双层结构预测控制研究进展

现代工业大系统的优化控制采用递阶结构,其中以预测控制为代表的先进过程控制已经成为重要的一级.目前,主流的工业预测控制技术均采用双层结构,即包含稳态优化层和动态控制层.双层结构预测控制技术可以有效解决复杂工业过程常见的多目标优化、多变量控制的难点问题.本文简要总结了双层结构预测控制的算法,并从控制输入与被控输出稳态关系入手分析了多变量预测控制稳态解的相容性和唯一性,说明了稳态优化的重要性.针对双层结构预测控制与区间预测控制的性能比较、稳态模型的奇异性以及闭环系统动态特性等提出了一些见解,并指出了需要重点研究的主题.     

基于动态矩阵控制的双层结构预测控制的整体解决方案

本文给出一种双层结构预测控制的整体解决方案. 该方案分为开环预测、稳态目标计算和动态控制三个模块. 开环预测基于实测被控变量值和过去的操作变量值, 在假设未来操作变量不再变化的情况下, 估计未来的被控变量值. 稳态目标计算根据开环预测结果和外部目标等要求, 计算操作变量、被控变量的稳态目标值以及软约束的放松量. 动态控制根据开环预测结果和稳态目标输出结果, 计算未来的控制作用增量序列, 采用经典的动态矩阵控制策略. 这个整体解决方案保证了三个模块在模型、约束、目标上的一致性. 该算法是在已有文献的基础上, 将三个模块统一处理得到的. 仿真与应用例子证实了该算法的有效性.     

实时优化与分布式控制集成算法

预测控制作为一种以预测模型为基础的先进控制算法,分布式预测控制广泛应用于复杂高维的复杂大系统控制中。提出了针对大规模过程的实时优化与分布式预测控制集成算法,包含稳态目标计算层和动态分布式控制层。在稳态目标计算层根据当前系统的运行状况进行集中优化,在系统运行的每一时刻计算出相对的全局最优值,并将其传递到下层进行控制。在动态控制层将复杂的大系统分为若干个相对独立的子系统,并且充分考虑各个子系统之间的关联和耦合,用分布式预测控制算法对上层计算得到的相对的全局最优值进行跟踪,提高系统在动态情况下的控制性能。仿真应用表明,此方法的优点在于保证全局最优的同时,降低了计算的复杂度,并且实现了经济目标。     

基于目标跟踪的双层结构工业预测控制

针对基于二次规划的稳态目标跟踪问题,给出一种统一的处理方法.该方法不仅可以通过加权协调各个目标的跟踪,还可通过惩罚跟踪偏差体现对输出目标跟踪的偏重.分析该方法的可行性,得到了同时适合于多优先级稳态目标优化的无静差控制的结论.仿真结果验证了所提出方法的有效性.     

双层结构模型预测控制算法性能分析

双层结构模型预测控制是在常规模型预测控制的基础上集成了稳态目标计算层,所增加稳态目标计算层通过对给定外部目标进行调节或执行独立经济优化为底层动态控制提供设定值.本文着重于分析增加稳态目标计算层对常规模型预测控制策略在控制性能、经济性能、及鲁棒性方面的影响.阐明稳态目标计算是在动态不确定性下的最优决策过程,可实时考虑当前工况环境给出最佳设定值,使动态层控制量的计算更加合理,并可保证在动态控制层实现无静差控制;稳态目标计算层可利用包含目标跟踪和经济优化的性能指标,在保证跟踪控制要求的同时利用操作自由度进行经济性优化,有助于提高系统经济性能,此外由于操作自由度增加使得系统对于特定方向的扰动和通道失配具有更强的鲁棒性.最后通过实验仿真验证了所做分析的正确性.     

工业大系统双层结构预测控制的集中优化与分散控制策略

为降低工业大系统模型预测控制(Model predictive control,MPC)在线计算复杂度,同时保证系统的全局优化性能,提出一种集中优化、分散控制的双层结构预测控制策略.在稳态目标计算层(Steady-state target calculation, SSTC),基于全局过程模型对系统进行集中优化,将优化结果作为设定值传递给动态控制层;在动态控制层,将大系统划分为若干个子系统,每个子系统分别由基于各自子过程模型的模型预测控制进行控制,为减少各子系统之间的相互干扰,在各个子系统之间添加前馈控制器对扰动进行补偿,提高系统的总体动态控制性能.该策略的优点在于能确保系统全局最优性的同时降低了在线计算量,提高了工业大系统双层结构预测控制方法的实时性.仿真实例验证该方法的有效性.     

