Điều khiển dự báo learning Tube-MPC cho hệ Lure bất định với điều kiện liên tục Lipschitz
Số trang: 7
Loại file: pdf
Dung lượng: 705.40 KB
Lượt xem: 8
Lượt tải: 0
Xem trước 2 trang đầu tiên của tài liệu này:
Thông tin tài liệu:
Bài viết trình bày phương pháp điều khiển dự báo MPC bền vững mới cho mô hình hệ Lure đó khâu phi tuyến không biết trước thỏa mãn điều kiện liên tục Lipschitz dựa trên phương pháp điều khiển TubeMPC nhưng mô hình của hệ được cập nhật sau khi có dữ liệu mới về hệ. MPC được thực hiện dựa vào mô hình của hệ.
Nội dung trích xuất từ tài liệu:
Điều khiển dự báo learning Tube-MPC cho hệ Lure bất định với điều kiện liên tục Lipschitz ĐIỀU KHIỂN DỰ BÁO LEARNING TUBE-MPC CHO HỆ LURE BẤT ĐỊNH VỚI ĐIỀU KIỆN LIÊN TỤC LIPSCHITZ Nguyễn Tiến Ban Khoa Điện - Cơ Email: bannt@dhhp.edu.vn Ngày nhận bài: 06/01/2021 Ngày PB đánh giá: 18/02/2021 Ngày duyệt đăng: 05/3/2021 TÓM TẮT: Bài báo trình bày phương pháp điều khiển dự báo MPC bền vững mới cho mô hình hệ Lure đó khâu phi tuyến không biết trước thỏa mãn điều kiện liên tục Lipschitz dựa trên phương pháp điều khiển TubeMPC nhưng mô hình của hệ được cập nhật sau khi có dữ liệu mới về hệ. MPC được thực hiện dựa vào mô hình của hệ. Vì thế, nếu mô hình hệ không biết rõ sẽ có thể dẫn đến không thể tìm được lời giải. Ý tưởng chính của phương pháp là sử dụng dữ liệu có thể có sai số thu được trong quá trình vận hành và điều kiện liên tục Lipschitz của hàm phi tuyến chưa biết để xây dựng được hàm chặn trên và hàm chặn dưới của hàm chưa biết này, qua đó sai số của hàm xấp xỉ và hàm số thực tế được chứng minh luôn nằm trong một khoảng xác định được. Dựa vào khoảng bị chặn được xác định này, bài toán điều khiển được đưa về phương pháp điều khiển bền vững TubeMPC và có thể tìm được lời giải bằng các phương pháp hiện hành. Từ khóa: MPC - Bộ điều khiển dự báo; Điều khiển phi tuyến; LMI; Điều khiển tối ưu; Điều khiển thích nghi; TubeMPC; Tính liên tục Lipschitz. LEARNING TUBE-MPC FOR LURE SYSTEMS WITH UNKNOWN NONLINEARITY SATISFYING LIPSCHITZ CONTINUITY ABSTRACT: This paper proposes a method to design an learning-robust model predictive controller based on the TubeMPC approach for Lure systems in which the unknown nonlinearity is assumed to be Lipschitz continuous. MPC is a model-based approach, leading to the fact that the control performance can be severely affected by the uncertainties inside the system. The key idea is that by using the data which may include bounded errors collected during the operation, we can establish upper bound and lower bound functions of the unknown nonlinearities, which can provide a computable bound for the unknown nonlinearities. With this information, we can formulate the problem into a TubeMPC, which then can be solved by current available methods. Key words: MPC, Nonlinear Control, LMI, Optimal control, Adaptive Control, Lipschitz Continuity MPC : Model Predictive Control - Bộ điều khiển dự báo LMI : Linear Matrix Inequalties– Bất đẳng thức ma trận tuyến tính NMPC: Nonlinear Model Predictive Control - Bộ điều khiển dự báo phi tuyến1. MỞ ĐẦU đại khác. Ý tưởng cơ bản của điều khiển dự Điều khiển dự báo MPC đã ngày càng báo MPC là ở mỗi bước tính bộ điều khiểntrở nên phổ biến trong nghiên cứu cũng như MPC giải bài toán tối ưu và tìm được lờitrong thực tế nhờ vào tính ưu việt của nó giải (u(0), u(1), …, u(h)), sau đó sử dụngso với các phương pháp điều khiển đương tín hiệu u(0) để điều khiển đối tượng. Tiếp TẠP CHÍ KHOA HỌC, Số 46, tháng 5 năm 2021 45theo, trạng thái x(k) của hệ được cập nhât lượng ban đầu, qua đó giảm conservatismvà quá trình này lặp lại. Tính ưu việt của của bài toán. Cách tiếp cận đó được gọi làMPC là cho phép đưa vào quá trình tìm lời thích nghi (adaptive), hoặc một từ phổ biếngiải bài toán điều khiển các giới hạn của hơn ở thời điểm hiện tại là “học” (learning).hệ thống. MPC áp dụng hiệu quả cho cả Trong bài báo này, đối tượng điều khiểnhệ tuyến tính và phi tuyến trong lý thuyết được nghiên cứu là một hệ phi tuyến Lurecũng như thực thế và đều có các kết quả bao gồm một hệ tuyến tính nối với mộttốt. Trong khi lời giải cho bài toán MPC hàm phi tuyến không nhớ (memoryless),với hệ tuyến tính hầu như đã trọn vẹn, trong đó hàm phi tuyến này không biếtMPC cho hệ phi tuyến vẫn đang được trước, chỉ biết được hằng số Lipschitz củanghiên cứu hiện nay. hàm số này. Cần tìm tín hiệu điều khiển để Một vấn đề trong các bài toán điều tối ưu hàm mục tiêu năng lượng khi đưa hệkhiển là các tham số thường không biết về vị trí 0 và đảm bảo hệ ổn định, đồng thờirõ. Việc không chắc chắn này làm tăng độ tín hiệu điều khiển và các trạng thái của hệphức t ...
Nội dung trích xuất từ tài liệu:
Điều khiển dự báo learning Tube-MPC cho hệ Lure bất định với điều kiện liên tục Lipschitz ĐIỀU KHIỂN DỰ BÁO LEARNING TUBE-MPC CHO HỆ LURE BẤT ĐỊNH VỚI ĐIỀU KIỆN LIÊN TỤC LIPSCHITZ Nguyễn Tiến Ban Khoa Điện - Cơ Email: bannt@dhhp.edu.vn Ngày nhận bài: 06/01/2021 Ngày PB đánh giá: 18/02/2021 Ngày duyệt đăng: 05/3/2021 TÓM TẮT: Bài báo trình bày phương pháp điều khiển dự báo MPC bền vững mới cho mô hình hệ Lure đó khâu phi tuyến không biết trước thỏa mãn điều kiện liên tục Lipschitz dựa trên phương pháp điều khiển TubeMPC nhưng mô hình của hệ được cập nhật sau khi có dữ liệu mới về hệ. MPC được thực hiện dựa vào mô hình của hệ. Vì thế, nếu mô hình hệ không biết rõ sẽ có thể dẫn đến không thể tìm được lời giải. Ý tưởng chính của phương pháp là sử dụng dữ liệu có thể có sai số thu được trong quá trình vận hành và điều kiện liên tục Lipschitz của hàm phi tuyến chưa biết để xây dựng được hàm chặn trên và hàm chặn dưới của hàm chưa biết này, qua đó sai số của hàm xấp xỉ và hàm số thực tế được chứng minh luôn nằm trong một khoảng xác định được. Dựa vào khoảng bị chặn được xác định này, bài toán điều khiển được đưa về phương pháp điều khiển bền vững TubeMPC và có thể tìm được lời giải bằng các phương pháp hiện hành. Từ khóa: MPC - Bộ điều khiển dự báo; Điều khiển phi tuyến; LMI; Điều khiển tối ưu; Điều khiển thích nghi; TubeMPC; Tính liên tục Lipschitz. LEARNING TUBE-MPC FOR LURE SYSTEMS WITH UNKNOWN NONLINEARITY SATISFYING LIPSCHITZ CONTINUITY ABSTRACT: This paper proposes a method to design an learning-robust model predictive controller based on the TubeMPC approach for Lure systems in which the unknown nonlinearity is assumed to be Lipschitz continuous. MPC is a model-based approach, leading to the fact that the control performance can