一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

不确定非线性多智能体系统的分布式模糊自适应镇定控制

针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.

     

基于预测控制的时滞多机器人编队脉冲控制

针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.

     

具有TCSC 的单机无线总线系统非线性阻尼浸入与不变控制

针对带有晶闸管控制串补(TCSC) 的单机无限总线系统, 利用浸入和不变思想设计了基于状态反馈的非线性阻尼控制器. 通过选定一个特定的二维目标系统和映射函数, 将所研究的对象浸入其中, 使得所设计的非线性阻尼控制器在不需要构造Lyapunov 函数的情况下即可保证闭环系统的渐近稳定性和轨迹的有界性. 仿真对比结果表明了采用所提出方法设计的控制器是有效的, 且能够明显提高闭环系统的暂态稳定性.

     

基于扩张状态观测器的分散模型预测控制

针对复杂关联系统中分散控制方法无法有效解决子系统间的耦合和干扰问题, 提出一种基于扩张状态观测器的分散模型预测控制算法. 首先将复杂关联系统分解为多个状态维数较低、控制变量较少的子系统, 并为每个子系统设计本地预测控制器; 然后, 采用扩张状态观测器对子系统的耦合项以及干扰项进行估计, 进而利用估计值对子系统进行前馈补偿, 从而降低复杂关联系统的计算复杂度, 提高系统的稳定性和抗干扰能力; 最后, 利用液位控制系统验证了所提出算法的有效性.

     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

基于PI 观测器的奇异摄动系统故障诊断和最优容错控制

针对线性奇异摄动系统, 提出一种基于PI (proportional integral) 观测器的故障诊断和最优容错控制方法. 基于奇异摄动系统相关理论和矩阵变换技术, 给出PI 全维观测器存在的条件, 该观测器可以观测系统的快慢状态和故障系统的状态. 在估测到系统状态的基础上进一步考虑最优性, 应用最优控制理论, 设计状态反馈控制器, 提出基于PI 观测器的故障诊断器和最优容错控制器的设计方法. 最后的数值算例验证了所提出方法的可行性和正确性.

     

基于输入状态稳定的离散广义系统预测控制

针对一类具有持续扰动和输入约束的离散广义系统, 研究其鲁棒预测控制器的设计问题. 将输入状态稳定的概念引入广义系统预测控制, 在quasi-min-max 性能指标下, 提出了广义系统双模鲁棒预测控制器的设计方法, 证明了基于双模鲁棒预测控制器的闭环广义系统输入状态稳定, 且具有正则、因果性. 数值仿真结果验证了所提出方法的有效性.

     

智能电网弹性响应时间业务需求的接入控制

考虑智能电网多种类型业务需求的接入控制, 通过利用响应时间的弹性来平缓业务负荷的波动, 使得电网运行的长期平均代价最小. 针对业务需求和用户行为的随机分布特性, 建立连续时间Markov 控制过程的系统分析模型; 结合性能势基于样本轨道的估计, 提出一种基于仿真的策略迭代优化算法, 有效缓解了系统大状态空间导致的维数灾问题, 具有较快的收敛速度和良好的应用效果. 仿真实验结果验证了所提出方法的有效性.

     

网络化切换控制系统故障检测与优化设计

研究存在未知短时延、丢包和系统不确定性的网络化切换控制系统故障检测与时域优化问题. 首先基 于观测器构建残差发生器, 结合Lyapunov 函数方法和平均驻留时间方法分析系统的稳定性, 并以线性矩阵不等式(LMI) 形式给出故障检测滤波器的求解方法; 然后为了改善故障检测系统的性能, 采用后置滤波器对残差信号进行时域优化, 并利用奇偶空间方法给出其最优解; 最后设计并推导出自适应阈值. 仿真结果验证了所提出方法的有效性.

