本文選題：模型預(yù)測控制 + 隨機(jī)系統(tǒng)��； 參考：《河北科技大學(xué)》2016年碩士論文

【摘要】：模型預(yù)測控制(MPC)是一類利用模型預(yù)測被控對象未來行為的計(jì)算機(jī)優(yōu)化算法,在復(fù)雜工業(yè)過程控制優(yōu)化方面有著廣泛應(yīng)用。隨機(jī)系統(tǒng)是一類不確定系統(tǒng),也可稱為概率系統(tǒng),其不確定性滿足特定的統(tǒng)計(jì)概率。隨機(jī)系統(tǒng)模型可以描述許多領(lǐng)域的動(dòng)態(tài)系統(tǒng),如隨機(jī)網(wǎng)絡(luò)控制系統(tǒng)、導(dǎo)航系統(tǒng)和股票的隨機(jī)波動(dòng)因素。隨機(jī)系統(tǒng)的預(yù)測控制方法研究越來越受到關(guān)注,因此研究隨機(jī)系統(tǒng)的預(yù)測控制有較好的理論價(jià)值和實(shí)踐意義。本文針對帶不確定性的隨機(jī)系統(tǒng),在基于橢圓概率集的基礎(chǔ)上,研究了基于狀態(tài)反饋的預(yù)測控制問題。本文研究的主要內(nèi)容如下:1)針對具有Markov跳變特點(diǎn)的一類離散時(shí)間隨機(jī)系統(tǒng),考慮了系統(tǒng)輸入具有多個(gè)不同概率軟約束的預(yù)測控制問題�；诙鄬痈怕始枷�,求解無窮時(shí)域的優(yōu)化問題,得到了每個(gè)采樣周期內(nèi)狀態(tài)反饋控制器存在的充分條件和顯示表達(dá)式,給出了該類系統(tǒng)在線預(yù)測控制算法,使系統(tǒng)狀態(tài)在多步反饋律的控制下,以不同的概率進(jìn)入橢圓不變集,保證了系統(tǒng)的穩(wěn)定性且使要求的性能指標(biāo)上界最小。2)針對具有凸多面體不確定性的離散時(shí)間隨機(jī)系統(tǒng),在有限時(shí)間范圍內(nèi),通過引入自由變量,利用增廣自治預(yù)測模型,基于多層概率集求解優(yōu)化問題,得到了每個(gè)采樣周期內(nèi)狀態(tài)反饋控制器存在的充分條件,給出了該類系統(tǒng)在線魯棒預(yù)測控制算法,使系統(tǒng)狀態(tài)以不同的概率進(jìn)入橢圓不變集,從而使被控系統(tǒng)漸近穩(wěn)定且滿足要求的性能指標(biāo)。3)針對狀態(tài)不完全可測的一類離散時(shí)間隨機(jī)系統(tǒng),離線求解得到狀態(tài)估計(jì)器,應(yīng)用基于狀態(tài)估計(jì)的方法,將狀態(tài)估計(jì)誤差約束在指定的橢圓集內(nèi),同時(shí)將系統(tǒng)的狀態(tài)約束在一個(gè)橢圓不變集內(nèi),在線求解無窮時(shí)域的優(yōu)化問題,得到每個(gè)采樣周期內(nèi)基于狀態(tài)估計(jì)的反饋控制器存在的充分條件及預(yù)測控制算法,使系統(tǒng)狀態(tài)以不同的概率進(jìn)入橢圓不變集,使得被控系統(tǒng)漸近穩(wěn)定且滿足指定的性能指標(biāo)。
[Abstract]:Model Predictive Control (MPC) is a kind of computer optimization algorithm which uses model to predict the future behavior of the plant under control. It is widely used in the control optimization of complex industrial processes. Stochastic system is a kind of uncertain system, which can be called probabilistic system. Stochastic system models can describe dynamic systems in many fields, such as stochastic networked control systems, navigation systems and stochastic volatility factors of stocks. More and more attention has been paid to the research of predictive control methods for stochastic systems, so it is of great theoretical and practical significance to study the predictive control of stochastic systems. In this paper, the predictive control problem based on state feedback for stochastic systems with uncertainty is studied on the basis of elliptical probability sets. The main contents of this paper are as follows: (1) for a class of discrete-time stochastic systems with the characteristics of Markov jump, the predictive control problem with multiple probabilistic soft constraints in the input of the system is considered. Based on the idea of multi-layer probability set, the optimal problem in infinite time domain is solved, and the sufficient conditions and display expressions of state feedback controller for each sampling period are obtained, and the on-line predictive control algorithm for this kind of system is given. Under the control of multistep feedback law, the state of the system is entered into the ellipse invariant set with different probabilities, which guarantees the stability of the system and minimizes the upper bound of the required performance index. 2) for discrete-time stochastic systems with convex polyhedron uncertainty. In the finite time range, by introducing the free variable and using the augmented autonomous prediction model, the optimization problem is solved based on the multi-layer probability set, and the sufficient conditions for the existence of the state feedback controller in each sampling period are obtained. An online robust predictive control algorithm for this class of systems is presented, in which the state of the system enters the ellipse invariant set with different probabilities. So that the controlled system is asymptotically stable and the performance index. 3) for a class of discrete time stochastic systems whose states are not completely measurable, the state estimator is obtained by offline solution, and the method based on state estimation is used. The state estimation error is constrained in the specified ellipse set, and the state of the system is constrained in an ellipse invariant set, and the optimization problem in infinite time domain is solved online. Sufficient conditions for the existence of feedback controllers based on state estimation in each sampling period and predictive control algorithm are obtained. The state of the system enters ellipse invariant sets with different probabilities, which makes the controlled system asymptotically stable and satisfies the specified performance index.
【學(xué)位授予單位】：河北科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP13

