基于容许集的变终端约束MPC控制

针对一类输入和状态受约束的离散线性系统,提出一种基于Ⅳ步容许集的变终端约束集模型预测控制方法.首先给出多面体不变集序列作为终端约束集的离线模型预测控制算法,扩大了终端约束集.为进一步扩大初始状态可镇定区域,引入N步容许集,设计了基于容许集的变终端约束集模型预测控制方法.该算法采用离线设计、在线优化方法,实现了系统渐近稳定,不仅降低了在线运算量,而且扩大了初始状态可镇定区域.仿真结果表明了算法的有效性.     

基于多面体不变集的变终端约束集RMPC

针对一类状态和输入受约束的多胞不确定线性时变系统,提出了一种基于多面体不变集的变终端约束集鲁棒模型预测控制算法.首先采用基于状态反馈增益的多面体不变集计算方法,给出了一种新的控制不变集序列构造方法,然后以控制不变集序列的并集作为终端约束集,结合在线优化和增益切换,实施变终端约束集双模鲁棒预测控制.该算法不仅有效地扩大了...     

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.     

基于对角解耦的多变量约束广义预测控制

由于多变量系统各变量之间往往存在严重耦合现象,在对系统进行对角解耦的基础上,设计了带约束输入的广义预测控制算法。该算法保证了系统输出有效跟踪设定值,并且充分考虑了输入信号及其增量均受约束的情况,使其均被控制在允许范围之内,同时避免了求解Diophantine方程,很大程度上减少了计算量。仿真结果表明该算法可以在很大程度上削弱变量之间的耦合程度,且具有良好的控制效果。     

基于状态观测器的约束鲁棒模型预测控制

模型不确定情况下的鲁棒问题是模型预测控制的一个根本问题。本文采用线性矩阵不等式(LMI)，研究多模型不确定性描述情况下的鲁棒模型预测控制问题。在输入输出约束条件下，最小化最坏情况下的无穷时域目标函数，获得保证系统稳定的基于状态观测器的状态反馈增益并且给出观测器增益的设计方法。实例说明算法可行且保证闭环系统渐近稳定。     

有界扰动多变量Hammerstein系统输入到 状态稳定模型预测控制

考虑具有状态和控制约束的有界未知扰动多变量Hammerstein系统,提出一种具有输入到状态稳定和有限L_2增益性能的鲁棒非线性模型预测控制策略.基于多变量线性子系统H_∞控制律,滚动预测非线性代数方程的解算误差,继而在线优化计算满足系统约束条件的预测控制量.利用输入到状态稳定性概念和L_2增益思想,建立闭环系统关于该扰动信号具有鲁棒稳定性和L_2增益的充分条件,使闭环系统不仅满足系统约束,而且对不确定扰动输入和解算误差具有鲁棒性.最后以工业聚丙烯多牌号切换过程控制为例,仿真验证本文算法的有效性.     

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.     

新型输入加权预测控制器

提出一种新型输入加权预测控制器,通过对控制输入进行柔化和滤波处理,使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平衡,从而大大减小控制输入的震荡,具有较快的响应能力。通过对其结构的分析可知,该控制器具有滤波功能,能有效抑制模型误差的影响和控制量的震荡,克服了文献[1]需要在线记忆预测控制输入的缺点,不仅简化了算法,而且大大减少了系统的记忆容量。仿真结果表明了该算法的优异性能。     

一类约束条件下的跟踪保性能控制

本文研究了一类时变非线性系统在输入有位置约束条件下的跟踪保性能控制问题.首先对非线性对象选择合适的特征运行状况,采用瞬时线性化技术得到多个线性化控制模型,将之看作是一个线性不确定系统,提出应用基于线性矩阵不等式的跟踪保性能控制设计控制器,然后经过推导得到了满足控制约束的充分条件,以定理的形式给出了约束条件下跟踪保性能控制器存在的充分条件.最后给出了仿真算例,仿真结果表明了所提方法的有效性和可行性.     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

