事件触发分布式模型预测控制方法研究

Distributed model predictive control (DMPC) is a very effective approach to dealing with the distributed optimal control problem of large-scale systems. In the areas of DMPC, even though the research trend and direction is to develop more practical and useful DMPC approaches for industrial applications, most of the existing results are focused only on large-scale systems with the assumption that all the subsystems are synchronized and that the communication networks are reliable. To enhance the theoretical research and facilitate practical application of DMPC, this project is devoted to developing a new DMPC framework, called event-trigged DMPC by taking advantage of the event-triggered strategy, for a class of practical large-scale systems with asynchronous subsystems, disturbances, communication constraints and output feedback. Specifically, the main contents of the project include: (1) Develop a basic event-triggered DMPC approach that can deal with asynchrony among subsystems for a class of large-scale systems with reliable communication networks; (2) Propose a robust event-triggered DMPC method which is able to accommodate energy-bounded disturbances for a class of large-scale systems with external disturbances; (3) Develop a framework of event-triggered DMPC that can handle disturbances and communication delays simultaneously, and propose design conditions related with the disturbance and communication delays to guarantee stability;（4）Propose an event-triggered DMPC method that can deal with output feedback situation. This project belongs to applied fundamental research, and the research results are potential to the design of large-scale industrial systems.

分布式模型预测控制是解决大系统分布式优化控制问题的有效方法。设计更加实用有效的分布式模型预测控制方法是模型预测控制研究的发展趋势，但目前主要的结果仅局限于子系统同步、网络传输可靠的大系统，应用范围有限。本项目针对实际中广泛存在的子系统不同步、外界干扰、网络传输不可靠、输出反馈等问题，开展事件触发分布式模型预测方法研究，为解决大系统的优化控制问题提供有效方法，推动分布式模型预测控制的研究进程。主要内容包括（1）提出基本的事件触发分布式模型预测控制方法，突破现有方法对子系统要求同步的限制；（2）建立处理外界干扰的鲁棒事件触发分布式模型预测控制方法；（3）在网络时延、外界干扰等同时存在情况下，设计事件触发分布式模型预测控制的新方法，提出基于网络时延、外界干扰的设计条件；（4）提出输出反馈情况下的事件触发分布式模型预测控制方法。本项目属于应用基础研究，研究成果在大型工业系统中具有重要的应用前景。

网络化大系统分布式控制理论可以广泛应用于多机器人系统、大型化工系统、智能电网、传感器网络等。本项目主要针对网络化大系统在通信资源受限的分布式优化控制问题，研究了网络化控制系统的事件触发模型预测控制问题，主要研究内容包括分布式模型预测协同控制，基本的事件触发分布式模型预测控制，干扰下的事件触发分布式模型预测控制以及输出反馈事件触发模型预测控制问题。提出了高效的自触发模型预测控制理论方法，设计了基于分布式模型预测控制的协同控制算法，提出了事件触发分布式模型预测控制方法以及周期性触发鲁棒模型预测控制理论方法，形成了一套事件触发分布式模型预测控制理论方法。研究成果不但完善了事件触发分布式模型预测控制理论，而且为解决网络化大系统在通信资源受限下的优化控制问题提供了有效方法，具有重要的理论价值和工程作用，达到了预期的研究目的。