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳森堂;隨機(jī)系統(tǒng)的后驗(yàn)橢球條件濾波方法[J];北京航空航天大學(xué)學(xué)報(bào);1999年02期

2 騰香;;不確定時(shí)滯隨機(jī)系統(tǒng)的魯棒隨機(jī)鎮(zhèn)定[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

3 張志方;《隨機(jī)系統(tǒng)理論》評介[J];控制理論與應(yīng)用;1988年02期

4 李守琴,朱宏;任意離散隨機(jī)系統(tǒng)的計(jì)算機(jī)生成[J];電子科技大學(xué)學(xué)報(bào);1992年02期

5 馮昭樞;劉永清;;多滯后隨機(jī)系統(tǒng)的滯后無關(guān)均方穩(wěn)定性[J];控制與決策;1992年04期

6 陳理榮;窄帶隨機(jī)系統(tǒng)的等效基帶隨機(jī)系統(tǒng)[J];重慶郵電學(xué)院學(xué)報(bào);1994年01期

7 羅貴明;多步時(shí)滯隨機(jī)系統(tǒng)的適應(yīng)跟蹤[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年12期

8 陳雪波,Ｓｔａｎｋｏｖｉｃ′ＳＳ;離散隨機(jī)系統(tǒng)的包含原理[J];自動(dòng)化學(xué)報(bào);1997年01期

9 王芳;秦永彬;許道云;;有限隨機(jī)系統(tǒng)的極限性質(zhì)[J];計(jì)算機(jī)應(yīng)用與軟件;2014年03期

10 梁濤;用仿真方法對隨機(jī)系統(tǒng)優(yōu)化設(shè)計(jì)[J];西南科技大學(xué)學(xué)報(bào);2003年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 張維海;譚成;;復(fù)隨機(jī)系統(tǒng)的穩(wěn)定性和可檢測性[A];第24屆中國控制與決策會(huì)議論文集[C];2012年

2 郭鋒衛(wèi);劉永清;馮昭樞;;離散隨機(jī)系統(tǒng)的實(shí)用穩(wěn)定性[A];1993中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1993年

3 王子棟;馮纘剛;郭治;單甘霖;;離散隨機(jī)系統(tǒng)的有限拍協(xié)方差配置控制[A];1993中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1993年

