离散广义系统鲁棒预测控制：输入状态稳定性与持续扰动的应对策略

本文主要探讨了基于输入状态稳定的离散广义系统预测控制问题，特别是在存在持续扰动和输入约束的情况下。广义系统预测控制是一种先进的控制策略，它利用系统的动态模型对未来状态进行预测，并据此优化控制器的决策，以实现系统性能的最优控制。然而，在实际应用中，系统往往受到外部环境的影响，如噪声、不确定性等，这就需要考虑控制器的鲁棒性。 文章引入了输入状态稳定性这一关键概念，这是一个衡量控制系统对输入变化响应的能力，即输入信号的变化是否会导致系统状态的过度放大。在设计广义系统预测控制器时，作者考虑了quasi-min-max性能指标，这是一种兼顾系统在所有可能输入情况下稳定性的评估方式，旨在确保控制器能在最坏条件下也能保持系统的稳定。 提出的双模鲁棒预测控制器策略旨在解决这类问题。双模控制是一种能够根据不同工作条件自动切换到不同控制模式的策略，它结合了系统的稳定性需求和适应复杂环境的能力。作者证明了采用这种双模鲁棒预测控制器的离散广义系统能够在闭环运行中保持输入状态稳定，同时保证了控制器的正则性和因果性，即控制器的输出仅依赖于当前输入和有限的历史信息。 通过数值仿真，研究者验证了所提出的控制方法的有效性。这些仿真结果展示了在存在持续扰动和输入约束的复杂环境中，基于输入状态稳定性的双模鲁棒预测控制可以有效地管理系统的动态行为，确保系统在各种不确定性条件下仍能维持稳定和高效运行。 本文的贡献在于提供了一种有效的设计策略，使离散广义系统能够在面临挑战性的外部条件时，通过输入状态稳定的双模预测控制来实现稳定性和鲁棒性。这对于实际工业控制系统的设计和优化具有重要的理论指导意义和实践价值。