最优控制学习报告.ppt

部分量化信息的鲁棒H∞输出反馈控制 Yang Ge, Jingcheng Wang, Chuang Li, Langwen Zhang H∞ 控制 H∞控制是一种具有很好的鲁棒性的设计方法，可直接在状态空间进行设计，具有计算精确和最优化等优点，为具有模型的不确定性MIMO系统提供了一种既能保证控制系统的鲁棒稳定性，又能优化某些性能指标的控制器设计方法。 H∞范数γ代表了这个系统的抗干扰性能指标，其最优值几乎是系统其它动态性能指标变化的一个转折点，当设计参数γ在其最小值 附近变化时，引起其它性能指标的变化非常剧烈。 内容 1.Introduction 2.Problem formulation 3.Stability and stabilisation 4.Simulation examples 5.Conclusions 1.Introduction 本文是研究的是部分量化信息的网络控制系统稳定性和可稳定性的问题。 ①网络引起的时间延迟 ②量化误差 由于控制器和传感器的分配性，导致网络引起的时间延迟无法避免，因此这也是最重要的问题之一。 由于量化器分辨率而导致的量化误差。 2.Problem formulation 分布式网络控制系统如图所示： 所有子系统彼此链接，通过网络传输数据。对于子系统Σi，状态分为两部分：本地状态xi和远程状态xj，j=1,2,……n，j≠i. 针对产生的量化误差，采用非均匀量化的方法。 非均匀量化是一种在输入信号的动态范围内量化间隔不相等的量化。换言之，非均匀量化是根据输入信号的概率密度函数来分布量化电平，以改善量化性能。 对数量化描述如下： 量化集合U由下式给出： 量化误差定义如下： 离散的齐次马尔可夫链{rk，k}，用有限的状态S={1,2，……，s}，来模拟网络引起的延时。从k时刻的模式i到k+1时刻的模式j状态转移概率表示如下： 式中：i，j S. 随机延迟τ(rk)由一个有限状态的马尔可夫过程建模，τ(i)=τ(rk)， 0≤τ(1)≤τ(2)≤……≤τ(s)≤∞.它表明控制器将总是使用最近的数据。 如果在K+1时刻没有新的信息，那么K时刻的信息将会被用于反馈控制。因此，延迟τ(rk)在每一步最多增加1： 马尔可夫链的时间延迟模型 定理1提出了随机通信滞后离散时间系统的稳定性判据： 定理1：对于给定的γ 0和控制器Ac(l)，Bc(l)和Cc(l)，其中l=1,2,……，s，如果存在正定矩阵P(l), R1(l), R1, R2(l),R2 ,W1(l),W2(l),Q1，Q2……，Qn，Z(l)和矩阵M(l)满足一定的不等式，那么闭环系统在预先给定的H∞性能γ下是随机稳定的。 定理2提供了设计H∞量化反馈控制器的程序： 定理2：对于给定的H∞性能γ0，如果存在正定矩阵X(l),Y(l),W1(l),W2(l),Q1，Q2……，Qn， ,R1(l), R1, R2(l),R2 ,S(l,j)， 和矩阵A(l)，B(l)，C(l)，J(l)， 满足一定不等式，那么那么闭环系统在预先给定的H∞性能γ下是随机稳定的。 可以得到一个满足要求的控制器： 3.Stability and stabilisation 第一步:解决LMI问题以获得初步可行的方案 第二步：解决LMI问题 第三步：利用步骤2中得到的Ac(l),Bc(l)，Cc(l)来解释定理1，如果方案可行，那么Ac(l),Bc(l)，Cc(l)是满足要求的控制矩阵。否则，使用在步骤2中的解决方案作为初步可行的方案，并返回第二步。 下面的算法可用于求解该优化问题： 4.Simulation examples 左图显示了系统状态x(k)收敛与0， 这表明这个系统是渐进稳定的。 右图是一个在w(k) = sin(k)，扰动信号作用下的动态响应，k∈[20,25]。 本文通过几组实验得出H∞范数γ的平均值是0.6683，满足 的设计要求。