数据驱动下供应链系统变更自适应预测控制

针对动态供应链系统正常运行过程中生产环节发生变更的情况,提出了一种基于数据驱动的自适应预测控制算法。首先,利用数据驱动的方法建立供应链系统的子空间预估模型,将子空间预估器参数与预测控制策略相结合,直接设计自适应预测控制器;其次,求得多级供应链系统在运作过程中发生内部节点变更状况下的库存控制策略;最后,以三节点生产—库存供应链系统为例,验证所提出的算法。在仿真部分验证了基于数据建模的准确性,分析了供应链系统在自适应预测控制的生产策略下其在内部节点发生变更前后库存水平的波动状况,仿真结果表明该方法的鲁棒性和有效性。     

基于LMI的多模型鲁棒预测控制

用线性矩阵不等式 (LMI)方法研究多模型鲁棒预测控制, 提出了状态反馈的综合方法, 并分析了闭环系统的可行性, 同时证明闭环系统渐近稳定. 在此基础上, 研究了带终端零状态的有限优化时域预测控制和无穷优化时域预测控制的性能, 证明了两者在性能上的一致性.     

液压厚度控制系统的数据驱动预测控制

热连轧液压厚度控制系统是由多机架协调工作完成的,针对液压厚度控制系统的大时滞特性,结构不确定性以及外部扰动等扰动的影响,提出液压厚度控制系统的数据驱动预测控制策略。采用串级控制方式,将监控AGC系统测得的实际厚度和压力AGC系统利用弹跳方程计算得到的厚度数据反馈给控制系统,利用子空间辨识方法,直接设计数据驱动预测控制器,增强抗干扰能力,提高控制精度。仿真结果表明该方法能够提高控制精度,具有较好的控制性能。     

基于数据驱动的风力发电系统一步超前预测转速控制

针对风力发电系统转速控制系统的特点,提出了一种基于数据驱动的一步超前预测控制方法。该方法先利用动态线性化技术,采用投影算法在线估计伪偏导数,然后通过最小化一步超前加权性能指标获得广义最小方差预测控制算法;为了取得更好的跟踪效果,引入一个自适应项用于增强输出跟踪能力,使得系统输出响应具有更强的跟踪能力。仿真结果验证了该方法的有效性。     

高速动车组数据驱动无模型自适应积分滑模预测控制

同许多复杂系统一样, 动车组(Electric multiple unit, EMU) 运行过程也具有多变量、强耦合以及非线性等特性, 这严重影响着列控系统的性能. 针对包含外部扰动的动车组自动驾驶系统, 提出一种新型的多输入多输出(Multi-input-multi-output, MIMO) 数据驱动积分滑模预测控制(Integral sliding mode predictive control, ISMPC)算法. 首先, 该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization, FFDL)数据模型, 设计一种离散积分滑模控制(Integral sliding mode control, ISMC) 律. 为了使系统能够获得更高的输出跟踪误差精度, 利用模型预测控制(Model predictive control, MPC) 代替ISMC的切换控制, 进一步推导出ISMPC算法. 同时, 通过对FFDL 数据模型的未知扰动、参数误差等不确定项进行延时估计, 提升了算法的控制性能和对系统的等价描述程度. 在提供两种算法的稳定性证明分析之后, 以实验室配备的 CRH380A 型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试, 并与其他方法进行对比, 仿真结果表明ISMPC算法控制性能较好, 动车组各动力单元速度跟踪误差均在 ±0.132 km/h 以内, 满足列车的跟踪精度需求; 控制力和加速度分别在[−52 kN, 42 kN] 和 ±0.9249 m/s2 以内且变化平稳.     

约束分段仿射系统的鲁棒一步预测控制

针对一类具有附加有界扰动的离散时间约束分段仿射系统,提出了一种鲁棒低复杂性的模型预测控制方法,即鲁棒一步控制.首先,基于最大鲁棒正不变集,计算系统的最大鲁棒可稳定集并作为第一步预测状态的约束集,使得产生的滚动时域控制器可以在较小的预测时域内控制最大鲁棒可稳定集.然后,在最大鲁棒正不变集外,通过构建线性矩阵不等式来分析其鲁棒稳定性.两个步骤分别确保控制器的可行性和闭环系统的鲁棒稳定性.大量的数值例子表明,和已有的控制方法相比,所得的鲁棒一步控制器具有更低的复杂性.     

