一种广义预测控制的快速算法

针对传统广义预测控制算法的计算量大这一缺陷 ,通过对未来的控制序列的离线近似计算 ,而只精确求解当前时刻要实施的控制量 ,提出了一种广义预测控制的快速算法。该算法简单 ,不必求解Diophantine方程和逆矩阵 ,大大减小了在线计算量。仿真结果表明 ,该算法具有良好的控制性能 ,而且对控制作用具有较强的约束能力     

基于非合作博弈的分布式模型预测控制优化算法

针对基于纳什最优的分布式模型预测控制求解算法中存在的迭代次数多、收敛精度不高的缺点,提出了一种基于非合作博弈的分布式模型预测控制优化算法。该方法借鉴非合作博弈论中的针锋相对策略,将每个子系统看作博弈的参与者,在线优化过程中,各个子系统在该策略影响下使所有参与者更快促成合作,从而快速求得整体最优解。仿真表明,与传统的基于纳什最优的迭代求解相比,在给定精度情况下,提出的算法所需的迭代次数要低于传统算法;在给定迭代次数情况下,提出的算法的跟踪性能更优,在外界产生随机扰动时,该算法也具有较好的抗干扰能力。此外,将提出的算法应用于设施环境控制系统中,进一步说明了算法的有效性。     

新型输入加权预测控制器

提出一种新型输入加权预测控制器,通过对控制输入进行柔化和滤波处理,使实际实施的控制量为现时和现时对未来控制时域长度预测控制量的加权平衡,从而大大减小控制输入的震荡,具有较快的响应能力。通过对其结构的分析可知,该控制器具有滤波功能,能有效抑制模型误差的影响和控制量的震荡,克服了文献[1]需要在线记忆预测控制输入的缺点,不仅简化了算法,而且大大减少了系统的记忆容量。仿真结果表明了该算法的优异性能。     

多无人机自适应编队协同航迹规划

针对多无人机(UAV)协同航迹规划中因编队队形约束而忽略部分较窄通道的问题,提出了一种基于自适应分布式模型预测控制的快速粒子群优化(ADMPC-FPSO)方法。该方法利用领航跟随法和虚拟结构法相结合的编队策略构造出虚拟编队引导点,以完成自适应编队协同控制任务。根据模型预测控制的思想,结合分布式控制方法,将协同航迹规划转化为滚动在线优化问题,且以最小距离等性能指标为代价函数。通过设计评价函数准则,使用变权重快速粒子群优化算法对问题进行求解。仿真结果表明,通过所提算法能够有效实现多无人机协同航迹规划,并可根据环境变化快速完成自适应编队变换,同时较传统编队策略代价更低。     

一类串联生产过程的分布式解耦预测控制

研究一类由多个子过程串联而成的生产过程的预测控制，提出了在分布式通信模式下的预测控制算法．该算法由两部分组成：一部分利用其他子过程在上一时刻的控制策略，对子过程间的弱耦合进行前馈补偿；另一部分通过顺序求解对强耦合进行解耦控制．在线性无约束情况下，得到了分布式解耦动态矩阵控制律．最后通过仿真验证了算法的有效性．     

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.     

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control, DMPC)是一类用于多输入多输出的大规模系统的控制方式.每个智能体通过相互协作完成整个系统的控制. 已有的分布式预测控制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control, CMPC)算法的性能,但迭 代次数过多,子系统间通信量大;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基于串联结构的非迭代分布式预测控 制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonation decomposition process, ACCDP)这一串联过程,通过仿真验证了算 法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.     

城轨列车自动驾驶控制算法及其实现

本文首先介绍了列车运行的优化操纵策略,采用模糊控制与预测控制相结合的在线控制算法使列车按照优化操纵曲线运行,并选取西安地铁二号线完成了仿真验证,通过与常规PID控制器的对比,证明了算法的有效性。最后,用C++语言将该算法移植到WinCE嵌入式系统中,并接入分布式列车运行综合仿真平台进行联合仿真,实现了对ATO车载平台的模拟。     

基于因果逻辑关系的CPS分布式控因研究

针对多子系统间存在复杂因果逻辑关系的信息物理系统(cyber-physical systems,CPS),建立带有未知非线性项和不确定耦合项的CPS多因系统模型,并提出基于云控制技术的分布式控因方法.利用非线性解耦观测器对CPS多因系统进行动态前馈线性化,使得CPS多因系统分解为多个无耦合关联的CPS因系统.设计基于非线性解耦观测器的分布式模型预测控制器以及分布式优化算法,对解耦后的CPS因系统实现在线约束优化控制.最后,通过数值仿真表明所提出控制策略和优化算法的有效性.     

一种改进的模型算法控制

本文提出一种改进的模型算法控制。改进模型算法控制将常规模型算法控制中的系统输出预测方程改为一种状态空间描述形式,用现代控制理论来分析研究模型算法控制系统。改进模型算法控制的在线预测计算量比常规方法大为减少,而且系统性能也有改善。最后给出用改进方法控制一个实验液位系统的结果。     

Resilient distributed model-free adaptive predictive control for multiarea power systems under denial of service attack

This paper proposes a novel load frequency control (LFC) strategy for power systems based on distributed model-free adaptive predictive control. First, a power system dynamic model is established by the input and output signals of the power system. Then, a distributed model-free adaptive predictive control algorithm is established for the power system under denial-of-service attack by the established power system dynamic model, and a predictive compensation algorithm is designed to compensate the impact of DoS attack. Based on the designed distributed model-free adaptive predictive control algorithm, the frequency tracking error of the multiarea power system is bounded. The scheme is independent of the structure of the power system and does not need to measure any state signals of the power system, relying only on the input and output data of the power system. The results of simulations demonstrate the effectiveness and superiority of the design.     

