基于Kleinman控制器的广义预测控制稳定性分析

以Kleinman控制器及其扩展形式和Riccati迭代为分析工具, 讨论了广义预测控制(GPC)在各种参数情况下的稳定性, 得到了与Kleinman控制器等价的GPC闭环稳定性的完整结论, 覆盖了现有文献的一些结果, 并为预测控制系统的稳定设计提供了理论依据.     

Takagi-Sugeno模糊控制系统稳定性的充要条件的逼近

分析了Takagi-Sugeno(T-S)模糊控制稳定性,其中Lyapunov函数包括公共二次型Lyapunov函数、分段二次型Lyapunov函数、模糊Lyapunov函数、非二次型Lyapunov函数、齐次多项式型Lyapunov函数,控制律包括并行分布补偿控制律、非并行分布补偿控制律和齐次多项式型参数化控制律。基此,通过采用Polya定理、齐次多项式技术等,给出T-S模糊控制的稳定性的充要条件的逼近方法。     

具有任意有界丢包的网络控制系统的预测控制

针对离散时间线性系统,研究了从传感器到控制器、从控制器到执行器都存在任意有界数据丢包时的网络控制系统的镇定问题。通过建立包含丢包所有可能性的扩展状态空间模型,将具有数据丢包的网络控制系统的镇定问题转化为同时镇定一系列模型的鲁棒控制问题。采用公共Lyapunov方法论证闭环系统的稳定性。通过将无穷时域控制作用参数化为一个自由控制作用加一个状态反馈控制律,提出了一种新的网络预测控制器设计方法。仿真实例说明了新方法的有效性。     

多智能体系统的分布式预测控制器设计

针对多智能体系统的跟踪及编队控制问题,研究其分布式预测控制器的设计方法。考虑时变通讯拓扑情况,在优化问题中附加一项辅助约束,保证了优化问题的递归可行性及多智能体系统的闭环指数稳定性。在每个采样时刻,各智能体根据通讯拓扑实时更新其代价函数及辅助约束,通过求解带有状态、输入及辅助约束的优化问题来计算其控制输入。仿真结果验证了结论的有效性。     

离线方法与在线优化相结合的混合型鲁棒预测控制

通过加入自由摄动量和采用在线优化来扩大离线鲁棒预测控制的吸引域。当状态位于离线预测控制的吸引域之外时,在线求解简单的优化问题,得到一个较大的椭圆型吸引域;当状态位于这个较大椭圆型区域的外面时,在线求解1个标准的鲁棒预测控制问题,使得整个吸引域变为一个大得多的非椭圆型区域。提出的方法具有离线预测控制的所有优点,并且大范围地扩大了吸引域,给出仿真例子显示其效果。     

采用动态协调的混杂分布式预测控制方法

针对多智能体复杂协调控制问题,提出基于动态协调规则的分布式预测控制。将避碰约束处理为基于方位的混杂规则,并在代价函数中引入布尔函数项。为适应复杂时变的工况,在每个采样时刻,根据各智能体的位置关系及其与目标的相对距离,设计动态协调规则以确定布尔函数项的权值。此方法增强了运动方向一致性和控制行为一致性,改进了分布式预测控制的稳定性和可行性。由于取较短的预测时域即可达到控制目标,此方法也提高了分布式预测控制方法的实时性和实用性。给出仿真例子验证了此方法的有效性。