基于纳什最优的分布式预测控制在常减压塔系统中的应用

利用现代计算机网络快速通信功能及其结构特点,针对常减压塔复杂的串联特性,设计了一种基于纳什最优的分布式预测控制算法。该算法通过各子系统之间互相通信和迭代计算,达到纳什最优,实现了低成本在线实时优化与控制的目标。仿真结果验证了算法的有效性和可用性。     

基于串联结构的分布式模型预测控制

分布式模型预测控制(Distributed model predictive control, DMPC)是一类用于多输入多输出的大规模系统的控制方式.每个智能体通过相互协作完成整个系统的控制. 已有的分布式预测控制算法可以划分为迭代式算法和非迭代算法:迭代算法在迭代到收敛情况下,具有集中式预测控制(Centralized model predictive control, CMPC)算法的性能,但迭 代次数过多,子系统间通信量大;非迭代算法不需要迭代,但性能有一定损失.本文提出了一种基于串联结构的非迭代分布式预测控 制算法.本文算法在串联结构系统中可以有效减少计算量,并结合氧化铝碳分解(Alumina continuous carbonation decomposition process, ACCDP)这一串联过程,通过仿真验证了算 法的有效性;同时分析了算法运用在串联结构下的性能并证明了其稳定性.     

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。     

基于非合作博弈的分布式模型预测控制优化算法

针对基于纳什最优的分布式模型预测控制求解算法中存在的迭代次数多、收敛精度不高的缺点,提出了一种基于非合作博弈的分布式模型预测控制优化算法。该方法借鉴非合作博弈论中的针锋相对策略,将每个子系统看作博弈的参与者,在线优化过程中,各个子系统在该策略影响下使所有参与者更快促成合作,从而快速求得整体最优解。仿真表明,与传统的基于纳什最优的迭代求解相比,在给定精度情况下,提出的算法所需的迭代次数要低于传统算法;在给定迭代次数情况下,提出的算法的跟踪性能更优,在外界产生随机扰动时,该算法也具有较好的抗干扰能力。此外,将提出的算法应用于设施环境控制系统中,进一步说明了算法的有效性。     

基于改进粒子群优化算法的预测控制

在实际工业过程中预测控制算法应用广泛,但是对于多变量预测控制算法其参数较多,且各个参数之间相互耦合,故整定其参数比较复杂,鉴于此提出一种基于改进粒子群算法的预测控制参数优化算法。该算法的基本思想是将生物寄生行为机制引入到粒子群优化算法中,形成双种群粒子群优化算法,使用该改进粒子群算法对多变量预测控制算法的参数进行离线优化,从而确定预测控制算法参数的最优取值。最后,将本文算法用于冷热水系统液位和温度的控制,并通过仿真将该算法与标准粒子群优化算法相比较,仿真结果表明使用该算法对多变量预测控制的参数进行优化整定时,系统的阶跃响应具有抗干扰性能好、超调量小、调节时间短等优点。     

多时标分散预测控制算法

针对一类各通道动态响应时间呈现较大差异的复杂大系统的控制问题, 提出了一种基于不同时标和分散通信模式下的预测控制算法. 该算法考虑了各个子系统的快慢特性和耦合关系, 采用纳什最优的思想, 并利用多时标信息预估方法实现整个系统的优化控制. 仿真实例验证了该算法的有效性.     

基于状态空间模型的双时间尺度预测控制算法

多时间尺度问题在控制领域已得到广泛关注。针对多时间尺度问题的典型代表——双时间尺度问题,学者们已提出多种控制算法来分析处理。这些控制算法大多是根据奇异摄动法将控制系统分解为快、慢两个独立的子系统,并对子系统分别进行优化求解,这类算法往往忽略子系统之间控制与输出的耦合作用。本文在上述控制算法的基础上,提出一种考虑快、慢子系统双方控制与输出间的耦合作用的双时间尺度预测控制算法。该算法以系统原状态空间模型分解得到的快、慢两个子系统模型为被控对象,将两个模型的预测值信息整合到同一预测控制优化问题中,实现对整个系统的控制。仿真实例验证了该方法的有效性。     

分布式预测控制优化算法

复杂大规模预测控制系统的在线实施一直是工业界十分关注的问题之一, 本文针对工业环境下分布式网络结构的特点, 提出了一种基于纳什最优的分布式预测控制优化算法, 在以低成本在线实施的同时, 保持了良好的控制性能, 文中进一步给出了分布式线性模型预测控制算法的收敛条件, 仿真结果表明了该算法的有效性.     

