Tracking Control of Multi-Agent Systems Using a Networked Predictive PID Tracking Scheme

With the rapid development of network technology and control technology, a networked multi-agent control system is a key direction of modern industrial control systems, such as industrial Internet systems. This paper studies the tracking control problem of networked multi-agent systems with communication constraints, where each agent has no information on the dynamics of other agents except their outputs. A networked predictive proportional integral derivative(PPID) tracking scheme is proposed t...     

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。     

网路化双线性系统的预测控制优化算法研究

本文对一类离散时间双线性系统进行网络化预测控制研究.针对控制系统网络信道传输引起的前向通道和反馈通道时延问题,基于双线性系统结构特性提出2种逐步优化算法对非凸优化问题进行求解,进而得到未来时刻的预测控制序列.仿真实例说明所求预测控制序列可以主动补偿网络引起的时延问题,从而说明所提出预测控制算法的有效性.     

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.     

一类非线性系统的广义预测控制研究

针对一类难以线性化的单输入单输出非线性离散系统,就其实际输出信号跟踪参考输出信号的控制问题,研究了它的广义预测控制律设计方法。在系统数学模型非线性项的系数多项式满足一定条件的情况下,通过适当的数学处理,使问题的本质归结为求解线性差分系统的一组Diophantine方程,从而解出了非线性系统广义预测控制律表达式中的各个系数多项式,并给出了广义预测控制律的具体解析形式。通过仿真实例验证了所提出设计方法的正确性和有效性。     

非线性时延网络控制系统的模糊建模与控制

针对时变网络诱导时延小于一个采样周期的非线性时延网络控制系统,讨论系统的稳定性及控制器的设计方法.利用基于“IF-THEN”规则的模糊模型近似系统中的非线性,将时延的不确定性转化为系统参数的不确定性,从而将此类非线性网络控制系统建模为一类具有参数不确定性的离散Takagi-Sugeno（T-S）模糊模型.基于建立的模型,利用Lyapunov方法和线性矩阵不等式方法,分析了系统的稳定性及模糊状态反馈控制器的设计方法,最后通过仿真实例验证了所提出方法的有效性.     

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...     

网络化预测控制系统的设计,分析与实时实现

采用预测控制策略, 讨论网络化控制系统的设计, 分析与实时实现. 对网络化控制系统的特点进行详细分析, 表明网络化控制系统与传统的控制系统有很大的不同. 为了达到期望的闭环网络化控制系统的性能, 引入网络化预测控制方案, 并对网络化预测控制系统的设计、稳定性分析和实时实现进行深入研究. 本文采用仿真和实际实验, 展示网络化预测控制方案可以弥补随机网络通信延迟和数据丢失、达到期望的控制性能、并具有良好的闭环系统稳定性.     

一类仿射非线性网络控制系统的稳定性分析

利用采样数字控制系统的方法分析了一类混杂动态系统模型描述的仿射非线性网络控制系统的稳定性问题.针对一类仿射非线性对象和线性数字控制器组成的网络控制系统,考虑了网络诱导延时对系统稳定性的影响,得到了仿射非线性网络控制系统一致渐近稳定的条件．仿真实例验证了理论分析的正确性．     

Optimal Cooperative Secondary Control for Islanded DC Microgrids via a Fully Actuated Approach

DC-DC converter-based multi-bus DC microgrids (MGs) in series have received much attention, where the conflict between voltage recovery and current balancing has been a hot topic. The lack of models that accurately portray the electrical characteristics of actual MGs while is controller design-friendly has kept the issue active. To this end, this paper establishes a large-signal model containing the comprehensive dynamical behavior of the DC MGs based on the theory of high-order fully actuated systems, and proposes distributed optimal control based on this. The proposed secondary control method can achieve the two goals of voltage recovery and current sharing for multi-bus DC MGs. Additionally, the simple structure of the proposed approach is similar to one based on droop control, which allows this control technique to be easily implemented in a variety of modern microgrids with different configurations. In contrast to existing studies, the process of controller design in this paper is closely tied to the actual dynamics of the MGs. It is a prominent feature that enables engineers to customize the performance metrics of the system. In addition, the analysis of the stability of the closed-loop DC microgrid system, as well as the optimality and consensus of current sharing are given. Finally, a scaled-down solar and battery-based microgrid prototype with maximum power point tracking controller is developed in the laboratory to experimentally test the efficacy of the proposed control method.

