连续非线性系统的滑模鲁棒正不变集控制

针对一类具有控制和状态有界约束的连续非线性系统, 提出了一种基于单向辅助面滑模控制的正不变集设计方法. 该方法通过将约束条件引入单向辅助面的设计中, 利用单向辅助面构造系统状态的正不变集, 以保证系统状态和控制输入在整个过程中都能满足约束条件. 同时, 滑模控制器设计不再受到切换面的限制, 一些不稳定的超平面也可以作为单向辅助面以设计控制器. 随后给出该方法的稳定性分析以及正不变集的理论证明, 并且通过仿真验证了设计方法的有效性.     

一种改进指数趋近律单向辅助面滑模控制

针对连续非线性系统,结合指数趋近律,采用一种改进指数趋近律的单向辅助面滑模控制方法。首先依据给定的连续非线性系统和状态约束,设计基于指数趋近律的单向辅助面滑模控制器,在此基础上,引入了改进指数趋近律单向辅助面滑模控制器,并给出有限时间收敛的理论证明和收敛时间计算公式。最后通过仿真验证了改进的指数趋近律单向辅助面滑模控制方法具有更快的收敛速度和更有效的抖振抑制能力。     

一类离散不确定系统的Tube不变集离线鲁棒模型预测控制

针对一类输入和状态受限的离散线性不确定系统,提出了一种基于Tube不变集的离线鲁棒模型预测控制方法.首先针对输入和状态约束线性时不变标准系统,设计了改进的基于多面体不变集的离线模型预测控制算法,并证明了稳定性.其次对于存在未知有界干扰的实际不确定系统,引入了Tube不变集策略,通过设计对应标准模型的最优控制序列和状态轨迹,给出了实际不确定系统的离线Tube不变集控制策略,保证系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

基于多胞体双重滤波的系统状态估计方法

针对未知但有界噪声离散时间状态空间系统,提出一种基于多胞体双重滤波的系统状态估计方法.首先,采用有界误差方法对测量噪声和状态预测过程进行分析,利用正多胞体预测状态集包裹后离散成初始约束条件;然后,根据更新最小边,全对称多胞体经过正多胞体紧致包裹后离散成约束条件,与测量方程约束条件组成3重约束;最后,通过求解线性规划问题得到全部状态的上下界,并获得包裹状态可行集的最紧致正多胞体.仿真示例验证了该方法估计离散状态空间系统状态的有效性和准确性.     

基于鲁棒一步集的Tube不变集鲁棒模型预测控制

针对一类干扰有界的输入和状态受约束线性离散系统,提出了一种基于鲁棒一步集的Tube不 变集鲁棒模型预测控制方法.首先采用多面体不变集离线设计方法得到基于多面体不变集序列的扩 展终端约束集;然后为了扩大鲁棒模型预测控制的初始状态允许区域,并提高系统的鲁棒性,在扩展终端约束集的基础上,通过引入鲁棒一步集并借助Tube不变集控制策略,设计了基于鲁棒一步集的鲁棒模型预测控制方法,并给出了算法的存在性和稳定性证明. 该方法不仅极大地扩大了初始状态允许区域,而且对有界干扰具有有效的抑制作用,使得受扰系统收敛到以原点为中心的最小鲁棒正不变集内.最后仿真验证了算法的有效性.     

状态与输入受限的二阶多输入多输出非线性系统自适应控制

针对含有状态和输入受限的二阶多输入多输出非线性系统的控制问题,提出了一种自适应控制策略.通过综合利用障碍Lyapunov函数和动态面控制方法的特性,使得系统的状态满足约束条件而且能够减少计算量.此外,为了处理输入约束和系统中的不确定性的影响,分别设计了辅助系统和自适应算法.通过理论分析表明,闭环系统的所有状态都是有界的,而且系统的状态和输入都满足约束条件.最后,通过一个数值仿真算例和一个实际的航天器姿态控制系统的仿真来验证所提出的自适应控制策略的有效性.     

状态与输入受限的二阶多输入多输出非线性系统自适应控制（英文）

针对含有状态和输入受限的二阶多输入多输出非线性系统的控制问题,提出了一种自适应控制策略.通过综合利用障碍Lyapunov函数和动态面控制方法的特性,使得系统的状态满足约束条件而且能够减少计算量.此外,为了处理输入约束和系统中的不确定性的影响,分别设计了辅助系统和自适应算法.通过理论分析表明,闭环系统的所有状态都是有界的,而且系统的状态和输入都满足约束条件.最后,通过一个数值仿真算例和一个实际的航天器姿态控制系统的仿真来验证所提出的自适应控制策略的有效性.     

一类非线性系统最大可控不变集求解

针对非线性系统线性化在状态约束下最优鲁棒控制求解问题,提出了一种基于混合系统的非线性系统最大鲁棒控制不变集的方法.对于一类非线性系统通过平衡点线性化的方法转化为多模态的混合系统,并进行了混合逻辑动态模型(MLD)的建模,在不变集基本理论的基础上,通过多参数规划的混合整数规划(MIQP)的方法迭代求解最大可控不变集,并求得不变集内的最优控制器,解决系统的状态约束问题.通过一个非线性系统的实例进行建模、仿真,证明了本方法的可行性.     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

约束多传感器线性系统的RMPC容错控制

针对一类约束多传感器线性故障系统,提出了一种基于鲁棒预测控制策略的容错控制方案．首先为多传感器线性系统设计了观测器,然后离线设计不变集列,使得时变的状态估计误差存在于相应的不变集列中,利用不变集的理论提出了一种新的故障检测的方法,最后基于鲁棒预测控制策略为故障系统设计了容错控制器,给出了闭环系统鲁棒稳定性的证明．仿真结果证明了方法的可行性。     