复杂工业过程的可变时域分散协调优化方法

针对大型工业生产过程,提出了一种基于约减状态空间分解的可变预测窗口长度预测控制算法。采用预测控制滚动优化的方法,在每个滚动窗口内,通过内外部状态分解减小优化问题求解规模,在此基础上,采用可变时间窗口长度的方式巧妙地解决了多时间尺度子系统之间的优化协调问题。以某炼铁厂的实际生产数据为基础进行了仿真实验,并与现有的三种预测控制算法进行了比较。结果表明,该方法很好地处理了计算实时性和优化性能之间的矛盾,综合性能最优。     

分布式预测控制在空气分馏塔中的应用

在大型空分控制系统中,集中式控制由于在线计算量大,对计算机的要求较高。采用分布式预测控制,把复杂系统的控制过程分散到各个子系统中去,降低了计算的复杂度,同时提高了系统的可靠性。建立了分馏塔的数学模型,并拆分成若干个子系统,利用纳什优化原理,获得了全局最优解。仿真结果表明,该算法取得了较好的控制效果。     

通讯信息约束下具有全局稳定性的分布式系统预测控制（英文）

本文针对一类由状态相互耦合的子系统组成的分布式系统,提出了一种可以处理输入约束的保证稳定性的非迭代协调分布式预测控制方法(distributed model predictive control,DMPC).该方法中,每个控制器在求解控制率时只与其它控制器通信一次来满足系统对通信负荷限制;同时,通过优化全局性能指标来提高优化性能.另外,该方法在优化问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差,进而保证各子系统优化问题初始可行时,后续时刻相继可行.在此基础上,通过加入终端约束来保证闭环系统渐进稳定.该方法能够在使用较少的通信和计算负荷情况下,提高系统优化性能.即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的渐进稳定性.仿真结果验证了本文所提出方法的有效性.     

通讯信息约束下具有全局稳定性的分布式系统预测控制

本文针对一类由状态相互耦合的子系统组成的分布式系统, 提出了一种可以处理输入约束的保证稳定性的非 迭代协调分布式预测控制方法(distributed model predictive control, DMPC). 该方法中, 每个控制器在求解控制率时只与 其它控制器通信一次来满足系统对通信负荷限制; 同时, 通过优化全局性能指标来提高优化性能. 另外, 该方法在优化 问题中加入了一致性约束来限制关联子系统的估计状态与当前时刻更新的状态之间的偏差, 进而保证各子系统优化问 题初始可行时, 后续时刻相继可行. 在此基础上, 通过加入终端约束来保证闭环系统渐进稳定. 该方法能够在使用较少 的通信和计算负荷情况下, 提高系统优化性能. 即使对于强耦合系统同样能够保证优化问题的递推可行性和闭环系统的 渐进稳定性. 仿真结果验证了本文所提出方法的有效性.     

事件触发双模分布式预测控制

本文针对有界扰动作用下的线性离散大系统,提出了事件触发双模分布式预测控制设计方法.利用输入状态稳定性(input-to-state stability,ISS)理论建立了仅与子系统自身信息相关的事件触发条件.只有子系统满足相应的事件触发条件,才进行状态信息的传输和分布式预测控制优化问题的求解,并与邻域子系统交互最优解作用下的关联信息.当子系统进入不变集时,采用状态反馈控制律进行镇定,并与进入不变集的邻域子系统不再交互信息.分析了算法的递推可行性和系统的闭环稳定性,给出了扰动的上界.最后,通过车辆控制系统对算法进行仿真验证,结果表明,本文提出的方法能够有效降低优化问题的求解次数和关联信息的交互次数,节约计算资源和通信资源.     

换热站并联水泵分布式优化控制

针对现有换热站并联水泵优化算法在集中式架构下控制适应性不足的问题,本文提出了一种改进的分布式并联水泵优化算法.首先,建立了并联水泵的分布式控制系统,并对该优化问题的数学模型进行描述,在目标函数中引入自适应非线性因子;然后,设计了改进的分布式果蝇优化算法,在该算法中每台水泵的控制器仅通过与邻居控制器交互信息即可完成并联水泵的优化;并且,在嗅觉搜索阶段,使用正弦余弦策略替代赋予个体距离与方向的随机策略;最后,以两个实际换热站中不同并联水泵系统为例对算法进行仿真验证,并基于仿真结果进行性能分析.结果表明,相较于传统算法,改进的分布式果蝇优化算法能得到更优的控制策略,有着收敛速度快、稳定性好和鲁棒性强的特点;并且该算法适用于不同系统的并联水泵优化问题,具有可扩展性.在实际工程验证中相较于集中式算法,该算法在总功率和计算时间上分别平均降低了5.47%和29.90%,因此,能够满足实际换热站中对并联水泵热负荷优化分配的需求.     

