多输入/多输出系统动态矩阵控制鲁棒稳定性

研究了基于脉冲响应模型的动态矩阵预测控制(DMC)算法,针对多输入、多输出(MIMO)系统脉冲响应模型的特点,利用脉冲响应系数误差矩阵范数平方和定义预测模型的模型误差,以线性矩阵不等式(LMI)的形式提出了DMC闭环鲁棒稳定充要条件,将DMC算法闭环稳定问题转换为一类线性矩阵不等式的可解问题.并且研究了模型误差与闭环系统稳定性之间的关系,给出了保证系统稳定条件下模型误差界的求取方法,通过求解一个线性矩阵不等式约束的凸优化问题得到保证闭环系统稳定的误差界.最后,利用算例对本文方法的有效性进行了验证.     

状态时滞时变不确定系统的鲁棒H∞ 输出反馈控制器设计

主要研究了存在状态滞后的线性时变不确定时滞系统的鲁棒∞控制分析和综合问题,给出了对所有容许不确定性,被控对象可二次镇定和满足从干扰输入到控制输出的Ｈ∞范数界约束的动态输入出反馈鲁棒Ｈ∞控制分析结果,将不确定时滞系统的鲁棒Ｈ∞输出反馈控制器设问题等价对两个线性时不变系统的状态反馈标准Ｈ∞控制问题,并由此得到反馈阵和观测阵,了终得到鲁棒Ｈ∞控制器综合设计方法。     

航天器近距离相对运动的鲁棒约束模型预测控制

航天器在轨服务对近距离相对运动精确控制的需求越来越强.通过引入集合理论,采用鲁棒可变时域模型预测控制和混合整数线性规划,解决了航天器近距离相对运动的鲁棒控制问题,便于处理控制约束和状态约束,对未知有界干扰、推力误差和导航误差具有鲁棒性.首先,针对航天器近距离相对运动过程中向任意目标集的有限时间机动问题,采用离散化C-W(Clohessy-Wiltshire)动力学模型、时间一能量组合优化目标函数和线性约束表示建立了控制问题模型;其次,给出了基于约束压缩的鲁棒可变时域模型预测控制算法,可以确保鲁棒可行和鲁棒完成;引入i-步鲁棒可控集分析问题可行性,通过集合运算将导航误差处理成有界干扰,采用混合整数线性规划完成了控制器设计.最后,数值仿真验证了模型的有效性.     

带有不确定参数的线性时滞系统的强鲁棒H∞-控制:LMI方法

利用线性矩画不等式（ＬＭＩ）方法讨论了带有不确定参数,而且被调输出含时滞状态和干扰输入的线性时滞系统的强理棒Ｈ∞－控制问题,得到了这类系统鲁棒Ｈ∞－控制问题有解的充分必要条件,并且相应给出所有可参数化无记忆强鲁棒Ｈ∞－控制器的设计。     

区间时滞相关离散非线性系统的鲁棒模型预测控制

针对一类带有扰动、输入约束和凸多面体不确定性的区间时滞离散非线性系统, 提出一种鲁棒模型预测控制方法. 一方面, 利用min-max 模型预测控制求解鲁棒模型预测控制器, 以研究鲁棒预测控制在范数有界意义下的扰动抑制问题; 另一方面, 充分利用时滞的上下界信息构造Lyapunov 函数以得到控制器存在的充分条件. 最后给出了闭环系统鲁棒稳定性证明.     

大时滞过程的预测自耦PI控制方法

针对大时滞系统的控制难题,提出了一种不依赖于被控对象模型的预测自耦PI（predictive self-coupling PI,PSC-PI）控制方法.该方法利用预估模型输出补偿实际输出,将系统外部扰动和内部不确定性定义为总和扰动,据此建立了动态误差系统,设计了以速度因子为核心的预测自耦PI控制律及其整定规则,进而形成了一个在总和扰动反相激励下的动态误差系统.理论分析表明,由预测自耦PI控制器组成的闭环控制系统具有全局鲁棒稳定性.仿真实验结果表明,该方法可以快速、平滑、准确地跟踪期望信号且控制精度高,在大时滞过程控制领域具有重要的理论意义和应用价值.     

多变量网络化DMC算法的鲁棒稳定性研究

在工业控制系统优化算法的研究中,引入网络化控制系统,针对多输入多输出动态矩阵控制(DMC)算法的鲁棒稳定性问题,首先根据有限脉冲响应(FIR)模型导出了网络控制系统通信信道上存在随机网络诱导时延的网络化DMC算法;其次,在考虑预测模型与系统实际模型之间存在模型失配情况下,利用线性矩阵不等式方法(LMI)分析该网络化DMC算法的鲁棒稳定性问题,进而建立了网络化DMC算法的鲁棒稳定性的充分条件。数值仿真验证表明解决工业控制系统性能优化的有效性。     

输出时滞双率采样系统的鲁棒迭代学习控制

针对一类带有输出时滞的单输入单输出双率采样系统,提出一种鲁棒迭代学习控制算法.首先,利用提升技术将带有输出时滞的双率采样系统转化为无时滞形式的慢速率采样的状态空间模型,并基于二维(2D)系统理论,将迭代学习控制过程转化为等价2D模型;然后利用线性矩阵不等式(LMI)技术,给出确保系统稳定的充分条件和鲁棒控制器设计方法;最后,通过3层液位贮槽系统的液位控制仿真验证所提出方法的可行性和有效性.     

