论文部分内容阅读
模型预测控制通过在线滚动求解一个有限时域最优控制问题来获得最优预测控制序列,并将当前时刻的控制作用于对象,在下一个采样时刻基于新的状态或输出测量值重复上述过程,其主要优点是具有可以控制复杂非线性系统且处理同时控制和状态硬约束的能力,其求得的控制律是某种意义下的次优或最优控制,预测控制作为一种先进控制技术广泛应用于石油等工业生产线,取得显著应用成效。工业过程中存在一类复杂的受控对象,这种受控对象的复杂性不仅表现在具有多变量强耦合、参数时变、不确定性和严重的非线性,更突出的是对受控对象难以用精确数学模型来描述,使得对受控对象的控制更加困难。基于智能建模的控制方法,如模糊建模和控制在解决复杂系统控制问题的过程中表现出巨大的潜力。因此,研究基于模糊系统建模的模型预测控制具有重要的理论意义及应用价值。
本文将模糊系统分析建模与预测控制相结合,开展以下几方面的工作:
1.利用动态模糊系统的分解性质,将一般的模糊状态空间系统分解为一些定义在子输入空间上具有简单结构的子模糊系统。引入分段连续的Lyapunov函数和S-procedure,以线性矩阵不等式的形式给出了系统稳定的一个新的充分条件,可以适用于具有不稳定子系统和没有公用正定阵的情况,并基于得到的稳定性条件,为用模糊系统描述非线性受控对象及设计稳定的控制器提供了新方法。对于以离散和连续形式的动态模糊系统描述的过程给出相应的稳定预测控制器,该预测控制器可以通过解一个差分方程或微分方程的两点边值问题得到。
2.针对受控对象为线性系统的非线性预测控制,定义过渡时域,通过限制预测时域大于控制时域与过渡时域的和,采用多项式对输出误差加权,实现广义预测控制(GPC)律,无需稳定性约束,并证明了所提出的预测控制方法的稳定性,且算法的计算量没有任何增加。随后讨论了所设计的预测控制器的鲁棒性。最后对存在约束的情况,讨论对约束的处理。
3.研究具有未建模动态的离散非线性系统的模型预测控制,提出以离散模糊系统作为预测模型的一种双模预测控制算法。讨论如何采用动态模糊系统和T-S类型模糊系统做为预测模型。在吸引域Ω外,以模糊系统为预测模型通过预测控制求得控制量施加于受控对象,在吸引域内,根据提出的算法,切换至一个渐进稳定的线性控制器。在保留一定的建模误差的情况下,证明了对于逼近非线性系统到一定程度的模糊系统的优化问题解是非线性系统在终端不等式约束条件下的一个次优解,并分析了上述算法的闭环稳定性。对于输入受限的情况,讨论了闭环性质,并在化学反应器模型上针对非自适应与自适应两种情况进行了仿真研究,仿真结果显示了良好的稳定性。
4.研究具有未建模动态的连续非线性系统的模型预测控制,提出以连续形式的模糊系统作为预测模型的一种双模预测控制算法。在吸引域Ω外,以模糊系统为预测模型通过预测控制计算控制量施加于受控系统,在吸引域内,根据提出的算法,切换至一个渐进稳定的线性控制器。在保留一定的建模误差的情况下,证明了对于逼近连续非线性系统到一定程度的连续模糊系统优化问题的解是连续非线性系统在终端不等式约束条件下的一个次优解,并分析了闭环稳定性。同样,也讨论了控制受限的情况,并在倒立摆模型上针对非自适应与自适应两种情况进行了仿真研究,仿真结果显示了良好的稳定性。