     

基于标准神经网络模型的非线性系统分布式无线网络化控制

针对采用标准神经网络模型(SNNM)描述的非线性系统,提出一种基于无线控制网络(WCN)的全分布式控制方法.采用置信因子模拟WCN中无线通信链路的不确定性,利用Lyapunov理论和Lur’e系统方法,将无线网络化控制系统(WNCS)的稳定性分析转化为一个具有线性矩阵不等式(LMI)约束的凸优化问题;使用CVX工具包求解该凸优化问题,得到了保证闭环系统全局渐近稳定的WCN配置参数.仿真结果验证了所提出控制策略的正确性和有效性.     

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.     

基于多LPV 模型的调度离线鲁棒预测控制

针对一类具有大工作区域和快时变特性的约束非线性系统, 采用多个线性参数时变(LPV) 模型近似描述原非线性系统. 对于各LPV 模型, 设计基于参数独立Lyapunov 函数的局部离线预测控制器. 构造各局部控制器间的切换策略, 在保证切换稳定性的同时, 使相互重叠的稳定域覆盖期望的工作区域. 仿真结果表明, 相比于已有的调度预测控制方法, 所提出的方法不仅能够保证控制输入在给定的约束范围内, 而且在局部控制器切换次数少的情况下, 获得良好的控制性能.

     

时延网络控制系统的H∞ 鲁棒预测控制

针对具有输入约束和外部扰动的不确定长时延网络控制系统(NCSs),研究了H_∞鲁棒预测状态反馈控制律的设计问题.基于预测控制的滚动优化原理,导出了闭环NCS渐近稳定且具有鲁棒性能指标上界的充分条件,给出了状态反馈控制律的设计方法.最后,通过仿真研究验证了所提出方法的有效性.     

执行器故障重复过程的鲁棒迭代学习容错控制方法及应用

针对具有执行器故障和外界扰动的线性重复过程,给出一种鲁棒迭代学习容错控制策略.首先,基于二维(2D)系统理论,设计鲁棒迭代学习容错控制器,将迭代学习控制系统等效转化为2D模型;然后,利用线性矩阵不等式(LMI)技术,分析和优化控制系统在时间和迭代方向上的容错性能以及对干扰的抑制性能,同时给出系统满足这些性能的充分条件,并进一步通过求解LMI凸优化问题获得控制器参数;最后,通过对旋转控制系统的仿真结果验证了所提出算法的有效性.     

不确定奇异大系统分散鲁棒预测控制

针对一类不确定奇异关联大系统,讨论了当系统状态不可测时,基于输出反馈的分散鲁棒预测控制问题.通过构造Lyapunov函数以及应用线性矩阵不等式方法,将"min-max"优化问题转化为凸优化问题求解,从而得到了输出反馈分散控制器存在的充分条件和显示表达式.证明了优化问题在初始时刻的可行解能保证奇异闭环大系统渐近稳定且正则无脉冲.仿真结果验证了算法的有效性.     

Integrating dynamic economic optimization and model predictive control for optimal operation of nonlinear process systems

In this work, we propose a conceptual framework for integrating dynamic economic optimization and model predictive control (MPC) for optimal operation of nonlinear process systems. First, we introduce the proposed two-layer integrated framework. The upper layer, consisting of an economic MPC (EMPC) system that receives state feedback and time-dependent economic information, computes economically optimal time-varying operating trajectories for the process by optimizing a time-dependent economic cost function over a finite prediction horizon subject to a nonlinear dynamic process model. The lower feedback control layer may utilize conventional MPC schemes or even classical control to compute feedback control actions that force the process state to track the time-varying operating trajectories computed by the upper layer EMPC. Such a framework takes advantage of the EMPC ability to compute optimal process time-varying operating policies using a dynamic process model instead of a steady-state model, and the incorporation of suitable constraints on the EMPC allows calculating operating process state trajectories that can be tracked by the control layer. Second, we prove practical closed-loop stability including an explicit characterization of the closed-loop stability region. Finally, we demonstrate through extensive simulations using a chemical process model that the proposed framework can both (1) achieve stability and (2) lead to improved economic closed-loop performance compared to real-time optimization (RTO) systems using steady-state models.