动态输出反馈鲁棒模型预测控制离线算法

研究具有多包不确定性和有界噪声系统的动态输出反馈鲁棒模型预测控制(Robust model predictive control, RMPC)的离线方法. 先前的在线方法中, 在估计状态和估计误差集合已知的情况下, 在每一采样时刻通过近似最优算法求解控制器参数. 本文采用先前的方法计算离线控制器参数和吸引域. 首先, 选定一系列估计状态, 其中,每个估计状态对应同样一组嵌套的估计误差集合. 然后,针对每一估计状态和每一估计误差集合的组合,离线计算唯一的控制器参数和对应的吸引域. 这些控制器参数和对应的吸引域存储在表中. 如果离线确定的吸引域包含实时的扩展状态, 则该离线控制器参数是实时可行的. 在线时, 根据实时估计状态和选取实时估计误差集合, 在表中搜索包含实时扩展状态且优化性能指标最小的吸引域所对应的控制器参数. 通过连续搅拌釜式反应器控制系统验证了该方法的有效性.     

基于椭圆型估计误差界的动态输出反馈鲁棒模型预测控制

研究具有多包不确定型参数和有界噪声系统的动态输出反馈鲁棒模型预测控制（Output feedback robust model predictive control,OFRMPC）的综合方法. 前期的研究表明,估计误差集合（Estimation error set,EES）的更新是输出反馈模型预测控制综合方法研究的一个关键技术. 在本文中,通过利用S-procedure,采用新的估计误差集合更新方法.通过适当地在线更新估计误差集合,可获得下一采样时刻更紧凑的估计误差集合. 通过数值仿真例子验证了该方法的有效性.     

基于参数依赖动态输出反馈鲁棒MPC的混沌系统同步

针对离散时间不确定混沌系统的同步控制问题,提出一种基于参数依赖动态输出反馈鲁棒模型预测控制算法.首先,采用主动控制策略,将具有噪声扰动的主从混沌系统同步问题转化为鲁棒稳定性问题;然后,采用参数依赖动态输出控制器和二次有界概念,在保证闭环系统鲁棒稳定性的同时,降低算法的保守性;最后,通过附加约束条件,能够显式处理混沌系统同步中的输入约束.仿真结果表明了所提出算法的有效性.     

不确定广义系统的输出反馈鲁棒预测控制

针对一类具有范数有界不确定性的广义系统,当系统状态不可测时,提出了一种基于输出反馈的鲁棒预测控制器综合算法．采用ＬＭＩ方法以及变量变换思想,将无限时域“最小最大”优化问题转化为线性规划问题．确定出一组分段连续的输出反馈控制序列,给出了输出反馈控制律存在的充分条件,证明了优化问题在初始时刻的可行解可以保证广义闭环系统是渐近稳定且正则无脉冲的．仿真实例验证了所提出方法的有效性．     

Markov跳变系统的输出反馈鲁棒预测控制

对离散时间Markov跳变系统, 当系统状态不完全可测时, 研究了一类基于输出反馈的鲁棒模型预测控制问题. 所研究系统为准线性参数时变的, 考虑在当前时刻系统的时变参数是已知的, 将来时刻未知的情况. 综合考虑系统存在多胞不确定性和有界噪声等因素, 通过运用线性矩阵不等式方法及变量变换思想, 将无穷时域性能指标的最小最大鲁棒预测控制问题转化为具有线性矩阵不等式约束的凸优化问题, 得到了系统的输出反馈控制律. 引入二次有界概念, 在满足输入输出约束的情况下, 保证闭环系统的随机稳定性. 数值算例验证了方法的有效性.     

不确定离散时滞系统的输出反馈鲁棒预测控制

对一类输入输出受限的不确定离散时滞系统,研究了使得闭环系统渐近稳定且滚动时域性能指标在线最小化的鲁棒预测输出反馈控制器设计问题.基于预测控制的滚动优化原理,给出了输出反馈控制器存在的充分条件.采用锥补线性化思想将控制器的设计转化为一个受线性矩阵不等式(LMI)约束的非线性规划问题,并利用该线性矩阵不等式的可行解给出了输出反馈控制器的构造方法.最后通过仿真验证了该方法的有效性.     

一类不确定模糊模型的输出反馈鲁棒预测控制

针对一类满足扇形界条件的不确定模糊模型描述的非线性系统,提出一种输出反馈鲁棒预测控制方法．该方法将鲁棒预测控制的Min-Max优化问题转化为具有LMI约束的线性目标最小化问题,并且不需系统状态完全可测,仅仅利用系统测量输出和不可测状态的界限值来确定保证闭环系统鲁棒稳定的输出反馈控制器．仿真实验证明了该方法的有效性．     

不确定线性系统的输出反馈鲁棒H∞控制

研究了具有范数有界参数不确定线性系统的输出反馈鲁棒Ｈ∞控制问题，给出了该系统带Ｈ∞指标γ鲁棒稳定的充要条件，以及该系统静态输出反馈带Ｈ∞指标γ鲁棒镇定的充要条件，并且指出，系统的动态输出反馈鲁棒Ｈ∞镇定问题可等价为广义系统的静态输出反馈鲁棒Ｈ∞镇定问题，所给出的方法，其设计过程只需解一个特殊的Ｒｉｃｃａｔｉ方程最后通过实例论证了方法的有效性。     

时滞不确定组合系统的鲁棒分散输出控制

讨论了时滞不确定组合系统的鲁棒分散输出控制问题．不确定项存在于子系统内部,可以是非线性或时交的：而且时滞存在互联项中,并满足匹配条件．不确定项是有界的,但界是未知的．利用自适应律来估计未知的上界,设计出分散无记忆输出控制器．基于Lyapunov稳定性理论和Lyapunov-Krasovskii函数,该控制器能够保证闭环系统的解是终极一致有界的．最后的仿真结果说明该设计方法是有效的．     