信息物理环境下不确定系统的随机分布式预测控制

针对信息物理系统环境下可能发生的信息丢包问题,提出一种随机分布式预测控制的分析与设计方法.考虑控制器端到执行器端的传输丢包,采用马尔科夫过程对这一丢包过程进行描述.通过对马尔科夫跳变的线性模型进行增广,研究一种具有随机丢包不确定系统的分布式预测控制方法;将系统分解成多个子系统进行描述,研究基于最小最大化优化的分布式预测控制器设计方法,并提出基于迭代交互的子控制器协调算法.将随机分布式预测控制算法在实际电机系统中进行仿真测试,以验证所提出方法的有效性.     

城轨列车自动驾驶控制算法及其实现

本文首先介绍了列车运行的优化操纵策略,采用模糊控制与预测控制相结合的在线控制算法使列车按照优化操纵曲线运行,并选取西安地铁二号线完成了仿真验证,通过与常规PID控制器的对比,证明了算法的有效性。最后,用C++语言将该算法移植到WinCE嵌入式系统中,并接入分布式列车运行综合仿真平台进行联合仿真,实现了对ATO车载平台的模拟。     

基于事件触发的互联电力系统分布式负荷频率预测控制

针对具有约束和扰动的多区域互联电力系统负荷频率控制(load frequency control, LFC)问题,本文提出了一种事件触发分布式模型预测控制(event-triggered distributed model predictive control,ET-DMPC)策略.将大规模互联电力系统分解成多个动态耦合的子系统,考虑发电机变化率约束(generation rate constraint, GRC)和调速器阀门位置限制,建立分布式预测控制优化问题.为了降低系统计算负担,减少计算资源的消耗和浪费,基于预测值和系统实际状态的误差构造事件触发条件.在事件触发机制下,只有子系统满足相应的事件触发条件时,控制器才传输状态信息和求解优化问题,并与邻域子系统交互最优解作用下的关联信息.仿真结果表明,本文提出的控制策略在负荷扰动和系统参数不确定的情况下具有良好的鲁棒性,同时极大地降低了系统的计算负担.     

多变量系统的PID 控制器设计

针对多输入多输出系统,提出一种基于微粒群算法的灰色系统预测PID 控制算法．该方案将多 输入多输出系统转化成若干个多输入单输出子系统,使用多变量一阶灰色模型GM(1;N) 预测出每个子系统的 输出,实现了多输入多输出系统的对角解耦．然后用微粒群算法优化PID 控制器的参数,用优化后的PID 控 制器对每个子系统进行控制．对两个典型的多变量控制过程进行了仿真,结果表明,这种控制方法超调量较 小,鲁棒性强,响应速度快,抗干扰能力强.     

中央空调系统并联水泵节能优化群智能控制算法

本文针对现有中央空调系统中并联水泵优化算法在群智能控制方面适应性不足问 题,提出了一种基于群智能平台的并联水泵优化算法。首先建立了并联水泵工作特性模型及 适应度函数,其次提出了一种分布式的估计算法,每个水泵通过与相邻水泵交互信息完成对 并联水泵运行的优化,最后分别以大小相同冷冻水循环泵系统和大小不同冷冻水循环泵系统 进行仿真验证并同时与集中式估计算法做对比。结果表明,该分布式算法可在满足末端流量 需求的情况下,对大小相同并联水泵进行台数配置和转速比优化;在末端流量变化时,不同 大小水泵可通过转速比等比例调节,实现对转速比的优化。     

基于LQR的耦合动态互联系统分布式协作 负载均衡优化控制

针对一类非等同非线性耦合互联系统,提出分布式协作负载均衡优化控制方法.将子系统间的通信联系建模成有向图,借助输入输出反馈线性化技术,将耦合互联系统的分布式负载均衡控制设计问题转化为广义线性多智能体系统的同步跟踪问题;基于最近邻原则和LQR方法,设计增益可调的分布式协作负载均衡优化控制律,耦合强度依赖于通信拓扑,控制增益依赖于子系统模型;借助矩阵变换方法,整个闭环系统的渐近稳定性可以解耦成每个子系统的稳定性,在假定通信拓扑只含有生成树的条件下,借助李亚谱诺夫函数,可证明整个闭环系统是稳定的,且通过调节控制增益,可以得到期望的响应速度.仿真结果验证了所提出控制方法的有效性及可行性.