引用本文:张 聚,郝 平,王万良.基于多参数规划的显式模型预测系统设计的可行域扩张算法[J].控制理论与应用,2009,26(3):305~308.[点击复制]
ZHANG Ju,HAO Ping,WANG Wan-liang.A multi-parametric-programming-based feasible region-expansion algorithm for synthesis of explicit model predictive control system[J].Control Theory and Technology,2009,26(3):305~308.[点击复制]
基于多参数规划的显式模型预测系统设计的可行域扩张算法
A multi-parametric-programming-based feasible region-expansion algorithm for synthesis of explicit model predictive control system
摘要点击 1806  全文点击 1587  投稿时间:2007-07-18  修订日期:2008-03-31
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  
  2009,26(3):305-308
中文关键词  多参数二次规划  显式模型预测控制系统  可行域逐步扩张法
英文关键词  multi-parametric quadratic programming(MPQP)  synthesis of explicit model predictive control system  feasible region-expansion algorithm
基金项目  国家自然科学基金资助项目(60604014).
作者单位E-mail
张 聚 浙江工业大学 自动化研究所, 浙江 杭州 310014 zjk@zjut.edu.cn 
郝 平 浙江工业大学 自动化研究所, 浙江 杭州 310014 hp@zjut.edu.cn 
王万良 浙江工业大学 自动化研究所, 浙江 杭州 310014 wwl@zjut.edu.cn 
中文摘要
      基于约束线性优化控制问题的多参数二次规划求解方法, 提出设计显式模型预测控制系统的可行域逐步扩张算法. 首先建立一种求取优化控制问题输出不变集的迭代算法. 以该输出不变集作为多参数规划问题中状态区域约束限制的初始条件, 通过反复求解多参数规划问题和不断改变状态区域约束限制, 能够逐步扩大显式模型预测控制系统的无限时间可行区域, 直到可行域不再继续扩大. 算法收敛时设计得到的显式模型预测控制系统在其所有的状态分区上都是无限时间可行的. 通过数值仿真计算, 验证本文提出算法的有效性.
英文摘要
      Based on the multi-parametric quadratic programming(MPQP) for the linear constrained optimal control problem, a feasible and a feasible-region-expansion algorithm is proposed for synthesis of the explicit model predictive control(MPC) systems. Firstly, an iterative algorithm for computing the output invariant set of the optimal control problem is established; the computed invariant set is then used as the initial constraint for the state region in the MPQP problem. By iteratively solving the MPQP problem and replacing its constraint for the state region, the feasible region of the explicit MPC system is progressively expanded until its convergence. The state trajectory of the resulting explicit MPC systems starting from any state in its state partitions is always infinite time-feasible. Simulations also show that the proposed algorithm is effective.