分布式模型預測控制算法相關(guān)研究.pdf

1、隨著科學技術(shù)的不斷發(fā)展，現(xiàn)代工業(yè)過程呈現(xiàn)出結(jié)構(gòu)復雜、規(guī)模龐大、子系統(tǒng)間能量、物料耦合強烈等特性。分布式模型預測控制(Distributed ModelPredictive Control，DMPC)是一種有效的解決大規(guī)模系統(tǒng)控制問題的方法。DMPC的優(yōu)勢在于:(1)減小每個子系統(tǒng)的計算負擔;(2)多個控制器之下可以提高系統(tǒng)的可擴展性;(3)系統(tǒng)的容錯能力強等。DMPC算法的主要設(shè)計目標在于:在盡可能簡單的系統(tǒng)通信方式和盡可能少的通信負擔

2、之下達到盡可能好的控制性能，同時保證算法的收斂性和系統(tǒng)的穩(wěn)定性。針對DMPC算法以及控制器設(shè)計中的相關(guān)問題，本文圍繞DMPC快速算法設(shè)計，大系統(tǒng)結(jié)構(gòu)拆解以及MPC控制系統(tǒng)性能評估問題進行研究，取得以下成果:
　　1.針對分布式預測控制大系統(tǒng)拆解問題，提出了一種基于遺傳算法(GA)的最優(yōu)結(jié)構(gòu)分解方法。該方法包括兩個新的拆解指標分別對應分解的兩個階段，包括輸入分組(Input Clustering Decomposition，ICD)

3、以及輸入輸出配對(Input-Output Pairing Decomposition IOPD)。ICD可以用來消除子系統(tǒng)之間輸入的耦合，同時還能平衡各個子系統(tǒng)之間的計算負擔，IOPD是為了找到合適的輸入輸出之間的配對。ICD和IOPD所對應的優(yōu)化問題是通過GA來求解的。
　　2.針對DMPC分布式算法設(shè)計問題，提出了一種基于SVD分解的DMPC算法有效降低了子系統(tǒng)間的通信負擔。該方法在無約束的情況下，把集中式MPC在線二次優(yōu)化

4、問題轉(zhuǎn)到共軛空間進行處理。每個子系統(tǒng)可以獨立并行地求解各自的最優(yōu)控制輸入，全局的最優(yōu)輸入可以由各個子系統(tǒng)的解合并來產(chǎn)生。該方法同樣可以推廣到有約束的情況之下，得到的無約束解首先在共軛空間中并行檢查，然后再根據(jù)奇異值的大小去除小的奇異值所對應的解，最終可以得到帶有約束情況下的最優(yōu)解。
　　3.針對DMPC在線優(yōu)化問題，提出了一種基于有效集方法(active-set)的快速DMPC算法，該算法利用Hessian矩陣的離線求逆來快速求解

5、一個帶約束的分布式有效集二次規(guī)劃問題。根據(jù)無約束解的大小，提出了一種雙模式優(yōu)化策略來加快在線計算速度。該算法可以提前停止迭代，同時可以保證系統(tǒng)穩(wěn)定性，并且易于實現(xiàn)。最后，一種利用前一時刻DMPC最優(yōu)值的暖啟動的策略可以進一步加快算法迭代收斂速度。
　　4.針對串聯(lián)結(jié)構(gòu)DMPC算法的設(shè)計問題，提出了一種分布式模型預測算法，該算法利用串聯(lián)結(jié)構(gòu)各個子系統(tǒng)的輸出僅與其上游子和其本身系統(tǒng)輸入相關(guān)的特點，對傳統(tǒng)的迭代式DMPC算法進行改進，得