排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
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. 相似文献
3.
本文将近年来关于网络化分布式预测控制(distributed model predictive contro, DMPC)设计的结果进行了总结
概述. DMPC不仅仅继承了预测控制的优点而且还有分布式控制框架的特点. 首先, 介绍了分布式控制的系统结构设计;
然后, 依据预测控制中的性能指标, 从3个方面对DMPC进行了介绍: 基于局部性能指标的DMPC, 基于邻域指标的
DMPC和基于全局指标的DMPC. 最后, 选取3个典型例子来说明一些DMPC的有效性. 相似文献
4.
通常在大系统中, 全局信息优化的系统, 其性能要高于局部信息优化系统. 全局信息优化的算法由于大系统的复杂程度往往不可行. 所以通常会用分布式算法来解决此类问题. 在分布式算法中, 为了获得更好的系统性能,
要尽可能多的采用更多的信息信息交换, 然而这样会带来信息网络的负担增大. 本文在预测控制性能指标中引入通信代价, 并提出了一种随着系统状态变化的通信网络拓扑切换方法. 文中给出了该算法在供水管网动态模型中的仿真结果, 表明本方法的可行性. 相似文献
1