基于小波变换的二阶线性分布参数系统预测控制

分布参数系统由于其复杂性,控制系统设计一直是控制理论的难点.寻求解决分布参数系统控制的新思路,本文提出了基于正交小波变换的线性离散时间分布参数系统预测控制概念,应用正交小波变换将二阶线性分布参数系统预测控制命题变换为集总参数系统预测控制问题,并设计预测控制器,将控制律进行反演获得原系统的具有分布特性的控制律.仿真研究表明,本文提出的分布参数系统预测控制算法取得了理想的控制效果,对系统模型失配和扰动具有较好的鲁棒性,验证了算法的有效性.     

Distributed nonlinear model predictive control based on contraction theory

A novel distributed model predictive control algorithm for continuous‐time nonlinear systems is proposed in this paper. Contraction theory is used to estimate the prediction error in the algorithm, leading to new feasibility and stability conditions. Compared to existing analysis based on Lipschitz continuity, the proposed approach gives a distributed model predictive control algorithm under less conservative conditions, allowing stronger couplings between subsystems and a larger sampling interval when the subsystems satisfy the specified contraction conditions. A numerical example is given to illustrate the effectiveness and advantage of the proposed approach.     

网络环境下不敏感系统的分布式区域预测控制方法

针对二分图网络结构下的不敏感系统的可控性比较差的问题,本文提出了带有区域控制的分布式模型预测控制方法.该方法首先利用分支定界法对分布式控制系统结构进行最优设计;然后,结合区域控制提高控制系统的动态性能指标;最后,依据回路之间的关联性的强弱选择每个回路的控制方式(精确控制或区域控制).仿真结果显示带有区域控制的分布式预测控制系统的调节时间比没有带区域控制的分布式控制系统明显缩短;同时,通过对回路控制方式的选择增加了精确控制的智能体数量.仿真结果证明了利用分布式区域预测控制方法可以提高系统的容错性,通过对系统的可控性和关联性进行分析,可以在精确控制和区域控制之间寻找到最优组合,从而达到快速精确的控制效果.     

通讯信息约束下具有全局稳定性的分布式系统预测控制

本文针对一类由状态相互耦合的子系统组成的分布式系统, 提出了一种可以处理输入约束的保证稳定性的非 迭代协调分布式预测控制方法(distributed model predictive control, DMPC). 该方法中, 每个控制器在求解控制率时只与 其它控制器通信一次来满足系统对通信负荷限制; 同时, 通过优化全局性能指标来提高优化性能. 另外, 该方法在优化 问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差, 进而保证各子系统优化问 题初始可行时, 后续时刻相继可行. 在此基础上, 通过加入终端约束来保证闭环系统渐进稳定. 该方法能够在使用较少 的通信和计算负荷情况下, 提高系统优化性能. 即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的 渐进稳定性. 仿真结果验证了本文所提出方法的有效性.     

Observer-based event-triggered distributed model predictive control for a class of nonlinear interconnected systems

In this paper, an observer-based event-triggered distributed model predictive control method is proposed for a class of nonlinear interconnected systems with bounded disturbances, considering unmeasurable states. First of all, the state observer is constructed. It is proved that the observation error is bounded. Second, distributed model predictive controller is designed by using observed value. Meanwhile, the event-triggered mechanism is set by using the error between the actual output and the predicted output. The setting of event-triggered mechanism not only ensures the error between the actual output and the predicted output within a certain range, but also reduces the calculation amounts of solving the optimization problem. The states of each subsystem enter the terminal invariant set by distributed model predictive control, and then are stabilized in the invariant set under the action of output feedback control law. In addition, sufficient conditions are given to ensure the feasibility of the algorithm and the stability of the closed-loop system. Finally, the numerical example is given, and the simulation results verify the effectiveness of the proposed algorithm.     

Nash-optimization enhanced distributed model predictive control applied to the Shell benchmark problem

This paper presents an efficient distributed model predictive control scheme based on Nash optimality, in which the on-line optimization of the whole system is decomposed into that of several small co-operative agents in distributed structures, thus it can significantly reduce computational complexity in model predictive control of large-scale systems. The relevant nominal stability and the performance on single-step horizon under the communication failure are investigated. The Shell heavy oil fractionator benchmark control problem is illustrated to verify the effectiveness of the proposed control algorithm.     

分布式预测控制算法的性能分析

分布式求解策略是为了降低大规模预测控制系统实施的计算量和计算复杂性而提出的一种有效算法，在算法收敛的条件下，分析了分布式求解和集中求解两种方法在单步时域上的性能偏差，给出了标称情况下分布式预测控制系统名义稳定的充分条件，为更好地理解所提出的分布式预测控制算法和算法的实施提供了理论依据。