约束分段仿射系统的鲁棒一步预测控制

针对一类具有附加有界扰动的离散时间约束分段仿射系统,提出了一种鲁棒低复杂性的模型预测控制方法,即鲁棒一步控制。首先,基于最大鲁棒正不变集,计算系统的最大鲁棒可稳定集并作为第一步预测状态的约束集,使得产生的滚动时域控制器可以在较小的预测时域内控制最大鲁棒可稳定集。然后,在最大鲁棒正不变集外,通过构建线性矩阵不等式来寻找而二次李雅普诺夫函数以证明其鲁棒稳定性。两个步骤分别确保控制器的可行性和闭环系统的鲁棒稳定性。大量的仿真例子表明,和已有的控制方法相比,所得的鲁棒一步控制器具有更低的复杂性。     

基于数据驱动的气动柔性关节Takagi–Sugeno模糊系统建模与预测控制

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno (T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器. T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最大跟踪误差大于5°,这表明所提控制算法显著提升了对柔性关节的跟踪控制精度.     

一种时滞系统的改进无模型自适应预测控制

时滞现象广泛存在于工业过程系统中,常规控制器无法对难以获取精确模型的时滞系统进行有效控制.针对这类系统,结合跟踪-微分器获取微分信息的能力,利用Smith预估器预测未来时刻输出,提出了一种改进的无模型自适应预测控制(IMFAPC)方法,并对提出算法的收敛性和稳定性进行了分析.该算法不需要被控系统的模型信息,仅需要实时的...     

预测控制优化变量的集结策略

为减少预测控制的在线计算量，提出了对优化变量进行集结的优化策略，通过一个集结矩阵将原优化变量与集结后的变量联系起来，从而为多种预测控制算法建立一个统一的框架，分析了现有的几种典型优化策略的集结表述，说明了所提出的集结优化框架具有一定的普适性，并在此框架下提出一种新的具有输出衰减形式的集结优化算法。     

基于终端不变集的 Markov 跳变系统约束预测控制

针对离散 Markov 跳变系统, 研究带输入输出约束的有限时域预测控制问题. 对于给定预测时域内的每条模态轨迹, 设计控制输入序列, 驱动系统状态到达相应的终端不变集内, 在预测时域外, 则寻求一个虚拟的状态反馈控制器以保证系统的随机稳定性, 在此基础上, 分别给出了以线性矩阵不等式 (LMI) 描述的带输入、输出约束预测控制器的设计方法.     

基于多Hammerstein模型及APSO的预测控制策略

研究了基于多Hammerstein模型的非线性预测控制问题,提出了基于多模型融合的非线性预测控制方法,根据实际对象不同的工作点建立了非线性系统的多Hammerstein模型表示,以此模型集合作为实际对象的预测模型,兼顾预测控制处理各类约束的优点,以计算量较小的自适应粒子群算法(APSO)作为预测控制的滚动优化方法计算最优控制序列,避免了传统粒子群算法易早熟和算法后期粒子易在全局最优解附近"振荡"的缺点,并给出相应的模型切换策略,pH中和反应的仿真结果说明了此方法的有效性,同时也为菲线性预测控制提供了一种新方法.     

Offline Robust Model Predictive Control for Lipschitz Non‐Linear Systems Using Polyhedral Invariant Sets

In this paper the concept of maximal admissible set (MAS) for linear systems with polytopic uncertainty is extended to non‐linear systems composed of a linear constant part followed by a non‐linear term. We characterize the maximal admissible set for the non‐linear system with unstructured uncertainty in the form of polyhedral invariant sets. A computationally efficient state‐feedback RMPC law is derived off‐line for Lipschitz non‐linear systems. The state‐feedback control law is calculated by solving a convex optimization problem within the framework of linear matrix inequalities (LMIs), which leads to guaranteeing closed‐loop robust stability. Most of the computational burdens are moved off‐line. A linear optimization problem is performed to characterize the maximal admissible set, and it is shown that an ellipsoidal invariant set is only an approximation of the true stabilizable region. This method not only remarkably extends the size of the admissible set of initial conditions but also greatly reduces the on‐line computational time. The usefulness and effectiveness of the method proposed here is verified via two simulation examples.     