4 徐愛平;吳臻;;狀態(tài)約束下的一類正倒向隨機(jī)系統(tǒng)的最優(yōu)控制問題[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

5 宮亞梅;沃松林;顏鵬;;時(shí)滯隨機(jī)系統(tǒng)的H_∞ 保成本控制[A];2009中國控制與決策會(huì)議論文集（3）[C];2009年

6 馬平;;隨機(jī)系統(tǒng)穩(wěn)健加權(quán)自適應(yīng)最小方差控制[A];1996年中國控制會(huì)議論文集[C];1996年

7 王玲;韓志剛;;一類隨機(jī)系統(tǒng)的穩(wěn)定性分析[A];1997中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

8 蔡胤;劉飛;;不確定時(shí)滯切換隨機(jī)系統(tǒng)分析及H_∞控制[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

9 陳翰馥;張紀(jì)峰;;不穩(wěn)定、非最小相位隨機(jī)系統(tǒng)的適應(yīng)鎮(zhèn)定[A];1991年控制理論及其應(yīng)用年會(huì)論文集（下）[C];1991年

10 臧文利;王遠(yuǎn)鋼;郭治;;離散隨機(jī)系統(tǒng)非脆弱滿意估計(jì)器的設(shè)計(jì)[A];2005全國自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（三）[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 叢薪蓉;幾類隨機(jī)系統(tǒng)的穩(wěn)定性問題及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

2 楊華;時(shí)滯Markov跳變非線性隨機(jī)系統(tǒng)在幾乎必然意義下的濾波與控制[D];東華大學(xué);2015年

3 張宇;幾類隨機(jī)系統(tǒng)數(shù)值穩(wěn)定性分析[D];哈爾濱工業(yè)大學(xué);2016年

4 邱親偉;基于離散觀測的連續(xù)型混雜隨機(jī)系統(tǒng)的鎮(zhèn)定及其數(shù)值方法研究[D];東華大學(xué);2016年

5 闞秀;幾類隨機(jī)系統(tǒng)的估計(jì)問題研究[D];東華大學(xué);2013年

6 蔣鋒;隨機(jī)系統(tǒng)數(shù)值方法的動(dòng)力學(xué)行為研究[D];華中科技大學(xué);2011年

7 馬立豐;一類非線性隨機(jī)系統(tǒng)的滿意控制與濾波[D];南京理工大學(xué);2010年

8 戴喜生;無窮維隨機(jī)系統(tǒng)的穩(wěn)定性、可控性及其應(yīng)用[D];華南理工大學(xué);2010年

9 沈波;基于不完全測量信息的非線性隨機(jī)系統(tǒng)的濾波與控制[D];東華大學(xué);2011年

10 曠世芳;非線性與時(shí)滯隨機(jī)系統(tǒng)的穩(wěn)定性及數(shù)值方法研究[D];華南理工大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 葉鳳彤;區(qū)間時(shí)滯隨機(jī)系統(tǒng)的非脆弱保成本控制研究[D];渤海大學(xué);2015年

2 徐文姝;區(qū)間時(shí)滯隨機(jī)系統(tǒng)的魯棒H_∞控制研究[D];渤海大學(xué);2015年

3 苗曉莎;幾類非線性中立型隨機(jī)微分方程(組)穩(wěn)定性研究[D];哈爾濱工業(yè)大學(xué);2015年

4 熊晶;非高斯隨機(jī)系統(tǒng)的故障診斷研究及應(yīng)用[D];華北電力大學(xué);2015年

5 段銳銳;離散T-S雙曲正切系統(tǒng)的模糊控制[D];西安電子科技大學(xué);2014年

6 韋勁宏;隨機(jī)系統(tǒng)響應(yīng)分析及其應(yīng)用[D];重慶大學(xué);2015年

7 絮曉;It?型隨機(jī)系統(tǒng)的預(yù)測控制研究[D];魯東大學(xué);2016年

8 閆sメ，

本文編號(hào)：1779778