论文部分内容阅读
在实际系统中,一般控制系统都是MIMO情形,另外控制输入和状态通常也存在受限约束,这种MIMO受限系统控制是工程常见问题。MPC在工程范围内越来越多用于解决这类MIMO受限系统控制问题。但在工程应用时,MPC需要面对两个重要的问题,一是MPC的鲁棒性,二是MPC的计算效率。因此,如何提高预测控制在工程应用中的鲁棒性,实时优化计算能力是本文的研究重点。本论文研究内容分为两个部分,一是大规模MIMO非线性自治UVMS的鲁棒快速MPC技术研究,二是MIMO非线性系统的MPC迭代学习优化技术研究。本论文主要工作如下:1.考虑MIMO UVMS抗干扰性,控制约束和MPC在线计算效率问题,提出基于EKF干扰观测器的快速MPC(Fast MPC,FMPC)方案。FMPC采用近似预测控制序列代替传统MPC代价函数中需要精确预测优化的控制序列,以降低在线二次规划优化复杂度。该方案可通过在线实时计算弥补H∞鲁棒控制方案计算效率的缺陷(H∞的Riccati方程只能离线计算),并且严格地保证各个自由度的运动约束条件,能够充分发挥UVMS在线自由度约束鲁棒最优控制能力。同时,给出所提出FMPC的Lyapunov稳定性分析。仿真结果表明所提控制方案可满足机械/物理约束和控制律计算效率。2.进一步同时考虑MIMOUVMS控制冗余和抓取运动目标问题,提出基于EKF观测运动目标轨迹的快速tube MPC(Fast Tube MPC,FTMPC)控制方案。EKF是运动目标观测器,能克服传感器测量噪声。鲁棒FTMPC由在线快速名义MPC和在线辅助非线性反馈控制器组成,其将运动学冗余问题集成考虑到快速名义MPC优化求解当中(不再像以往把规划和控制问题解耦单独解决),并利用系统设计的辅助反馈环实现被控系统实际状态变量和名义状态变量的误差鲁棒稳定到一个固定域(Tube)中。其中,快速名义MPC采用基于运动学的预测控制序列近似代替传统MPC代价函数精确预测优化控制序列,以降低在线二次规划优化复杂度。所提方案可解决UVMS的运动学规划问题和抗干扰抓取运动目标控制问题。同时,给出所提出FTMPC的Lyapunov稳定性分析。仿真结果表明所提UVMS控制方案不仅计算快速并满足约束和冗余能力。3.针对一类MIMO离散Lipschitz非线性系统控制问题,提出利用迭代ADP理论实现快速近似求解tube MPC的最优控制方案,以避免直接凸优化求解MPC二次代价函数。Tubc鲁棒反馈环增加Lipschitz非线性系统抗外部干扰能力。同时,给出所提方案的神经网络实现流程和稳定性分析。最后,仿真算例验证了所提方案的有效性。4.针对一类未知模型MIMO离散非线性系统控制问题,提出利用不依赖模型的迭代单评价网结构Q-learning来等效解决min-max MPC控制问题,避免了直接求解min-max MPC二次代价函数。给出了所提方案神经网络的实现流程,一致性和稳定性证明。最后,对比仿真得出所提方案较min-max MPC的凸优化求解更高效,且鲁棒性更强。