一种基于衰减集结的鲁棒预测控制器

高效鲁棒预测控制 (ERPC) 是一种在线计算量较小, 且控制性能较好的鲁棒预测控制算法. 但采用单一椭圆不变集的设计方法存在保守性. 本文采用衰减集结策略, 通过离线设计在系统状态空间中投影彼此正交的两个椭圆不变集, 在线进行凸组合的方法设计 ERPC 控制器, 使系统初始可行域进一步扩大, 并在一定程度上改善了控制性能.     

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.     

基于多步控制集的鲁棒预测控制器设计

针对有约束多胞不确定系统, 本文提出多步控制集的概念, 并将其作为终端集进而设计鲁棒预测控制器. 由于设计了一系列可变的反馈律, 鲁棒预测控制器可以得到更好的控制性能和更大的初始可行域. 另外, 利用多步控制集的特性, 本文提出了一种将预测控制器的在线计算量转移到离线完成的算法. 通过该算法, 可以有效地平衡鲁棒预测控制器的控制性能、在线计算量和初始可行域. 仿真算例验证了这些算法的有效性.     

Control of polystyrene batch reactors using neural network based model predictive control (NNMPC): An experimental investigation

Controlling batch polymerization reactors imposes great operational difficulties due to the complex reaction kinetics, inherent process nonlinearities and the continuous demand for running these reactors at varying operating conditions needed to produce different polymer grades. Model predictive control (MPC) has become the leading technology of advanced nonlinear control adopted for such chemical process industries. The usual practice for operating polymerization reactors is to optimize the reactor temperature profile since the end use properties of the product polymer depend highly on temperature. This is because the end use properties of the product polymer depend highly on temperature. The reactor is then run to track the optimized temperature set-point profile. In this work, a neural network-model predictive control (NN-MPC) algorithm was implemented to control the temperature of a polystyrene (PS) batch reactors and the controller set-point tracking and load rejection performance was investigated. In this approach, a neural network model is trained to predict the future process response over the specified horizon. The predictions are passed to a numerical optimization routine which attempts to minimize a specified cost function to calculate a suitable control signal at each sample instant. The performance results of the NN-MPC were compared with a conventional PID controller. Based on the experimental results, it is concluded that the NN-MPC performance is superior to the conventional PID controller especially during process startup. The NN-MPC resulted in smoother controller moves and less variability.     

Robust model predictive control for continuous uncertain systems with state delay

This paper is concerned with robust model predictive control for linear continuous uncertain systems with state delay and control constraints, A piecewise constant control sequence is calculated by minimizing the upper-bound of the infinite horizon quadratic cost function, At each sampling time, the sufficient conditions for the existence of the model predictive control are derived, and expressed as a set of linear matrix inequalities. The robust stability of the closed-loop svstems is guaranteed bv the proposed design method. A numerical example is given to illustrate the main results.     

Robust model predictive control for continuous uncertain systems with state delay

This paper is concerned with robust model predictive control for linear continuous uncertain systems with state delay and control constraints. A piecewise constant control sequence is calculated by minimizing the upper-bound of the infinite horizon quadratic cost function. At each sampling time, the sufficient conditions for the existence of the model predictive control are derived, and expressed as a set of linear matrix inequalities. The robust stability of the closed-loop systems is guaranteed by the proposed design method. A numerical example is given to illustrate the main results.     

基于动态矩阵控制的双层结构预测控制的整体解决方案

本文给出一种双层结构预测控制的整体解决方案. 该方案分为开环预测、稳态目标计算和动态控制三个模块. 开环预测基于实测被控变量值和过去的操作变量值, 在假设未来操作变量不再变化的情况下, 估计未来的被控变量值. 稳态目标计算根据开环预测结果和外部目标等要求, 计算操作变量、被控变量的稳态目标值以及软约束的放松量. 动态控制根据开环预测结果和稳态目标输出结果, 计算未来的控制作用增量序列, 采用经典的动态矩阵控制策略. 这个整体解决方案保证了三个模块在模型、约束、目标上的一致性. 该算法是在已有文献的基础上, 将三个模块统一处理得到的. 仿真与应用例子证实了该算法的有效性.     

