基于扰动观测器的线性系统鲁棒模型预测控制

"约束线性系统的鲁棒模型预测控制——一种基于扰动观测器的方法" 本文主要探讨了在存在约束条件下的线性系统鲁棒模型预测控制（Robust Model Predictive Control, RMPC）策略，特别关注了那些扰动是有界且变化缓慢的系统。模型预测控制是一种先进的控制策略，它在每个时间步长内通过解决一个有限时间跨度的优化问题来预测和优化系统的未来行为。 首先，作者提出了一种基于扰动观测器的控制方法，该方法满足匹配条件。匹配条件是指系统中的扰动与控制器能够直接作用的变量之间存在某种关联，使得控制器能够有效地估计和补偿扰动的影响。这种设计使得控制器能够对不可预见的外部干扰做出快速反应。 在论文中，作者提出了一个具有严格约束的常规标称模型预测控制问题，用于预测标称系统的轨迹。这里的“标称系统”是指忽略了扰动的理想化系统模型。在线解决这个问题意味着在实际运行时，控制器会不断地根据当前状态和预测的未来状态更新控制策略。 离线阶段，文章确定了两种辅助控制律。第一种控制律的目标是使实际系统的轨迹与名义系统的轨迹保持一致，即确保系统在扰动存在的情况下仍能按照预期路径运行。第二种控制律的目的是抵消干扰输入的影响，以增强系统的鲁棒性。 文章的关键贡献在于，如果在初始时刻优化问题是可行的，那么可以保证优化问题在整个控制过程中都能得到解决，并且系统的鲁棒稳定性也能得到保证。这意味着即使面对扰动，系统也能保持稳定并执行预期的控制任务。 此外，论文还指出，所提出的在线算法的计算复杂度与常规模型预测控制相当，这意味着尽管增加了对扰动的处理，但并未显著增加计算负担，这对于实时控制应用来说是非常重要的。 该研究提供了一种有效的方法来处理约束线性系统中的不确定性，通过结合扰动观测器和模型预测控制，实现了系统的鲁棒性能，同时保持了控制算法的计算效率。这一工作对于工业过程控制、自动化和其他领域中面临类似问题的工程师来说具有很高的实用价值。