基于时域鲁棒性能的不确定系统预测控制参数快速整定方法研究

Parameter tuning of model predictive controllers (MPC) for uncertain systems is one of the main difficulties and key challenges for the research of industrial MPCs. In this project, we focus on industrial systems controlled by MPC without terminal constraints/penalties, and aim at providing a solution to the challenges including that the robust stability analysis is over-conservative, the performance indices cannot be selected directly according to the production target, and the tuning algorithm is not computationally efficient enough. By revealing the relationship between the parametric uncertainty and unstructured uncertainty, a parametric uncertainty based robust stability analysis method is proposed for industrial MPCs, based on which the conservativeness of robust stability analysis can be reduced; A series of new time-domain robust performance indices and the corresponding calculation method are proposed for the considered uncertain systems; the coupling mechanism between the proposed time-domain robust indices, the tuning parameters and the uncertainty level is analyzed, based on which an effective MPC tuning approach is developed; by analyzing the impact of the system's sampling and updating strategy on the performance of an industrial MPC, an event-triggered sampling based closed-loop performance prediction method is proposed for the considered MPC system, based on which the on-line computation burden of the proposed MPC tuning method can be reduced. Finally, the effectiveness of the proposed MPC tuning method is tested through simulations and experiments. The objective of the project is to explore new theories and methods for MPC tuning such that MPC method can be popularized to more industrial applications.

不确定系统模型预测控制参数整定是目前预测控制工业应用的难点和核心问题之一。以不包含终端约束/惩罚项的工业预测控制系统为研究对象，针对其参数整定过程中，鲁棒稳定性分析易于保守、控制性能指标难以直接根据生产要求设定及整定过程快速性差等问题，通过揭示参数不确定性与非结构不确定性间的对应关系，建立基于参数不确定性的工业预测控制鲁棒稳定性分析方法，以降低鲁棒稳定性分析的保守性；通过提出不确定系统时域鲁棒性能指标，并研究其与预测控制设计参数、系统参数不确定性幅值间的耦合机理，为预测控制性能分析及参数整定构建新思路；通过分析系统采样、更新方式对工业预测控制性能的影响规律，建立基于事件驱动的工业预测控制系统闭环性能预测方法，以提高参数整定过程的快速性。最终，通过仿真与实验，验证所提出方法的可行性与有效性。本项目的研究旨在探索预测控制参数整定的新理论和新方法，并为其在工业系统中的应用与推广奠定基础。

不确定系统模型预测控制参数整定是目前预测控制工业应用的难点和核心问题之一。以不包含终端约束/惩罚项的工业预测控制系统为研究对象，针对其参数整定过程中鲁棒稳定性分析易于保守的问题，将系统输出的斜率和斜率变化率作为预测控制代价函数中的两个新的加权项，从而在控制器的最优控制问题中可以更好地考虑系统的动态特性以降低鲁棒稳定性分析的保守性；针对控制性能指标难以直接根据生产要求设定的问题，通过将时域性能指标作为模糊逻辑算法的一个新模糊目标参数，结合事件触发机制进一步优化了预测控制参数在线整定算法，从而实现了参数存在不确定性时，基于超调量等时域指标的参数整定目标；此外，针对预测控制中参数繁多且相互耦合导致的整定困难问题，深入分析参数和系统性能的关系，将参数整定问题转化为控制器优化问题设计问题，并提出一种包含频域约束的新型模型预测控制算法；针对参数整定方法实时性差的问题，设计了一种基于PID事件触发的预测控制闭环性能预测方法，在触发条件的设计中同时考虑了最优状态和实际状态误差的积分、微分和比例信息，以降低求解最优控制问题的频率；此外，进一步考虑网络攻击对预测控制的威胁以及网络预测控制面临的资源受限问题，结合自触发机制提出了基于关键数据输入重构的弹性自触发预测控制方法，以同时兼顾所提预测控制参数整定算法网络安全和资源受限问题。最后，通过常见的工业系统验证了所提出方法的可行性与有效性。