分布式随机模型预测控制方法研究
分布式模型预测控制(Distributed Model Predictive Control,简称DMPC)以其良好的控制性能,有效地处理各类约束的能力,较高的灵活性和容错性等优点,在复杂的工业过程控制中得到广泛应用,其理论研究也受到越来越多的关注。近几年,分布式模型预测控制对于确定性系统的稳定性分析、在线计算复杂度等研究己取得一定成果。
然而,对于存在随机模型不确定性和随机外界扰动的系统,分布式模型预测控制方法尚在研究初期,仍然存在不少重点和难点问题未得到有效解决。例如,如何协调各个子系统的控制行为,保证耦合约束满足,同时减小约束处理的保守性;如何利用不确定性信息,设计能够保证迭代可行性和整个系统稳定性的局部控制器,同时减少在线计算量;如何利用整体控制目标与各个子系统控制量之间的内在关系,实现全局系统的整体优化和协调。
为此,本文研究了多个具有耦合概率约束的随机线性子系统的分布式随机模型预测控制(Distributed Stochastic MPC,简称DSMPC)问题,分别考虑了实际被控系统中可能存在的三类不确定性因素:随机外界干扰、量测噪声或状态估 ...


雷达卡


京公网安备 11010802022788号







