1、PDF外文：http:/ 出处： Instrumentation, Communications, Information Technology, and Biomedical Engineering (ICICI-BME), 2009 International Conference on. IEEE, 2009: 1-5 中文 2315 字 基于模型预测控制 利用不确定集方法 的鲁棒优化 摘要 （原文 上知网检索 -The Robust Optimization Based Model PredictiveControl using Box Uncert
2、ainty Set） 论文考虑了 鲁棒优化 (RO)在模型预测控制中的应用。这个优化方法包含了不确定数据，也就意味着当解决方案必须确定时 优化问题的数据并不是精确的被知道。鲁棒优化 (RO)已经广泛应用于各种适用场合，在本文中 ，展现了在 模型预测控制 (MPC)中的应用。 基于模型预测控制的鲁棒优化 (RO based-MPC)被用于废热锅炉控制的仿真模拟之中。 关键词： 对偶问题 ，鲁棒优化，模型预测控制，内点法，二次模型性能 I 介绍 MPC 是一种控制算法，显性的使用过程的模型通过最小化一个目标函数。这个模型被用来预测将来的过
3、程输出。众所周知， MPC 在过程工业中处理限制性的多变量的控制问题。知道 过程输出，一个控制序列能够被计算用来简化设计的目标函数。然而，工厂中每一步只用控制信号的第一个元素，这就是被熟知的区间后退策略。在下一次采样时 会重复上一次的计算方法。 在优化过程中，MPC 用一个线性动态过程的模型，线性输入的限制，输出，和输入的减小量最终 在一个最优控制的一次规划或二次规划中。 在这种情况中，工厂的动态的过程是不确定的，鲁棒 MPC 已经有了解决了这个问题策略， 适用于描述不确定性的一般方法工厂使用各种可用的数学模型文献中可用的框架。 接下来，考虑到闭环鲁棒性的一组性能指数会被选择。 鲁
4、棒 MPC 然后通过在每个采样间隔求解鲁棒最优控制序列获得。区间后退策略在每个采样间隔都被用来完成 MPC 算法。 这个方法降低了容量和大量的计算，用于能够处理不确定问题的优化项目 。 最近，一种叫做 RO 的方法在数学编程和应用研究中被广泛研究。 RO 方法被设计用来解决优化问题，当数据不确定或只知道不确定集 中的数据。这种方法最先被 Ben-Tal 和 Nemirovski 采用。 RO 被用来发展一种新的鲁棒 MPC， 用来优化椭圆不确定 型 。 被提议的鲁棒 MPC 在处理工厂中由于不确定性造成的扰动有很好的作用，用 RO 的工 厂的 线性 模型中，不确定因素不需要完全确定
5、。相反，当发展优化模型时，它能够被简化和合并在后来的公式化中 。 通过在鲁棒优化中用不确定箱子类型，本文把公式化的鲁棒 MPC 看做 RO。这种新类型的鲁棒 MPC 在设计鲁棒 MPC 时给出了一种全新的观点 ，在工厂存在不确定问题时 。 II.公式化问题 2 限制的 MPC 能够化成一个线性的、离散型的工厂状态空间模型。 式中 ， y(k), z(k), u(k)和 x(k)分别代表系统输出、控制器输出、输入和状态。在本文中假定系统输出和控制器输出相等。预测的输出通过迭代模型得出。 通过收集
6、一个预测的输出到一个向量中，其他预测的输出就可以在一个向量式中求得 。 输出预测值 u(k + i) 能够根据 输入增量 u(k + i)表达出来，式中， u(k +i) =u(k + i) u(k +i 1). 预测输入现在变成： 假设输入只在时间 k 改变， 例如 预测输入现在变成： 3 因此，预测输出能进一步化简为： 如果可测的干扰量带入计算，等式变为： 式中， Bdm 是可测的干扰量矩阵， d(k)是可测的干扰量，等式用输入增量表示如下：
