基于SMPC的H∞优化问题的求解的方法试题.docx

标题：基于SMPC的H∞优化问题的求解的方法时间：2016-4-17内容：1.首先介绍一个简单的例子的MLD系统的推导方法2.分析SMPC框架下的优化问题的线性化方法3.根据系统模型以及线性化问题定义，在SMPC框架下推导得到具有场景信息的LP求解参数1.例子：那么，关于条件，引入二进制变量则有结合，令，那么通过逻辑变换规则，那么（2）式可以等效为那么（1）式可以写成设，那么(3-4)式可以进一步等效为那么(5)式可以进一步等效为（6-7）可以被概括为MLD系统其中，其中，连续变量的维数为，集合维数为2问题：在预测控制中，普遍采用二次型的优化性能指标，它对应于预测偏差的二范数，反应了对于输出值良好跟踪期望值的性能要求。当控制要求侧重于良好的镇定性能，即所有的输出值都保持在设定值附近，不希望出现过大的偏差。用以刻画控制要求的更直接的数学度量是要极小化最有可能出现的最大偏差（min-max）,即相当于将二次型性能指标推广到无情范数形式其中，向量的无穷范数定义为当（11）中的无穷范数对空间（全部输出量）和时间（整个优化时域）双重取值时，其具体表达式就是（10），注意到，性能指标（10）具有线性形式，如果对应的模型和物理约束也是线性的，那么这一优化问题可以用线性规划方式求解。即，当满足一下三点时可以通过LP进行求解：性能指标线性化模型线性化约束线性化性能指标线性化（10）式涉及到极值和结对子项，与标准LP问题形式尚存在差距，需要将其转化成标准LP问题。根据Morari M. Robust Model predictive Control.介绍的方法：对于m个输入，p个输出的对象模型，预测时域长度为N。设从k时刻起个控制量作用下对未来步的输出闭环预测为其中，那么（13）式可以等价为设k时刻的滚动优化问题是对输入输出有约束情况下的无穷范数有福问题：引入那么（16）可等效为其中，是的第个分量为了将（10）式转变成线性规划问题，定义显然，这一最优值是满足那么（18）可以等效为其中，是的线性形式。LP的标准形式为：3.模型线性化、约束线性化考虑离散线性离散时间系统根据例子的方法，引入0-1变量可将系统转变成，MLD形式的其中，优化问题的无穷范数可以定义为根据在例子中介绍的代换方法：可以对（24）的约束可以作同样的变换：实现代码:MLD.A = S.A;MLD.B1 = S.B;MLD.Bw = S.D*S.eps;MLD.C = S.C;其中，S.A、S.B、S.C、S.D：是系统模型MLD.E1 = [zeros(size(S.Ax,1),nu);-S.Au];MLD.E4 = [S.Ax;zeros(size(S.Au,1),nx)];MLD.E5 = [S.bx;S.bu];MLD.Ew = zeros(size(MLD.E1,1),nw);，，注意：程序中的与（24）式约束相符合，即其中，（28）式与文章“Control of systems integrating logic, dynamics,and constraints1Alberto Bemporad, Manfred Morari*”的（10）式相符合；注意到：在程序中，并没有考虑，定义为空。接下来获取LP求解过程参数：实现代码:nu = size(B{1},2);nd = size(B2,2); %空nz = size(B3,2); %空nx = size(A{1},1);ne = size(E1,1);% Slack variablesnq = N+N; % Here were assuming nu0, nx0, nz0% u,delta variablesno = (nu)*N;% total number of varsnvar = nq+no;% optim vector: [eps_u,eps_x,eps_z,u,d,z]% ??ê?ì??têync = N*(ne+2*nu+2*nx);根据线性规划问题定义：求解那么需要得到，基于场景的矩阵参数为实现代码：for i = 1:rC = smpc_bsmpc_sce_lp(sys,L,treeinf.S{i});%构建每条场景的结构C. f = [f;treeinf.P{i}*C.f]; b = [b;C.b]; Cx = [Cx;C.Cx]; Cru = [Cru;C.Cr.u]; Crx = [Crx;C.Cr.x]; A(((i-1)*nq + 1):((i-1)*nq + nq),((i-1)*nz + 1):((i-1)*nz + nz)) = C.A;end下面将分别介绍以上7个主要的参数矩阵的构建方式：常参数部分：C.f实现代码：% Co