状态空间模型的双层结构预测控制算法

双层结构预测控制是指先进行设定值优化、再进行设定值跟踪的预测控制.在已有的双层结构动态矩阵控制的基础上,本文给出基于状态空间模型的双层结构预测控制算法.该算法基于干扰模型和新定义的开环预测值,给出了新的开环预测模块.该开环预测模块采用Kalman滤波方法得到操作变量、被控变量的开环动、稳态预测值.基于这些开环预测值,稳态目标计算模块的基本原理同双层结构动态矩阵控制,但是具体细节上遵循状态空间方法.动态控制模块基于稳态目标计算提供的操作变量、被控变量的稳态目标(设定值),采用二次规划算法计算控制作用.仿真算例证实了该算法的有效性.     

多变量预测控制系统稳态解的相容性与唯一性分析

多变量控制系统在结构形态上可以划分为方系统和非方系统, 非方系统可进一步划分为胖系统和瘦系统. 对瘦系统和胖系统, 预测控制系统分别可能出现输出静差和输入稳态值不确定问题. 本文从控制输入与被控输出稳态关系入手, 将上述问题归结为非齐次线性方程组的相容性与唯一性问题. 通过非齐次方程组解的判定定理分析了多变量预测控制系统稳态解出现相容性和唯一性问题的原因, 并由此给出了双层结构控制策略及解决方案. 上层稳态优化方法从理论上解决了瘦系统的相容性问题, 并从胖系统的无穷多个相容解中找到最优解. 下层集成控制输入目标的预测控制从根本上保证了胖系统控制输入稳态解的唯一性, 并实现了方系统与非方系统预测控制在算法描述上的统一. 仿真结果验证了本文提出的双层结构预测控制算法的有效性, 即多变量预测控制系统稳态解既是相容的又是唯一的.     

针铁矿法沉铁过程双层结构优化控制

针铁矿沉铁过程是锌冶炼过程中一个非常重要的环节,其中最重要的是控制氧气添加量,因此本文提出一种针铁矿沉铁过程双层结构优化控制方法.上层定义氧气利用率衡量理论消耗量与实际添加量的差别,以过程氧气利用率最高为目标优化设定级联反应器出口二价铁离子浓度下降梯度,下层以过程氧气消耗最少和出口离子浓度与上层设定值误差最小为优化目标,过程动态模型和工艺条件为约束,求解构造的非线性优化控制问题得到各反应器最优氧气添加速率.为减少不确定性干扰对系统的影响,采用一种模型参数自适应校正的方法对模型参数进行校正保证优化控制器的性能.最后根据过程离子浓度采样值计算过程实际氧气利用率作为上层优化参数重更新反应器出口二价铁离子浓度最优设定值.由于下层优化问题约束多且约束多呈非线性,采用Legendre伪谱法求解下层优化问题.仿真结果表明,所提出的双层结构优化控制方法能实现过程准确控制,减少过程氧气消耗.     

基于多优先级稳态优化的双层结构预测控制算法及软件实现

研究包含稳态目标计算（Steady-state target calculation,SSTC）层和动态控制层的双层结构预测控制（Model predictive control,MPC）及其实现方法. 我们将已有的辨识、优化和控制方案适当地组合并软件化. 通过在多优先级稳态目标计算中引入新的变量,给出了稳态目标计算的统一表达方法,每个优先级的优化问题或是跟踪外部目标,或是放松软约束. 通过仿真算例和应用实例相结合的方式验证了软件功能.     

动态输出反馈鲁棒模型预测控制离线算法

研究具有多包不确定性和有界噪声系统的动态输出反馈鲁棒模型预测控制(Robust model predictive control, RMPC)的离线方法. 先前的在线方法中, 在估计状态和估计误差集合已知的情况下, 在每一采样时刻通过近似最优算法求解控制器参数. 本文采用先前的方法计算离线控制器参数和吸引域. 首先, 选定一系列估计状态, 其中,每个估计状态对应同样一组嵌套的估计误差集合. 然后,针对每一估计状态和每一估计误差集合的组合,离线计算唯一的控制器参数和对应的吸引域. 这些控制器参数和对应的吸引域存储在表中. 如果离线确定的吸引域包含实时的扩展状态, 则该离线控制器参数是实时可行的. 在线时, 根据实时估计状态和选取实时估计误差集合, 在表中搜索包含实时扩展状态且优化性能指标最小的吸引域所对应的控制器参数. 通过连续搅拌釜式反应器控制系统验证了该方法的有效性.     