基于最小衰减率多面体不变集的鲁棒模型预测控制

针对一类具有输入输出约束的多胞体结构线性变参数系统,提出了一种基于最小衰减率多面体不变集的鲁棒模型预测控制算法,算法分为在线和离线两个部分.为增强系统控制效果,提高系统响应速度,离线算法首先采用寻求状态变量的最小衰减率的方法优化出一系列状态变量及相应的状态反馈控制律,然后构建出相应的多面体不变集序列;在线算法根据当前实测状态变量,在多面体不变集序列内确定状态变量所处的最小多面体不变集,通过在线优化得出系统的控制输入.给出了鲁棒模型预测控制算法的详细步骤和系统的闭环稳定性证明.仿真结果验证了本算法的有效性,表明本算法使系统的闭环响应更为快速和稳定.     

一类有约束的分段线性系统双模预测控制

研究分段线性（PL）系统预测控制问题,提出了PL系统双模预测控制,并证明了该方法的稳定性.该方法使用混合逻辑动态系统来建模PL系统,利用PL系统状态反馈控制来确定PL系统的受控不变集,并结合双模预测控制方法获得PL系统双模预测控制.该方法解决了系数矩阵的选择问题,不需要满足最终状态等式约束.一个分段线性系统的实例证明了该方法是可行的.     

多速率分段线性系统预测控制的显式设计

针对输出采样周期是输入更新周期N倍的多速率分段线性(Piecewise linear, PWL)系统, 本文提出了保证稳定性的显式预测控制器设计方法. 首先, 基于动态规划原理将预测控制优化问题分解为多个单级优化问题; 然后, 根据分段线性系统各子模型以及目标函数的具体形式, 进一步将各单级优化问题分为若干个子问题, 再利用多参数二次规划(Multiparametric quadratic programming, MP-QP)方法求解;最后,通过比较各子问题的解从而得到系统的最优显式控制律. 在设计过程中, 将系统的最大正不变集作为优化问题的终端约束集, 从而保证了系统的稳定性. 仿真结果表明本文提出的显式预测控制方法能够有效降低多速率分段线性系统的在线计算时间, 在保证系统稳定性的同时, 满足其对输入更新速度的要求.     

一类非齐次时变线性模型及自适应预测控制策略

通过分析系统闭环预测存在的缺陷,为了改善系统的预测性能、便于系统辨识和实现自适应控制,提出了一类适合于一般非线性系统的非齐次时变线性模型,给出并证明了其存在性定理。而后给出了这类非齐次时变线性模型的渐消记忆递推最小二乘参数估计,推出了基于该类模型的自适应预测控制算法。仿真结果表明基于该类模型的自适应预测控制策略具有优良的控制品质。     

时滞系统的多步预报控制

本文针对具有模型不确定性的时变大时滞系统，提出一种带监测及切换系统的多步预报控制算法。该方法的主要设计思想是对系统在包括时滞范围在内的未来时刻的输出作出预报，依此预报值进行滚动优化和闭环极点配置，同时，增加一层监测及切换系统，以保证整个系统的稳定性。理论分析及仿真实验表明，该方法能有效地用于时变大时滞对象的控制，是一种鲁棒性好的控制算法。     

一类具有随机时延的网络化控制系统的广义预测控制

网络化控制系统中,各种恒定、时变或者随机的网络时延会导致系统控制性能的下降甚至不稳定。针对基于交换式以太网所造成的随机网络时延问题,结合对系统结构及时延特征的分析,给出了一种基于广义预测控制的控制方法,该方法采用网络时间戳机制和模型的在线辨识,能够准确地测量系统输出并及时对预测值进行在线修正,实现对随机时延的网络化控制系统的有效控制。最后通过仿真验证了该方法的有效性。     

分片线性逼近及其在预测控制中的应用

介绍了分片线性逼近的相关理论并将其应用于预测控制。自适应链接超平面模型(AHH)是一种具有应用潜力的分片线性模型。采用AHH模型对被控制系统进行建模,由于AHH模型的辨识算法是自适应的,整个过程简单易实现。随后,在线解一个开环优化问题得到最优控制序列并应用滚动优化控制策略对系统进行控制。并且证明此开环优化问题实质上可以看成一系列子问题,每个子问题都是二次规划问题,因此,全局最优解的存在性得以保证。对于实际问题,提出了一个下降算法用以搜索局部最优解,仿真结果表明,基于AHH模型的预测控制具有一定的应用前景。