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.     

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．     

SISO积分对象预测函数控制算法的鲁棒稳定性条件

基于积分对象脉冲响应设计预测函数控制器,引入一种新的误差反馈校正方法可有效消除系统稳态误差.通过多项式Jury主系数稳定性判定定理,定性给出SISO积分对象闭环预测函数控制算法鲁棒稳定的条件.所给控制算法鲁棒性强、在线计算量小.仿真实验说明了该方法的有效性和优点。     

A Multi-step Output Feedback Robust MPC Approach for LPV Systems with Bounded Parameter Changes and Disturbance

This paper considers a multi-step output feedback robust model predictive control (OFRMPC) approach for the linear parameter varying (LPV) systems with bounded changes of scheduling parameters and bounded disturbance. Less conservative bounds of future estimation error sets and system parametric uncertain sets are predicted by considering bounded changes of scheduling parameters in LPV systems. In the multi-step OFRMPC approach, an optimization problem is solved to obtain a sequence of controller gains, which considers predictions of future bounds of estimation error sets and system parametric uncertain sets. The optimized sequence of controller gains corresponding to a sequence of Lyaponov matrices have less constraint conditions and also introduce more degree of freedom for the optimization. The proposed multi-step OFRMPC guarantees robust uniform ultimately bounded of the estimation error and robust stability of the observer system. A numerical example is given to demonstrate the effectiveness of the approach.     

状态反馈预测控制干扰解耦的研究

讨论状态反馈预测控制系统设计中的干扰解耦设计问题，给出了状态反馈预测控制系统干扰可解耦设计的充分必要条件。基于状态空间模型，给出了状态反馈预测控制系统设计参数——预测时域按干扰解耦设计的选取方法。它可改善控制系统的性能，提高控制系统的抗干扰能力。仿真结果表明了状态反馈预测控制系统干扰解耦设计的有效性。     

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.     

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.     

一类具有非线性扰动的多重时滞不确定系统鲁棒预测控制

针对一类具有非线性扰动且同时存在多重状态和输入时滞的不确定系统, 提出 一种鲁棒预测控制器设计方法. 基于预测控制滚动优化原理, 运用Lyapunov稳定性 理论和线性矩阵不等式 (Linear matrix inequalities, LMIs)方法, 首先近似求解无限时域二次性能指标优化问题, 然后优化非 线性扰动项所应满足的最大上界, 定量地研究鲁棒预测控制在范数有界意义下的扰动抑制 问题, 并给出了鲁棒预测控制器存在的充分条件. 最后通过仿真验证了所提方法的有效性.     

Separated design of robust model predictive control for LPV systems with periodic disturbance

To eliminate the steady-state error of systems with periodic disturbance, the repetitive control (RC) is a useful approach. For practical applications, the controller is designed to both steer system output to a given set-point (or track a given reference signal) and reject periodic disturbance. The learning procedure of RC and the control action to steer system output to a set-point may influence each other and prolong the convergence time RC. In order to reduce this interaction, this paper proposes a separated design approach. A linear parameter varying (LPV) system is considered. A repetitive predictive control (RPC) and a robust model predictive control (RMPC) are separately designed, respectively, corresponding to reject the periodic disturbance and steer system output to the set-point. The convergence of the proposed RPC sub-controller is derived. The numerical examples show that the proposed design is effective.     

有界扰动下约束非线性系统鲁棒经济模型预测控制EI北大核心CSCD

针对未知但有界扰动下约束非线性系统,提出一种新的鲁棒经济模型预测控制(Economic model predictive control,EMPC)策略,保证闭环系统对扰动输入具有输入到状态稳定性(Input-to-state stability,ISS).基于微分对策原理,分别优化经济目标函数和关于最优经济平衡点的鲁棒稳定性目标函数,其中经济最优性与鲁棒稳定性是具有冲突的两个控制目标.利用鲁棒稳定性目标最优值函数构造EMPC优化的隐式收缩约束,建立鲁棒EMPC的递推可行性和闭环系统关于最优经济平衡点相对于有界扰动输入到状态稳定性结果.最后以连续搅拌反应器为例,对比仿真验证本文策略的有效性.     

基于子空间辨识的模型预测控制策略及其应用

针对化工过程中普遍存在的非线性和时变特性, 提出了一种基于递推子空间辨识的自适应预测控制策略.用子空间辨识法得到的预测模型作为初始模型, 通过比较初始模型和在线更新模型的匹配误差, 选择匹配误差较小的预测模型计算过程的输入, 从而提高了模型精度. 通过模拟移动床过程控制的仿真试验, 表明该方法具有较强的鲁棒性和抗干扰能力.     

An observer‐based output feedback robust MPC approach for constrained LPV systems with bounded disturbance and noise

The present paper addresses an observer‐based output feedback robust model predictive control for the linear parameter varying system with bounded disturbance and noise subject to input and state constraints. The main contribution is that the on‐line convex optimization problem not only simultaneously optimizes the observer and controller gains to stabilize the augmented closed‐loop system but also incorporates the refreshment of bounds of the estimation error set. The optimization problem steers the nominal augmented closed‐loop system to converge to the origin, and the real augmented closed‐loop system bounded within robust positive invariant set converges to a neighborhood of the origin such that recursive feasibility of the optimization and robust stability of the controlled system are ensured. Two numerical examples are given to illustrate the effectiveness of the method.