoS攻击. 同时, 建立了基于观测器的记忆型事件触发预测控制的闭环系统, 并且分析稳定性.通过线性矩阵不等式(LMI)和Lyapunov稳定性理论, 建立了控制器、观测器和记忆型事件触发矩阵的联合设计方案,并验证了该方案的可行性. 仿真结果表明, 该方案结合记忆型事件触发机制可以有效补偿DoS攻击, 节约网络带宽资源.     

无人艇全分布式动态事件触发编队控制

针对通信资源受限的多无人艇(USV)编队控制问题, 本文提出了一种动态事件触发数据传输机制以降低通信频率, 减少控制算法对系统带宽的占用. 首先, 基于滑模和自适应控制算法设计一种全分布式编队控制器, 使得所有编队成员在保持预设队形的同时能够完成对期望轨迹的跟踪. 与现有编队控制器相比, 该控制器不需要通信网络的全局信息. 然后, 基于Lyapunov稳定性理论证明了编队跟踪误差以及所有闭环信号都能达到稳定状态. 此外,该算法能够保证触发时间序列不表现出Zeno行为. 最后, 通过数值仿真验证了全分布式编队控制器的有效性     

基于事件触发的直流微电网无差拍预测控制

针对光伏(Photovoltaic, PV)−电池−超级电容直流微电网系统中光伏发电间歇性造成的功率失配问题, 提出一种基于事件触发的无差拍预测控制(Event-triggered deadbeat predictive control, ETDPC)方法, 以实现有效的能量管理. ETDPC方法结合事件触发控制策略和无差拍预测控制策略(Deadbeat predictive control, DPC)的优点, 根据微电网的拓扑结构构建状态空间模型, 用于设计适用于微电网能量管理的触发条件: 当ETDPC的触发条件满足时, ETDPC中无差拍预测控制模块被激活, 可以在一个控制周期内产生最优控制信号, 实现对于扰动的快速响应, 减小母线电压纹波; 当系统状态不满足ETDPC中的触发条件时, 无差拍预测控制模块被挂起, 从而消除非必要运算, 以减轻实现能量管理的运算负担. 因此, 对于电池−超级电容器混合储能系统(Hybrid energy storage system, HESS), ETDPC能够缓解间歇性光伏发电与负荷需求之间的功率失衡, 以稳定母线电压. 最后, 数字仿真和硬件在环(Hardware-in-loop, HIL)实验结果表明, 相较于传统无差拍控制方法, 运算负担减小了50.63%, 母线电压纹波小于0.73%, 验证了ETDPC方法的有效性与性能优势, 为直流微电网的能量管理提供了一种参考.     

基于事件触发机制的网络控制研究综述

全面综述基于事件的控制系统的研究现状与最新成果.主要介绍事件驱动通信机制的各种类型和事件触发控制的主要研究内容,包括不同的建模方法以及控制器与事件产生器的联合设计方案,重点对时延系统建模方法进行分析,将事件触发闭环控制系统建模成连续时滞模型.此外,关于网络诱导因素对事件触发机制的影响以及网络化事件触发控制的一些应用也进行说明.最后,提出目前研究工作所存在的不足,以及下一步需要解决的开放难题.     

动态事件触发机制下二阶多智能体系统完全分布式控制

本文研究了无向通信拓扑下二阶多智能体系统的一致性问题, 分别针对有领导者和无领导者的情形, 设计 了一类基于辅助动态变量的完全分布式事件触发控制策略, 该策略具有参数较少且易调等特点. 智能体自身的触 发函数满足条件时才向邻居广播自身的状态信息, 有效避免了连续通信, 减少了系统能量耗散. 每个智能体的控制 协议和触发函数都只用到自身的状态和邻居触发时刻的状态, 不涉及邻居的实时状态信息, 也不依赖通信拓扑网络 的任何全局信息. 利用代数图论以及Lyapunov稳定性理论, 证明在所提出的控制策略下, 二阶多智能体系统能够实 现渐近一致性, 且不存在Zeno行为. 仿真示例进一步验证了理论结果的有效性.     