MPC of constrained discrete-time linear periodic systems — A framework for asynchronous control: Strong feasibility, stability and optimality via periodic invariance

State-feedback model predictive control (MPC) of discrete-time linear periodic systems with time-dependent state and input dimensions is considered. The states and inputs are subject to periodically time-dependent, hard, convex, polyhedral constraints. First, periodic controlled and positively invariant sets are characterized, and a method to determine the maximum periodic controlled and positively invariant sets is derived. The proposed periodic controlled invariant sets are then employed in the design of least-restrictive strongly feasible reference-tracking MPC problems. The proposed periodic positively invariant sets are employed in combination with well-known results on optimal unconstrained periodic linear-quadratic regulation (LQR) to yield constrained periodic LQR control laws that are stabilizing and optimal. One motivation for systems with time-dependent dimensions is efficient control law synthesis for discrete-time systems with asynchronous inputs, for which a novel modeling framework resulting in low dimensional models is proposed. The presented methods are applied to a multirate nano-positioning system.     

基于最小衰减率多面体不变集的鲁棒模型预测控制

针对一类具有输入输出约束的多胞体结构线性变参数系统,提出了一种基于最小衰减率多面体不变集的鲁棒模型预测控制算法,算法分为在线和离线两个部分.为增强系统控制效果,提高系统响应速度,离线算法首先采用寻求状态变量的最小衰减率的方法优化出一系列状态变量及相应的状态反馈控制律,然后构建出相应的多面体不变集序列;在线算法根据当前实测状态变量,在多面体不变集序列内确定状态变量所处的最小多面体不变集,通过在线优化得出系统的控制输入.给出了鲁棒模型预测控制算法的详细步骤和系统的闭环稳定性证明.仿真结果验证了本算法的有效性,表明本算法使系统的闭环响应更为快速和稳定.     

Receding horizon output feedback control for constrained uncertain systems using periodic invariance

In this article, we consider a receding horizon output feedback control (RHOC) method for linear discrete-time systems with polytopic model uncertainties and input constraints. First, we derive a set of estimator gains and then we obtain, on the basis of the periodic invariance, a series of state feedback gains stabilising the augmented output feedback system with these estimator gains. These procedures are formulated as linear matrix inequalities. An RHOC strategy is proposed based on these state feedback and state estimator gains in conjunction with their corresponding periodically invariant sets. The proposed RHOC strategy enhances the performance in comparison with the case in which static periodic gains are used, and increases the size of the stabilisable region by introducing a degree of freedom to steer the augmented state into periodically invariant sets.     

Constrained robust model predictive control based on periodic invariance

In this paper, a receding-horizon control method for input/state constrained systems with polyhedral uncertainties is proposed. The dual-mode prediction strategy is adopted to deal with the constraints and periodically-invariant sets are used to derive a target invariant set of the dual-mode prediction strategy. The proposed control method is shown to have novel characteristics earlier approaches do not have i.e.: (i) the convex-hull of all the periodically invariant sets are invariant in the sense that there are feasible feedback gains guaranteeing invariance for any elements of the convex-hull and it provides larger target sets than other methods based on ordinary invariant sets. (ii) A particular convex-hull of periodically invariant sets, that is computable off-line, can be used as an invariant target set. In this case the number of on-line variables is only equal to the period of invariance and thus the proposed algorithm is computationally very efficient. These on-line variables provide interpolation between different feedback gains to yield best performance.     

可变多胞体结构的鲁棒模型预测控制

针对一类具有输入输出约束的线性变参数系统,提出了一种可变多胞体结构的多面体不变集鲁棒模型预测控制算法,算法分为在线和离线两个部分。离线算法构建系统的未知但有界误差描述模型,根据状态的变化得到可变参数的多胞体结构,并转化为状态空间模型的多胞体形式,然后采用线性矩阵不等式的优化方式得到一系列离线嵌套多面体不变集。在线算法根据状态变量在嵌套多面体不变集中的位置,结合可变多胞体结构,通过线性插值的优化方式得到系统的实际控制律。给出算法的详细步骤和系统闭环稳定性证明。仿真结果验证了该算法的有效性,表明该算法使系统的闭环响应更为快速和稳定。     

Sliding mode-based adaptive tube model predictive control for robotic manipulators with model uncertainty and state constraints

In this paper, the optimal tracking control for robotic manipulatorswith state constraints and uncertain dynamics is investigated, and a sliding mode-based adaptive tube model predictive control method is proposed. First, utilizing the high-order fully actuated system approach, the nominal model of the robotic manipulator is constructed as the predictive model. Based on the nominal model, a nominal model predictive controller with the sliding mode is designed, which relaxes the terminal constraints, and realizes the accurate and stable tracking of the desired trajectory by the nominal system. Then, an auxiliary controller based on the node-adaptive neural networks is constructed to dynamically compensate nonlinear uncertain dynamics of the robotic manipulator. Furthermore, the estimation deviation between the nominal and actual states is limited to the tube invariant sets. At the same time, the recursive feasibility of nominal model predictive control is verified, and the ultimately uniformly boundedness of all variables is proved according to the Lyapunov theorem. Finally, experiments show that the robotic manipulator can achieve fast and efficient trajectory tracking under the action of the proposed method.     

基于多面体不变集的变终端约束集RMPC

针对一类状态和输入受约束的多胞不确定线性时变系统,提出了一种基于多面体不变集的变终端约束集鲁棒模型预测控制算法.首先采用基于状态反馈增益的多面体不变集计算方法,给出了一种新的控制不变集序列构造方法,然后以控制不变集序列的并集作为终端约束集,结合在线优化和增益切换,实施变终端约束集双模鲁棒预测控制.该算法不仅有效地扩大了...