具有多传输通道系统的网络化预测控制

本文研究了一类具有多传输通道网络化系统的控制问题,基于网络化预测控制方法,提出了一种改进型的分布式预测补偿方式,从而更有效地利用反馈数据来提高控制系统的性能.对闭环网络化预测控制系统进行分析,得到其稳定性条件,特别地,在模型精确已知和多传输通道的时延为定常的情况下,该条件将会退化为本地控制的闭环系统稳定性条件.上述结论的好处是网络化预测控制系统中状态观测器和控制器的设计可以参考本地控制.通过球杆系统算例验证本文所提方法的正确性和有效性.     

基于PXI总线的分布式网络化测控系统

随着计算机网络技术的发展和对测控系统的精度、数据处理速度和资源共享要求的不断提高,网络化测控系统逐渐在工程领域得到广泛应用。文中以实例为基础,介绍了一种基于PXI总线的网络化测控系统,并对系统的总体方案和主要功能模块作了详细说明。     

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.     

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。     

面向数据包丢失补偿的网络化广义预测控制

针对网络化控制系统中存在的数据包丢失,考虑了基于状态空间模型的网络化广义预测控制问题;在假设反馈通道和控制通道的数据包丢失过程确定可知的情况下,提出了一种采用预测器和预测控制器分别补偿反馈通道和控制通道的数据包丢失对系统性能影响的方法,通过把广义预测控制问题转化为滚动线性二次型最优跟踪问题,基于动态规划给出了网络化广义预测控制器的设计方法,并基于Ricoati差分方程非负定解的单调性,给出了末端加权矩阵保证系统稳定性的充分条件,最后通过仿真验证了所提出方法的有效性.     

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control, DMPC)是一类用于多输入多输出的大规模系统的控制方式.每个智能体通过相互协作完成整个系统的控制. 已有的分布式预测控制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control, CMPC)算法的性能,但迭 代次数过多,子系统间通信量大;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基于串联结构的非迭代分布式预测控 制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonation decomposition process, ACCDP)这一串联过程,通过仿真验证了算 法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.     

球杆系统的网络化控制设计与实现

网络诱导时延和数据包丢失、错序等问题会严重影响网络化控制系统的性能甚至使系统不稳定.对于球杆系统这样具有开环不稳定和典型的非线性特征的系统来说尤其明显.为了解决这一问题,采用网络化预测控制算法(Networked Predictive Control,NPC)来设计球杆网络化控制系统.介绍了网络化预测控制算法的设计,球...     

面向大规模网络化系统的分布式预测控制（英文）

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.     

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.     

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...     

分布式预测控制在空气分馏塔中的应用

在大型空分控制系统中,集中式控制由于在线计算量大,对计算机的要求较高。采用分布式预测控制,把复杂系统的控制过程分散到各个子系统中去,降低了计算的复杂度,同时提高了系统的可靠性。建立了分馏塔的数学模型,并拆分成若干个子系统,利用纳什优化原理,获得了全局最优解。仿真结果表明,该算法取得了较好的控制效果。     

网络信息模式下分布式系统协调预测控制

工业系统中广泛存在一类由多个相互关联的子系统组成的大系统. 尽管分布式控制结构的性能没有集中式控制好,但由于其具有较高的灵活性和容错性,相对于集中控制更加适合控制上述系统.在保持容错性的情况下如何提高系统的整体性能是分布式控制的一个难点问题.本文提出了一种分布式预测控制(Distributed model predictive control, DMPC)方法,该方法通过在各子系统预测控制器的性能指标中加入输入变量对其下游子系统的影响的二次函数,来扩大分布式预测控制的协调度,进而在不增加网络连通度,不改变系统容错性的前提下,提高系统的性能.另外,本文给出了基于该协调策略的带输入约束的分布式预测控制器的设计方法,在初始可行的前提下,该方法相继可行并可保证系统渐近稳定.     

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。     

Predictive control for a class of distributed delay systems using Chebyshev polynomials

In this paper, the model predictive control (MPC) is developed for linear time-varying systems with distributed time delay in state. The Chebyshev operational matrices of product, integration and delay are utilized to transform the solution of distributed delay differential equation to the solution of algebraic equations. The Chebyshev functions are also applied to derive approximate solution of finite horizon optimal control problem involved in MPC. The proposed method is simple and computationally advantageous. Illustrative example demonstrates the validity and applicability of the technique.     

通讯信息约束下具有全局稳定性的分布式系统预测控制（英文）

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.     

压缩空气储能系统模型预测控制

压缩空气储能作为一项新型物理储能技术,利用模型预测控制可降低热力成本、提高能源利用效率.为实现压缩空气储能系统的温度控制,分析了压缩空气储能系统中的换热器系统、热能存储系统和盐穴储气系统的热力学特性,建立压缩空气储能系统的集中参数和分布参数耦合系统模型.设计耦合系统的模型预测控制策略,针对控制器中复杂约束优化求解问题,...     

一种间歇过程的综合预测迭代学习控制方法

为了提高迭代学习控制方法在间歇过程轨迹跟踪问题中的收敛速度,本文将批次间的比例型迭代学习控制与批次内的模型预测控制相结合,提出了一种综合应用方法.首先根据间歇过程的线性模型,预测出比例型迭代学习控制的系统输出,然后在批次内采用模型预测控制,通过极小化一个二次型目标函数来获得控制增量.该方法可使系统输出跟踪期望轨迹的速度比比例型迭代学习控制方法更快些.最后通过仿真实例验证了该方法的有效性.