求解最优潮流KKT系统的一类新模型及算法设计

电力工业的市场化改革对最优潮流(optim al pow er flow,OPF)的计算精度和速度提出了更高的要求.本文针对OPF模型中存在大量的无功界约束的特性,把一般非线性不等式约束和界约束分开处理,通过引入一个对角矩阵和非线性互补函数,建立了与OPF问题的K arush-Kuhn-Tucker(KKT)系统等价的约束非光滑方程新模型.进一步,基于新建立的模型,提出了一类具有理论上收敛性保证的投影半光滑N ew ton型算法.相对于传统的解OPF的KKT系统和非线性互补函数方法,新方法一方面保持了非线性互补函数法无需识别有效集的优点,同时又减少了问题的维数,且投影计算保持了无功界约束的可行性.IEEE多个算例的数值试验显示本文所提出的模型和算法具有较好的计算效果.     

Low-Power Design for Real-Time Systems

Real-time Systems often are located in the special environments where the power consumption is a big concern. Upon presence of timing constraints, the low power design on the real-time systems has significant impact on the performance as well as the schedulability of the systems. The system developers are facing the challenges for reducing the power consumption and meeting the timing constraints in the real-time systems.This paper represents one of few attempts to address the issue of the low power design on real-time systems. We present two power reduction methods: one is at the software compilation level and the other at the operating system level. Given a real-time program, an inter-instruction power reduction technique is proposed to transform the program to another one with lower power consumption. In addition, a scheduling algorithm for real-time operating systems is proposed to reschedule real-time programs when the execution time of the programs is changed. Therefore, the proposed scheduling algorithm works together with the proposed power reduction technique to make sure all programs meet their deadlines and to improve the system schedulability. We also evaluate the performance of the proposed inter-instruction reduction method by comparing it with the cold scheduling algorithm and show that the proposed method outperforms the cold scheduling algorithm and reduces more energy power.     

Differential constraints for bounded recursive identification with multivariate splines

The ability to perform online model identification for nonlinear systems with unknown dynamics is essential to any adaptive model-based control system. In this paper, a new differential equality constrained recursive least squares estimator for multivariate simplex splines is presented that is able to perform online model identification and bounded model extrapolation in the framework of a model-based control system. A new type of linear constraints, the differential constraints, are used as differential boundary conditions within the recursive estimator which limit polynomial divergence when extrapolating data. The differential constraints are derived with a new, one-step matrix form of the de Casteljau algorithm, which reduces their formulation into a single matrix multiplication. The recursive estimator is demonstrated on a bivariate dataset, where it is shown to provide a speedup of two orders of magnitude over an ordinary least squares batch method. Additionally, it is demonstrated that inclusion of differential constraints in the least squares optimization scheme can prevent polynomial divergence close to edges of the model domain where local data coverage may be insufficient, a situation often encountered with global recursive data approximation.     

Control allocation technology based on fault diagnosis for the unmanned aerial vehicle system subject to physical constraints and fault reconfiguration mismatch

The problem of the system robustness subject to physical constraints and mismatched fault reconstruction is discussed in this paper. In order to facilitate the design, a four-rotor unmanned aerial vehicle (UAV) system model was selected for research. First, the control allocation model of the nonlinear UAV system with disturbances is shown in the paper. Secondly, a weighted pseudo-inverse method based on adaptive weights is proposed, which reduces the impact of physical constraints on the system. After that, a dynamic weight control allocation method based on the fault efficiency matrix is designed. The weight matrix can dynamically adjust the control distribution law according to the fault estimation value provided by the observer. Then, a dynamic adaptive control allocation method for faults and physical constraints is carried out by combining adaptive weights and dynamic weights. Finally, a simulation example is presented to further illustrate the effectiveness of the algorithm proposed in this paper.     