基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control, ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control, MPC)和性能参考模型控制思想, 提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2 维性能参考模型来构造2 维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避 免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时 间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿 真结果证明了该设计方案的有效性和鲁棒性.     

模型预测控制——现状与挑战

30多年来, 模型预测控制(Model predictive control, MPC)的理论和技术得到了长足的发展, 但面对经济社会迅速发展对约束优化控制提出的不断增长的要求, 现有的模型预测控制理论和技术仍面临着巨大挑战. 本文简要回顾了预测控制理论和工业应用的发展, 分析了现有理论和技术所存在的局限性, 提出需要加强预测控制的科学性、有效性、易用性和非线性研究. 文中简要综述了近年来预测控制研究和应用领域发展的新动向, 并指出了研究大系统、快速系统、低成本系统和非线性系统的预测控制对进一步发展预测控制理论和拓宽其应用范围的意义.     

基于多优先级稳态优化的双层结构预测控制算法及软件实现

研究包含稳态目标计算（Steady-state target calculation,SSTC）层和动态控制层的双层结构预测控制（Model predictive control,MPC）及其实现方法. 我们将已有的辨识、优化和控制方案适当地组合并软件化. 通过在多优先级稳态目标计算中引入新的变量,给出了稳态目标计算的统一表达方法,每个优先级的优化问题或是跟踪外部目标,或是放松软约束. 通过仿真算例和应用实例相结合的方式验证了软件功能.     

Comments on “Quasi-min-max MPC algorithm for LPV systems” by Y. Lu and Y. Arkun, Automatica 36 (2000) 527-540

This note shows that the solvability of the modified quasi-min-max MPC algorithm of the paper Lu and Arkun, Automatica 36 (2000) 527 for the systems with input constraints is not guaranteed and the proof of the theorems are not sufficient via a counterexample of the Remark 5.     

约束非线性系统稳定经济模型预测控制

考虑约束非线性系统,提出一种新的具有稳定性保证的经济模型预测控制（Economic model predictive control,EMPC）策略.由于经济性能指标的非凸性和非正定性,引入关于经济最优平衡点的正定辅助函数.利用辅助函数的最优值函数定义原始EMPC优化问题的稳定性约束.应用终端约束集、终端代价函数和局部控制器三要素,建立闭环系统关于经济最优平衡点的渐近稳定性和渐近平均性能.进一步,结合多目标理想点概念,将提出的控制策略用于多个经济性能指标的优化控制,得到稳定多目标EMPC策略.最后,以连续搅拌反应器为例,比较仿真结果验证本文策略的有效性.     

基于协方差指标预测的MPC实时性能监控

为利用过程数据实时监控模型预测控制(Model predictive control, MPC)的性能, 提出一种基于协方差预测残差的性能监控方法.首先在分析模型预测控制器优 化函数和控制结构的基础上, 构造包含预测误差、控制量和过程输出的监控变量集, 然后利用滑动时间窗口建立基于协方差的实时性能评价 指标.针对协方差指标缺少控制限的问题, 建立实时协方差指标的时间序列模型, 根据协方差指标的预测残差检测模型预测控制性能下降.进 一步利用基于数据集相似度的性能诊断方法确定性能恶化源.最后通过Wood-Berry二元精馏塔上的仿真研究验证了所提方法的有效性.     

工业过程的子空间模型辨识

子空间模型辨识方法(SMI)是一类新兴的直接估计线性状态空间模型的黑箱建模方法,近年来获得了广泛关注.和传统的线性建模方法相比,SMI的优势不仅在于算法本身的简单可靠,也在于它的状态空间表达.本文首先简要介绍了SMI的基本思想以及3种基本算法(N4SID,MOESP,CVA).然后将这类方法应用于一个实际的工业过程建模,同时对3种SMI基本算法和一种传统辨识算法—预测误差方法(PEM)进行了研究对比.