基于事件触发的分布式优化算法

本文研究了一类分布式优化问题,其目标是通过局部信息交换使由局部成本函数之和构成的全局成本函数最小.针对无向连通图,我们提出了两种基于比例积分策略的分布式优化算法.在局部成本函数可微且凸的条件下,证明了所提算法渐近收敛到全局最小值点.更进一步,在局部成本函数具有局部Lipschitz梯度和全局成本函数关于全局最小值点是有...     

区间2型T-S模糊系统的事件触发预测控制

本文研究了前提不匹配的区间2型(IT2)模糊系统的事件触发预测控制问题. 首先, 提出了一个IT2模糊系统 模型, 包括动态事件触发机制(ETM)和预测控制器, ETM可以通过减少传输的数据包数量来节省有限的网络资源, 预测控制器可以预测两个成功传输时刻之间的系统状态来处理不可靠的通信网络. 其次, 根据李雅普诺夫稳定性理 论和前提不匹配方法, 得到了系统稳定的充分条件. 然后, 根据线性矩阵不等式(LMI)得到控制器增益. 最后通过数 值模拟验证了方法的有效性.     

传感器网络分布式事件触发多目标估计

本文主要研究无线传感器网络中目标数目已知且固定的一类分布式多目标跟踪问题,提出了一种完全分布式的基于事件触发的测量和通信策略使得每个节点在不需要全局信息的情况下实现估计误差和能量消耗之间的平衡.监测区域存在多个移动目标,传感器能否测量到单个目标由事件触发测量机制和节点的测量半径来综合决定.基于节点和邻居的信息采用k-means聚类算法来解决数据关联问题,同时提出了基于最小迹原则的一致性卡尔曼滤波算法.从理论上证明了该事件触发策略不仅在性能指标上优于基于时间触发的算法,而且在网络中如果存在节点对多目标协同可观,系统估计误差在均方意义下是稳定的.最后给出了仿真例子验证了该算法的有效性和可行性.     

通讯信息约束下具有全局稳定性的分布式系统预测控制

本文针对一类由状态相互耦合的子系统组成的分布式系统, 提出了一种可以处理输入约束的保证稳定性的非 迭代协调分布式预测控制方法(distributed model predictive control, DMPC). 该方法中, 每个控制器在求解控制率时只与 其它控制器通信一次来满足系统对通信负荷限制; 同时, 通过优化全局性能指标来提高优化性能. 另外, 该方法在优化 问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差, 进而保证各子系统优化问 题初始可行时, 后续时刻相继可行. 在此基础上, 通过加入终端约束来保证闭环系统渐进稳定. 该方法能够在使用较少 的通信和计算负荷情况下, 提高系统优化性能. 即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的 渐进稳定性. 仿真结果验证了本文所提出方法的有效性.     

Observer-based event-triggered distributed model predictive control for a class of nonlinear interconnected systems

In this paper, an observer-based event-triggered distributed model predictive control method is proposed for a class of nonlinear interconnected systems with bounded disturbances, considering unmeasurable states. First of all, the state observer is constructed. It is proved that the observation error is bounded. Second, distributed model predictive controller is designed by using observed value. Meanwhile, the event-triggered mechanism is set by using the error between the actual output and the predicted output. The setting of event-triggered mechanism not only ensures the error between the actual output and the predicted output within a certain range, but also reduces the calculation amounts of solving the optimization problem. The states of each subsystem enter the terminal invariant set by distributed model predictive control, and then are stabilized in the invariant set under the action of output feedback control law. In addition, sufficient conditions are given to ensure the feasibility of the algorithm and the stability of the closed-loop system. Finally, the numerical example is given, and the simulation results verify the effectiveness of the proposed algorithm.     

A distributed predictive control approach for periodic flow-based networks: application to drinking water systems

This paper proposes a distributed model predictive control approach designed to work in a cooperative manner for controlling flow-based networks showing periodic behaviours. Under this distributed approach, local controllers cooperate in order to enhance the performance of the whole flow network avoiding the use of a coordination layer. Alternatively, controllers use both the monolithic model of the network and the given global cost function to optimise the control inputs of the local controllers but taking into account the effect of their decisions over the remainder subsystems conforming the entire network. In this sense, a global (all-to-all) communication strategy is considered. Although the Pareto optimality cannot be reached due to the existence of non-sparse coupling constraints, the asymptotic convergence to a Nash equilibrium is guaranteed. The resultant strategy is tested and its effectiveness is shown when applied to a large-scale complex flow-based network: the Barcelona drinking water supply system.     

