非线性系统的时滞鲁棒模糊模型预测控制.docx

Sofiane Bououden et al. / Procedia Computer Science 186 (2021) 109–119 PAGE 119 PAGE 120 Sofiane Bououden et al. / Procedia Computer Science 186 (2021) 109–119 非线性系统的时滞鲁棒模糊模型预测控制 摘要 针对具有外部干扰的输入约束的不确定时滞系统，设计了一种鲁棒模糊模型预测控制。该控制器基于包含系统状态变量和输出跟踪误差变量的增广状态空间模型。结果表明，基于增广状态空间模型的控制能够保证系统的收敛性和跟踪性能。为了保证闭环约束时滞系统的稳定性，以线性矩阵不等式的形式，利用李亚普诺夫-克拉索夫斯基理论，得到了李亚普诺夫-克拉索夫斯基理论能够反映系统初始状态空间及其在控制器综合和计算中的优势的充分稳定性条件。结果，给出了以线性矩阵不等式表示的不太保守的稳定条件，并用于保证闭环约束系统的渐近鲁棒稳定性，控制器的构造过程转化为以LMI为约束的最小化问题。将该方法的鲁棒性能与标准预测控制方法的控制结果进行了比较。 关键词:模糊系统，时滞，模型预测控制，李雅普诺夫-克拉索夫斯基理论，线性矩阵不等式(LMI)。 1。 介绍 在五月份的工业过程中，时间延迟，也称为滞后或死区时间，是由过程的仪表、驱动和/或控制技术引起的。时间延迟也可视为以下原因的结果 在反馈控制的情况下，某些系统在数据传输、信息处理时间和反馈延迟方面的限制。时滞对工业系统的稳定性有很大的影响，这可能导致系统的不稳定，并且在许多情况下导致系统性能的下降。 一般来说，任何系统中延迟的存在都会增加控制系统的难度，因为这些延迟会影响状态输入或/和输出。通常，系统中的延迟被建模为常数或时变延迟、已知或未知延迟，而在许多情况下，这些延迟被认为是确定性或随机延迟，这取决于目标系统[1，2，3]。控制系统[4-7]中最著名的延迟来源之一是实现一种先进的过程控制算法所需的计算时间，例如基于模型的控制(MPC)及其最近的变体(自适应MPC、分布式和经济MPC、协作MPC)...). 通常，执行一个控制步骤所需的计算时间因控制算法而异，这可能会在系统本身内产生可能的延迟，并作为控制回路中的反馈延迟出现。 一般来说，非线性系统的最大功率控制方法可以表述为一个LMI问题，在这个问题中，为了满足非线性对象所有局部模型的线性矩阵不等式约束，需要对一个公共正定矩阵进行探索[8-10]。不幸的是，这可能导致构造MPC控制器的几个困难，因为这个问题的解决方案可能是不可行的，并且在许多情况下这种矩阵的存在可能是不可能的，特别是对于高度非线性的系统。在过去的几十年里，模糊技术已经成功地应用于许多工程领域，并广泛应用于非线性系统的控制和建模。一般来说，模糊技术，如高木-苏吉诺(T-S)推理系统，对于逼近真实系统的非线性是非常有用的。模糊推理系统还可以通过T-S模糊模型[11-13]将普通的线性预测控制算法转化为非线性控制方法。这可以使用T-S模糊模型来完成，其中非线性系统的复杂动态模型由一组局部线性子系统通过使用模糊规则组成[14，15]。最大功率控制技术已被广泛用于控制线性系统，并多次与T-S模糊融合形成非线性最大功率控制控制器。文献[16]中实现并研究了约束线性系统跟踪分段常数参考的MPC控制器。文献[17]针对有界控制信号下的不确定系统设计了鲁棒模型预测控制(RMPC)。在[18，19]中，研究了极大线性系统的有限时域最大功率控制问题，并导出了该问题的控制解。 此外，模糊推理技术被成功地用于解决非线性过程系统MPC算法中的优化问题[20-23]。非线性系统的模糊最大功率控制方法的研究也可以在[24–27]中看到。文献[28]导出了模糊多点控制控制器的一个充分稳定条件，其中稳定性分析和控制过程简化为LMI问题。类似的工作在[29]中已经完成，其中作者更专注于解决具有时滞的非线性系统的时滞稳定性和镇定模糊模型预测控制问题。然而，在上述关于时滞非线性系统的模糊多点控制的工作中，尽管干扰在许多实际应用中广泛存在，但并没有充分考虑干扰。 本文设计了一种时滞T-S模糊模型的鲁棒模型预测控制，用于控制具有时滞状态和输入约束的外部扰动的非线性系统。本文的主要工作是为基于T-S预测的多点控制提供稳定性条件。首先，利用T-S模糊系统逼近具有状态时滞和外部干扰的非线性不确定离散系统。其次，提出了一种增广系统并用于设计多点控制律，保证了系统的收敛性和良好的跟踪性能。最后，给出了一个基于LMI的充分条件来解决具有状态时滞和外部干扰的T-S模糊系统的鲁棒模糊MPC控制综合问题，同时在每个时间步长在线求解LMI优化，以保证系统具有良好的跟踪性能。基于李亚