be severely affected by the uncertainties inside the system. The key idea is that by using the data which may include bounded errors collected during the operation, we can establish upper bound and lower bound functions of the unknown nonlinearities, which can provide a computable bound for the unknown nonlinearities. With this information, we can formulate the problem into a TubeMPC, which then can be solved by current available methods. Key words: MPC, Nonlinear Control, LMI, Optimal control, Adaptive Control, Lipschitz Continuity MPC : Model Predictive Control - Bộ điều khiển dự báo LMI : Linear Matrix Inequalties– Bất đẳng thức ma trận tuyến tính NMPC: Nonlinear Model Predictive Control - Bộ điều khiển dự báo phi tuyến1. MỞ ĐẦU đại khác. Ý tưởng cơ bản của điều khiển dự Điều khiển dự báo MPC đã ngày càng báo MPC là ở mỗi bước tính bộ điều khiểntrở nên phổ biến trong nghiên cứu cũng như MPC giải bài toán tối ưu và tìm được lờitrong thực tế nhờ vào tính ưu việt của nó giải (u(0), u(1), …, u(h)), sau đó sử dụngso với các phương pháp điều khiển đương tín hiệu u(0) để điều khiển đối tượng. Tiếp TẠP CHÍ KHOA HỌC, Số 46, tháng 5 năm 2021 45theo, trạng thái x(k) của hệ được cập nhât lượng ban đầu, qua đó giảm conservatismvà quá trình này lặp lại. Tính ưu việt của của bài toán. Cách tiếp cận đó được gọi làMPC là cho phép đưa vào quá trình tìm lời thích nghi (adaptive), hoặc một từ phổ biếngiải bài toán điều khiển các giới hạn của hơn ở thời điểm hiện tại là “học” (learning).hệ thống. MPC áp dụng hiệu quả cho cả Trong bài báo này, đối tượng điều khiểnhệ tuyến tính và phi tuyến trong lý thuyết được nghiên cứu là một hệ phi tuyến Lurecũng như thực thế và đều có các kết quả bao gồm một hệ tuyến tính nối với mộttốt. Trong khi lời giải cho bài toán MPC hàm phi tuyến không nhớ (memoryless),với hệ tuyến tính hầu như đã trọn vẹn, trong đó hàm phi tuyến này không biếtMPC cho hệ phi tuyến vẫn đang được trước, chỉ biết được hằng số Lipschitz củanghiên cứu hiện nay. hàm số này. Cần tìm tín hiệu điều khiển để Một vấn đề trong các bài toán điều tối ưu hàm mục tiêu năng lượng khi đưa hệkhiển là các tham số thường không biết về vị trí 0 và đảm bảo hệ ổn định, đồng thờirõ. Việc không chắc chắn này làm tăng độ tín hiệu điều khiển và các trạng thái của hệphức t ...
Tìm kiếm theo từ khóa liên quan:
Bộ điều khiển dự báo Điều khiển phi tuyến Điều khiển tối ưu Điều khiển thích nghi Tính liên tục LipschitzGợi ý tài liệu liên quan:
-
Phương pháp giải bài toán tối ưu hóa ứng dụng bằng Matlab - Maple: Phần 1
60 trang 247 0 0 -
Lý thuyết điều khiển tự động: Phần 1
138 trang 180 0 0 -
Một số bài toán điều khiển tối ưu và tối ưu hóa: Phần 2
199 trang 152 0 0 -
7 trang 138 0 0
-
Nghiên cứu và thiết kế bộ điều khiển cho robot di động trên cơ sở phương pháp điều khiển trượt
8 trang 83 1 0 -
Bộ điều khiển trượt PID thích nghi ứng dụng trong điều khiển vị trí hệ thống thủy lực
8 trang 66 0 0 -
5 trang 60 0 0
-
Phương pháp giải bài toán tối ưu hóa ứng dụng bằng Matlab - Maple: Phần 2
98 trang 52 0 0 -
Một số bài toán điều khiển tối ưu và tối ưu hóa: Phần 1
141 trang 49 0 0 -
Tổng hợp bộ điều khiển thích nghi cho hệ Servo điện thủy lực sử dụng động cơ điện truyền thẳng
6 trang 42 0 0