New Formulation of Dynamic Output Feedback Robust Model Predictive Control with Guaranteed Quadratic Boundedness

The dynamic output feedback robust model predictive controller for a system with both polytopic uncertainty and bounded disturbance is addressed in this paper. This controller utilizes a main optimization problem to find the control law and a simple auxiliary optimization problem to refresh the bounds on the true state. The main optimization problem, which is not necessarily solved at each sampling instant, achieves the near‐optimal solution. The auxiliary optimization, which is solved at each sampling instant, is followed with a simple criterion which determines whether or not to solve the main optimization problem at the next sampling time. By applying the proposed method, the augmented state of the closed‐loop system is guaranteed to converge to the neighborhood of the equilibrium point.     

Robust Output Feedback Model Predictive Control: A Stochastic Approach

This paper addresses the robust explicit model predictive control scheme for linear systems with input and output constraint in the presence of disturbances and noise. Conditions for disturbance rejection are established by incorporating a full state/disturbance observer. The separation principle is applied to design an optimal observer in the unconstrained problem. Then, an efficient algorithm is developed to explicitly design observer gains by minimizing a quadratic performance criterion. It is shown that the solution includes a set of regions with piecewise affine functions of the state and reference vectors and a set of regions with optimal observers. In the proposed method, two sets of partitions associated with the control law and the observer gains are obtained. Therefore, the online computation includes finding the active regions of both observer and control law partitions in which the current state is located. The proposed technique is particularly attractive for a wide range of practical problems where the exact model of the actual system is not available.     

Synthesis of Mixed Objective Output Feedback Robust Model Predictive Control

Aiming at the constrained polytopic uncertain system with energy‐bounded disturbance and unmeasurable states, a novel synthesis scheme to design the output feedback robust model predictive control(MPC)is put forward by using mixed H₂/H_∞ design approach. The proposed scheme involves an offline design of a robust state observer using linear matrix inequalities(LMIs)and an online output feedback robust MPC algorithm using the estimated states in which the desired mixed objective robust output feedback controllers are cast into efficiently tractable LMI‐based convex optimization problems. In addition, the closed‐loop stability and the recursive feasibility of the proposed robust MPC are guaranteed through an appropriate reformulation of the estimation error bound (EEB). A numerical example subject to input constraints illustrates the effectiveness of the proposed controller.     

Dynamic Output Feedback Robust MPC With one Free Control Move for LPV Model With Bounded Disturbance

For a linear parameter‐varying (LPV) model which is a convex combination of several linear time invariant sub‐models, this paper considers the case when the combining coefficients are unknown (except being nonnegative and their sum being one). For this model with norm‐bounded unknown disturbance, an output feedback robust model predictive control (MPC) is proposed by parameterizing the infinite horizon control moves and estimated states into one free control move, one free estimated state (i.e., one control move and one estimated state as degrees of freedom for optimization) and a dynamic output feedback law. This is the first endeavour to apply the free control move and free estimated state in the output feedback MPC for this model. The algorithm is shown to be recursively feasible and the system state is guaranteed to converge to the neighborhood of the equilibrium point. A numerical example verifies the effectiveness of the proposed algorithm.     

基于区间二型T-S模糊模型的网络控制系统的输出反馈预测控制

针对干扰作用下的非线性网络控制系统,给出了带一个自由控制作用的输出反馈预测控制方法.首先,利用区间二型T-S模糊模型描述具有参数不确定性的非线性对象,采用马尔科夫链描述系统中的随机丢包过程,由此建立了丢包网络环境下的非线性网络控制系统的数学模型.然后,通过引入二次有界技术得到了干扰作用下网络控制系统的稳定性描述方法,并在此基础上给出了状态观测器的线性矩阵不等式条件.最后,基于估计状态,通过将无穷时域控制作用参数化为一个自由控制作用加一个线性反馈律得到了输出反馈预测控制方法.论文的特色在于构建了在线更新误差椭圆集合的基本方法,满足了约束条件下输出反馈预测控制保证稳定性的要求.仿真例子验证了所提方法的有效性.     

基于输出反馈的不确定连续系统的鲁棒预测控制

运用线性矩阵不等式方法,研究一类基于输出反馈的线性连续时间范数有界参数不确定系统的鲁棒预测控制问题．基于变量变换的思想,将无限时域“最小—最大”优化问题转化为线性规划问题,得出分段连续的输出反馈控制律,并给出了控制律存在的充分条件,证明了优化问题在初始时刻的可行解保证闭环系统渐近稳定．仿真实例验证了此方法的有效性．     

Dynamic output feedback robust model predictive control

The synthesis approach for dynamic output feedback robust model predictive control is considered. The notion of quadratic boundedness is utilised to characterise the stability properties of the augmented closed-loop system. A finite horizon performance cost, which corresponds to the worst case of both the polytopic uncertainty and the bounded disturbance/noise, is utilised. It is not required to specify the horizon length. A numerical example is given to illustrate the effectiveness of the proposed controller.     

一类不确定非线性系统的模糊动态输出反馈控制

利用模糊T－S模型对一类不确定非线性系统进行模糊建模,在此基础上研究基于观测器的模糊动态输出反馈控制,给出了模糊闭环系统二次稳定的充分条件及其反馈控制增益和观测器的求法,以及输出反馈控制器的设计方法,仿真结果证明所提出的控制方法是有效的。