基于NoC规则Mesh的映射算法

为实现低能耗片上网络(NoC)规则Mesh的映射,提出一种基于NoC规则Mesh的映射算法。根据规则拓扑结构的对称性,得出 第1个核多个等价映射最优解,并保留其中一个解,从而缩小搜索空间,并结合分枝界限算法的剪枝原理,对其余核依次进行映射。实验结果表明,该算法具有较低的通信代价和较短的运行时间。     

平衡装载约束下的车辆路径问题研究

针对车辆三维装载约束下的车辆路径问题（3L-VRP）进行研究,引进车辆的平衡装载约束,综合考虑传统的先进后出、局部支撑、脆弱性等约束,构建平衡装载约束下的车辆路径问题（BL-VRP）模型。针对模型中的平衡约束,提出一种接触面积的装载算法。在此基础上,构建以回溯遗传算法（B-GA）为骨架的多阶段算法框架,对车辆路径优化进行求解。研究结果表明,多阶段算法不仅在解决3L-VRP上好于目前已有算法,同时对BL-VRP表现优秀。提出的多阶段算法为解决BL-VRP问题提供一条参考思路,但在时效性上需要进一步完善。     

基于多层概率集的随机预测控制算法设计

考虑具有乘型不确定性的离散随机系统约束控制问题, 设计了一种基于多层概率集的随机预测控制算法. 多层概率集描述了状态在多步反馈控制律下的一系列不同概率的分布区域, 因此能够同时保证多个不同概率要求的软约束. 通过动态优化多步反馈律, 算法具有较大的可行范围. 之后设计的简化算法在降低计算负担的同时保证了算法的可行范围.     

带时间窗和服务顺序约束的多需求车辆路径问题

研究顾客具有多种需求,分别需要由不同类型车辆提供服务,且同一顾客多种需求的服务时间具有固定先后顺序的车辆路径问题.在考虑各个顾客需求的服务时间窗,同一顾客不同需求的服务顺序、服务时间间隔,以及各种车型的车容量及最大行驶时间等约束的前提下,以满足顾客多种需求的车辆运行成本和等待成本之和极小化为目标,建立混合整数规划模型.进一步设计求解模型的联合优化遗传算法,并利用车辆路径问题的标准测试集构造具有两种需求的测试算例,分别利用所提出的联合优化遗传算法与文献中的两阶段遗传算法进行模拟计算与分析,验证所提出算法的有效性.将经典的单一需求车辆路径问题推广到多种需求的情形,建立带约束的多需求车辆路径问题的数学模型并设计求解模型的有效算法,为解决实际问题提供了决策依据.     

三维服装仿真中的"服装-人体"快速冲突检测及响应算法

维胆装仿真可以为三维人体动画生成逼真的服装动态效果，但其中的冲突检测与仿真计算的时间复杂度太高，其实用性一直受到很大限制．提出了一种快速的“服装-人体”冲突检测友响应算法，在人体运动状态下，快速检测服装与人体之间的位置冲突，其时间复杂度仅为O（n）（n为服装模型上的顶点数目）．在此基础上，提出一种合理有效的冲突响应机制，并实现快速稳定的三维服装仿真，取得了真实的仿真结果．     

Design of an RMPC with a time‐varying terminal constraint set for tracking problem

This paper presents a robust model predictive control algorithm with a time‐varying terminal constraint set for systems with model uncertainty and input constraints. In this algorithm, the nonlinear system is approximated by a linear model where the approximation error is considered as an unstructured uncertainty that can be represented by a Lipschitz nonlinear function. A continuum of terminal constraint sets is constructed off‐line, and robust stability is achieved on‐line by using a variable control horizon. This approach significantly reduces the computational complexity. The proposed robust model predictive controller with a terminal constraint set is used in tracking set‐points for nonlinear systems. The effectiveness of the proposed method is illustrated with a numerical example. Copyright © 2015 John Wiley & Sons, Ltd.