پروژه متلب کنترل پیش‌بین مبتنی بر فشار قوی با استفاده از نامساوی‌های ماتریس خطی

پروژه متلب کنترل پیش‌بین مبتنی بر فشار قوی با استفاده از نامساوی ماتریس خطی

کنترل پیش‌بین مبتنی بر فشار قوی با استفاده از نابرابری‌های ماتریس خطی با متلب | MATLAB

چکیده

نقطه‌ضعف اولیه تکنیک‌های طراحی فعلی برای کنترل پیش‌بین مدل (MPC)ناتوانی آن‌ها در برخورد صریح با عدم قطعیت مدل کارخانه است. در این مقاله، یک رویکرد جدید برای سنتز MPC robust ارایه می‌دهیم که ترکیب صریح توصیف عدم قطعیت گیاهی در فرمول‌بندی مساله را میسر می‌سازد. عدم قطعیت هم در حوزه زمان و هم در حوزه فرکانس بیان می‌شود. هدف طراحی، در هر مرحله زمانی، یک قانون کنترل بازخورد حالت است که تابع هدف “بدترین حالت” را به حداقل می‌رساند، تابع محدودیت‌های ورودی کنترل و خروجی نیروگاه است. با استفاده از تکنیک‌های استاندارد، مساله به حداقل رساندن یک کران بالای تابع هدف “بدترین حالت”، تابع محدودیت‌های ورودی و خروجی، به بهینه‌سازی محدب با شامل نابرابری‌های ماتریس خطی کاهش می‌یابد (lmis). نشان‌داده شده‌است که طرح کنترل state که در حال پسروی است، مجموعه‌ای از گیاهان نامطمئن را تثبیت می‌کند. چندین پسوند، از قبیل کاربرد سیستم‌ها با تاخیره‌ای زمانی، مشکلات مربوط به ردیابی نقطه ثابت، پی‌گیری مسیر یابی و رد اختلال، که به طور طبیعی از فرمول‌بندی ما پیروی می‌کنند، مورد بحث قرار می‌گیرند. طراحی کنترل‌کننده با دو مثال نشان داده می‌شود.

خلاصه پیاده سازی انجام شده: حل مسئله کنترل مدل پیش بین با استفاده از نامساوی های ماتریسی خطی

Robust constrained model predictive control using linear matrix inequalities

Abstract

The primary disadvantage of current design techniques for model predictive control (MPC) is their inability to deal explicitly with plant model uncertainty. In this paper, we present a new approach for robust MPC synthesis that allows explicit incorporation of the description of plant uncertainty in the problem formulation. The uncertainty is expressed in both the time and frequency domains. The goal is to design, at each time step, a state-feedback control law that minimizes a ‘worst-case’ infinite horizon objective function, subject to constraints on the control input and plant output. Using standard techniques, the problem of minimizing an upper bound on the ‘worst-case’ objective function, subject to input and output constraints, is reduced to a convex optimization involving linear matrix inequalities (LMIs). It is shown that the feasible receding horizon state-feedback control design robustly stabilizes the set of uncertain plants. Several extensions, such as application to systems with time delays, problems involving constant set-point tracking, trajectory tracking and disturbance rejection, which follow naturally from our formulation, are discussed. The controller design is illustrated with two examples.

 لینک مقاله اصلی:

https://www.sciencedirect.com/science/article/pii/0005109896000635