     

基于多神经元模型的非线性系统预测控制

利用单神经元来逼近非线性系统在平衡点邻域内的泰勒展开式的直至二次项,首次提出了一种用多个单神经元模型来拟合非线性系统的建模方法,引入多模型参考轨迹,得到一种新的多模型预测控制。仿真结果表明,基于二阶泰勒级数得到的多神经元模型的预测控制器的性能要优于采用泰勒级数一阶线性项得到的多模型预测控制器,但计算量并未显著增加。     

基于预测控制方法的非线性神经网络逆控制

针对一类多输入多输出非线性被控对象,利用前向神经网络逼近原系统的逆系统,将其作为控制器,采用预测滚动优化性能指标训练该神经网络逆控制器,以克服干扰和不确定性影响,实现对多变量非线性对象的解耦控制。对某微型锅炉对象进行了控制算法仿真,结果表明,所提出的控制方法能够克服模型误差的影响,实现稳定解耦控制,且易于实现。在仿真过程中通过实验方法建立该锅炉对象的神经网络预测模型,并注意采用泛化方法采集训练样本数据和训练神经网络,以提高神经网络模型的泛化能力。     

非线性预测控制终端约束集的优化

为保证预测控制的稳定性, 经典的策略是在预测控制的优化问题中加入终端约束集和终端惩罚函数, 并保证终端约束集是一个在终端控制律作用下的正不变集, 终端惩罚函数是受控系统的局部控制Lyapunov函数. 本文提供了一种求解非线性系统终端约束集、终端控制律和终端惩罚函数的新策略. 通过在优化问题中引入新的变量来降低求解终端约束条件的保守性, 并且可以从理论上保证求解得到的终端约束集更大. 通常情况下, 较大的终端约束集将允许选取的预测时域较小, 因而可以降低预测控制的在线计算负担. 从形式上看, 新的变量的引入使得终端约束集和终端惩罚项实现了某种程度的解耦, 即终端约束集不再是终端惩罚函数的水平截集. 最后通过仿真算例验证了所提策略的有效性.     

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.     

一类非线性系统非切换解析模型预测控制方法研究

针对关系度不确定非线性系统, 基于模型预测控制理论和切换解析非线性模型预测控制(Nonlinear model predictive control, NMPC) 提出了一种非切换的解析NMPC新方法. 论证了在非切换解析NMPC控制律下, 通过坐标变换可以将闭环系统分别在关系度确定和不确定的两个子空间近似为线性系统, 得出非切换解析NMPC使闭环系统稳定的必要条件. 通过仿真实验验证了非切换解析NMPC可以达到很好的响应特性, 无需切换的特征也扩大了其应用范围.     

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．     

基于神经网络的非线性预测控制综述

基于神经网络的非线性预测控制是智能控制中的重要前沿课题，在工业过程控制领域有着非常大的应用前景。从预测方式、控制律求解方法和典型应用等几个角度对基于神经网络的非线性预测控制做了综述。对其中的关键技术做了深入阐述。并指明了今后的发展方向。     

基于全驱系统方法的高阶严反馈系统时变输出约束控制

针对输出受不对称时变约束的不确定高阶严反馈系统, 提出一种基于全驱系统方法的高阶自适应动态面输出约束控制方法. 所研究的高阶严反馈系统, 每个子系统都是高阶形式, 通过非线性转换函数将原输出约束系统转换为新的无约束系统, 从而将原系统输出约束问题转化为新系统输出有界的问题. 进一步结合全驱系统方法和自适应动态面控制, 直接将每个高阶子系统作为一个整体进行控制器设计, 而不需要将其转化为一阶系统形式, 有效简化了设计步骤; 同时通过引入一系列低通滤波器来获得虚拟控制律的高阶导数, 以代替复杂的微分运算. 基于Lyapunov稳定性理论证明闭环系统所有信号是一致最终有界的, 系统输出在满足约束的条件下能有效跟踪期望的参考信号, 且可通过调整参数使得系统跟踪误差收敛到零附近的足够小的邻域内. 最后, 通过对柔性关节机械臂系统进行仿真, 验证了所提出控制方法的有效性.     

一类非线性网络控制系统的故障检测

针对远程被控对象为非线性模型,且具有输出诱导时延的一类网络控制系统（NCS）,假设可能发生执行器故障,对系统进行故障检测：利用T—S模糊模型将对象线性化,建立了模糊观测器,并给出了观测器系统渐近稳定的条件。进一步地,又考虑到满足该观测器稳定条件的矩阵难以寻找到,因此利用模糊模型中的主导子系统思想,重新设计了观测器,并基于Lyapunov稳定性定理,推导出了整个观测器系统全局渐近稳定的充分条件。最后,通过一个仿真例子验证了方法的有效性。     

Direct Power Control of Dfig by Using Nonlinear Model Predictive Controller

This paper proposes a nonlinear model predictive direct power control (PDPC) strategy for a double fed induction generator (DFIG)‐based wind energy generation system. Active and reactive power variations of DFIG are calculated based on machine rules, and a nonlinear model of DFIG is given. A nonlinear model predictive controller (NMPC) is presented based on the useful cost function and constraint that it results in more proximity between simulations and reality. The power and current ripples are reduced and the optimal rotor voltage is generated based on an objective function and the constraints. The rotor voltage vector is calculated in the synchronous reference frame and transferred into the rotor reference frame. Simulation results of a 2 MW DFIG system show good performance of the proposed method during variation of active and reactive powers, machine parameters, and wind speed. Also, the transient responses of active and reactive powers are within a few milliseconds.