论文部分内容阅读
模型预测控制(Model Predictive Control, MPC)是在预测模型的基础上,通过采用在线滚动优化和反馈自校正的优化策略,来克服受控对象建模误差、扰动、参数等因素的影响,从而达到期望的控制目标的一种控制算法。模型预测控制因其能够对受控对象进行优良的控制且能够解决系统所受到的输入-输出及状态约束,从而在实际工业和学术界中得到极大地推广和研究。由于实际被控过程往往都会受到约束条件的限制和不可测扰动的影响,如何在消除扰动对控制性能的影响及有效处理约束条件对控制的限制的情况下来求得控制的显式解析解是本文研究的主要问题。针对一类存在扰动的线性离散约束系统,首先采用在线反馈校正的预测模型来消除扰动对控制效果的影响,即依据输出误差对预测模型进行补偿;再将有约束优化问题转化为二次规划问题,通过对系统的约束矩阵进行值域和核空间的分解来分析约束对系统的影响,从而求得显式的约束预测控制律解析表达式。最后通过仿真实例验证了该算法的可行性及有效性。考虑到滑模变结构控制对被控对象受到的干扰、参数时变等不确定性具有良好的自适应性,可将滑模控制和预测控制综合在一起来解决上述系统的控制器设计问题。基于此对上述预测控制器设计做了一点改进,先利用预测滑模控制策略,设计了滑模控制的切换面,得到预测滑模的预测模型,采用幂次函数趋近律作为滑模参考轨迹,将有约束优化问题转化为二次规划问题,再应用上述显式控制律求解的方法得到优化解。最后通过仿真实例验证了该算法的可行性和有效性,表明了该算法具有较强的鲁棒性。