基于标称性能指标的离线鲁棒预测控制器综合

离线鲁棒预测控制综合算法离线确定一个控制律序列,对应一组吸引域,在线根据当前状态的位置选择相应的控制律,该类控制器在线计算量非常小,而可行性和最优性与其它综合算法相比或多或少要差一些,为此,采用标称性能指标而不是“最坏情况”性能指标来改进离线综合算法的可行性和最优性,改进的控制器保持了原有控制器的稳定性以及控制律关于系统状态的连续性.仿真结果说明了采用标称性能指标的优越性。     

预测控制中的稳态优化策略

预测柠制算法为了在自由度不足时按优先级优先保证基本控制目标，在自由度多余时充分利用自由度提高效益，在算法中引了优化 控制的策略，本文首先介绍和分析了以前对预测控制的改进工作，最后给出了基于目标规划思想的优化策略。     

Discrete‐Valued Model Predictive Control Using Sum‐of‐Absolute‐Values Optimization

In this paper, we propose a new design method of discrete‐valued model predictive control for continuous‐time linear time‐invariant systems based on sum‐of‐absolute‐values (SOAV) optimization. The finite‐horizon discrete‐valued control design is formulated as an SOAV optimal control, which is an expansion of L¹ optimal control. It is known that under the normality assumption, the SOAV optimal control exists and takes values in a fixed finite alphabet set if the initial state lies in a subset of the reachable set. In this paper, we analyze the existence and discreteness property for systems that do not necessarily satisfy the normality assumption. Then, we extend the finite‐horizon SOAV optimal control to infinite‐horizon model predictive control (MPC). We give sufficient conditions for the recursive feasibility and the stability of the MPC‐based feedback system in the presence of bounded noise. Simulation results show the effectiveness of the proposed method.     

基于满意优化的非线性预测控制

对多约束的非线性系统建立T—S模糊模型,采用局部线性化方法在每个采样点对非线性系统进行线性化,从而得到系统的线性化模型。针对传统的优化方法无法直接处理带有一定模糊不确定性的优化问题,该文在广义预测控制滚动优化的机制下把具有模糊边界约束的有限预测时域的优化问题,转化为等价的确定性规划问题,通过模糊规划方法来求解多约束的目标函数,从而用满意优化取代传统的二次型性能指标来求解模糊约束条件的预测控制。仿真结果表明了该方法的有效性。     

预测控制算法的内模结构及其统一格式

本文应用内模控制（ＩＭＣ）原理，研究了现有各类预测控制算法ＩＭＣ、ＭＡＣ、ＤＭＣ、ＧＰＣ、ＧＰＰ的控制器方程，闭环系统输入输出和误差方程，归纳出它们的统一算式，为理解各类预测控制算法的内在联系及进一步研究提供了方便．     

Approximation of Model Predictive Control Laws for Polynomial Systems

A fast implementation of a given predictive controller for polynomial systems is introduced by approximating the optimal control law with a piecewise constant function defined over a hyper‐cube partition of the system state space. Such a state‐space partition is computed in order to guarantee stability, an a priori fixed trajectory error as well as input and state constraints fulfilment. The presented approximation procedure is achieved by solving a set of nonconvex polynomial optimization problems, whose approximate solutions are computed by means of semidefinite relaxation techniques for semialgebraic problems.     

约束非线性系统的滑模预测控制方法

将预测控制和滑模控制结构起来,提出一种新的非线性模型预测控制方法,通过对系统状态预测得到切换函数预测值,求解约束开环优化求得预测控制律,并将当前时刻的控制作用于对象,下一时刻重复此过程,该方法具有预测控制在线处理约束及滑模控制滑动模态对干扰的不变性的优点,分析了零终端滑模约束模型预测控制的稳定性。     

网路化双线性系统的预测控制优化算法研究

本文对一类离散时间双线性系统进行网络化预测控制研究.针对控制系统网络信道传输引起的前向通道和反馈通道时延问题,基于双线性系统结构特性提出2种逐步优化算法对非凸优化问题进行求解,进而得到未来时刻的预测控制序列.仿真实例说明所求预测控制序列可以主动补偿网络引起的时延问题,从而说明所提出预测控制算法的有效性.