项目名称: 一类非线性系统预测切换控制方法研究

项目编号: No.61304091

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 吕亮

作者单位: 东北大学

项目金额: 24万元

中文摘要: 模型预测控制是迄今为止对工业界最有影响的先进控制策略,但是因为其应用的"滚动优化"的思想在线求解优化问题,所以,在很大程度上限制了其在采样时间断、变化频繁的"快过程"中的应用。本项目将针对一类同时具有输入和状态约束的非线性切换控制系统,采用近似显式模型预测的方法设计切换控制器,并力求对现有的模型预测控制算法进行简化,使其可以适用于采样时间短以至于不允许在线实时求解优化问题的"快过程",并且设计切换控制机制使整个闭环系统满足稳定性,状态和输入的约束条件以及一定得性能要求,并使其可行域的范围增大。本项目还将利用闭环鲁棒约束优化问题的研究方法,提出同时具有模型不确定性和外界扰动的非线性切换控制系统近似模型预测方法。此外,本项目还将对所提出的理论方法进行实验仿真和验证,分析闭环系统的动、静态性能。

中文关键词: 可分解预测控制;自驱动预测控制;序贯二次规划;网络物理系统;坐标变换法

英文摘要: Model predictive control is by now the most influential modern control technology in the industrial world.The control move is updated by means of a receding horizon strategy which requires to slove a constrained optimazation problem on line, which limited its application for the "fast process" systems with fast sampling rate and frequent dynamic changes. This project will consider the approximate explicit model predictive control for a class of nonlinear switching systems in presence of both input and state constraints. The aim is to simplify the current existing model predictive control algorithm, and make it also apply to "fast process" systems with small sampling time and not allowing to slove the optimization problem on line. A switching scheme will be designed to maximize the domain of the feasible set, and guarantee stability, constraints satisfaction, and even certain performance requirements. This project will also employ the closed-loop constrained robust optimal control methodology and formulate the approximate explicit robust model predictive control algorithm for a class of nonlinear switching systems with model uncertainties and external disturbances. The experimental simulation will also be carried out to illustrate the effectiveness of the results, and the dynamic and static performance of the clo

英文关键词: Separable MPC;Self-triggered MPC;Sequential Quadratic Programming;Cyber-physical Systems;Alternating Direction Method

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
32+阅读 · 2021年9月14日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
15+阅读 · 2021年3月4日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
61+阅读 · 2020年7月12日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
3+阅读 · 2022年4月18日
Arxiv
2+阅读 · 2022年4月17日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
23+阅读 · 2020年9月16日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
32+阅读 · 2021年9月14日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
24+阅读 · 2021年6月9日
专知会员服务
15+阅读 · 2021年3月4日
【斯坦福大学】矩阵对策的协调方法,89页pdf
专知会员服务
25+阅读 · 2020年9月18日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
相关论文
Arxiv
3+阅读 · 2022年4月18日
Arxiv
2+阅读 · 2022年4月17日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
31+阅读 · 2020年9月21日
Arxiv
23+阅读 · 2020年9月16日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Arxiv
24+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员