执行器饱和受限不确定系统的次序优化多步预测控制
CSTR:
作者:
作者单位:

(1. 华南理工大学自动化科学与工程学院, 广州510640;2. 华南理工大学自主系统与网络控制教育部重点实验室,广州510640)

作者简介:

张浪文(1986-), 男, 助理研究员, 从事分布式预测控制理论与应用的研究;谢巍(1974-), 男, 教授, 博士生导师, 从事线性参数变化系统的建模与控制等研究.

通讯作者:

E-mail: weixie@scut.edu.cn

中图分类号:

TP273

基金项目:

中国博士后科学基金项目(2016M592488);中央高校基本科研业务费专项资金项目(2017BQ098);工业控制技术国家重点实验室开放课题(ICT170340);广东省科技计划项目(2016B090927007);广东省引进创新创业团队计划项目(2016YT03G125);广州市科技项目(201707010152).


Multi-step predictive control for input-saturated uncertain systems based on sequential optimization scheme
Author:
Affiliation:

(1. College of Automation Science and Technology,South China University of Technology,Guangzhou 510640,China;2. Key Laboratory of Autonomous Systems and Networked Control of Ministry of Education,South China University of Technology,Guangzhou 510640,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    设计一种次序优化机制,提出一类饱和受限不确定系统的次序优化多步预测控制方法.将系统的输入分解成多个子集合,在各采样周期仅对其中一个集合的输入进行优化,待优化的输入保持上一优化值.针对每个输入集合,确定闭环系统的不变集条件,将次序优化预测控制器设计问题转化成“最小-最大”优化问题,通过求解一组线性矩阵不等式问题得到控制器.仿真算例表明,采用次序优化预测控制方法可以减少控制器的设计时间.

    Abstract:

    This paper presents a multi-step predictive control algorithm for input saturated systems by designing a sequential optimization scheme. The control inputs are divided into several subsets, and only one subset of inputs are optimized at each time instant. The inputs that are not optimized at the current instant remains the latest optimized one. For each input set, a set invariance condition is identified, and the multi-step predictive controller design problem is transformed into a “min-max” optimization problem. The multi-step predictive controller is obtained by solving linear matrix inequalities(LMIs). The simulation results show that the proposed multi-step predictive control algorithm has the advantage in reducing the computation time in controller design.

    参考文献
    相似文献
    引证文献
引用本文

张浪文,谢巍.执行器饱和受限不确定系统的次序优化多步预测控制[J].控制与决策,2017,32(8):1499-1504

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2017-07-17
  • 出版日期:
文章二维码