Enhanced information reconfiguration for distributed model predictive control for cyber‐physical networked systems

This paper considers a class of cyber‐physical networked systems, which are composed of many interacted subsystems, and are controlled in a distributed framework. The operating point of each subsystem changes with the varying of working conditions or productions, which may cause the change of the interactions among subsystems correspondingly. How to adapt to this change with good closed‐loop optimization performance and appropriate information connections is a problem. To solve this problem, the impaction of a subsystem's control action on the performance of related closed‐loop subsystems is first deduced for measuring the coupling among subsystems. Then, a distributed model predictive control (MPC) for tracking, whose subsystems online reconfigure their information structures, is proposed based on this impaction index. When the operating points changed, each local MPC calculates the impaction indices related to its structural downstream subsystems. If and only if the impaction index exceeds a defined bound, its behavior is considered by its downstream subsystem's MPC. The aim is to improve the optimization performance of entire closed‐loop systems and avoid the unnecessary information connections among local MPCs. Besides, contraction constraints are designed to guarantee that the overall system converges to the set points. The stability analysis is also provided. Simulation results show that the proposed impaction index is reasonable along with the efficiency of the proposed distributed MPC.     

分布式预测控制算法的性能分析

分布式求解策略是为了降低大规模预测控制系统实施的计算量和计算复杂性而提出的一种有效算法，在算法收敛的条件下，分析了分布式求解和集中求解两种方法在单步时域上的性能偏差，给出了标称情况下分布式预测控制系统名义稳定的充分条件，为更好地理解所提出的分布式预测控制算法和算法的实施提供了理论依据。     

基于特征线法的双曲型分布参数模型预测控制及其应用

本文针对双曲型分布参数系统提出基于特征线法的模型预测控制算法. 通过特征线变换将描述分布参数模型的偏微分方程转化为常微分方程; 进而求解得到分布参数系统状态变量的解析式; 离散化后作为预测模型用于模型预测控制. 以循环流化床烟气脱硫系统中SO2浓度控制为例, 进行仿真研究, 结果表明基于特征线法的模型预测控制算法可以实现对双曲型分布参数系统的有效控制, 并且该算法的控制效果优于目前工程应用的前馈反馈 控制策略.     

Event-triggered robust model predictive control of continuous-time nonlinear systems

The event-triggered control is of compelling features in efficiently exploiting system resources, and thus has found many applications in sensor networks, networked control systems, multi-agent systems and so on. In this paper, we study the event-triggered model predictive control (MPC) problem for continuous-time nonlinear systems subject to bounded disturbances. An event-triggered mechanism is first designed by measuring the error between the system state and its optimal prediction; the event-triggered MPC algorithm that is built upon the triggering mechanism and the dual-mode approach is then designed. The rigorous analysis of the feasibility and stability is conducted, and the sufficient conditions for ensuring the feasibility and stability are developed. We show that the feasibility of the event-triggered MPC algorithm can be guaranteed if, the prediction horizon is designed properly and the disturbances are small enough. Furthermore, it is shown that the stability is related to the prediction horizon, the disturbance bound and the triggering level, and that the state trajectory converges to a robust invariant set under the proposed conditions. Finally, a case study is provided to verify the theoretical results.     

互联电力系统鲁棒分布式模型预测负荷频率控制

负荷频率控制是现代互联电力系统运行的重要保障.本文针对含有不确定因素和负荷扰动的多区域互联电力系统提出了一种基于线性矩阵不等式参数可调节的鲁棒分布式预测控制算法.设计各个区域控制器目标函数引入相邻区域的状态变量和输入变量,同时考虑发电机变化速率约束和阀门位置约束,将求解一组凸优化问题转化成线性矩阵不等式求解,得到各个区域的控制律,在线性矩阵不等式中引入一组可调参数,将优化一个上限值转化成优化吸引区,降低算法的保守性.仿真结果验证了该算法在负荷扰动、系统参数不确定和结构不确定性情况下具有鲁棒性.