基于模型预测控制的大规模系统分布式控制理论与方法研究

The control problems of large-scale systems have been a hot research topic in the control areas. However, problems such as larger communication capacity, poor scalability and the performance degradation for the traditional centralized and decentralized control methods still exist. Since the distributed control structure arising, those problems can be easily overcome, and the distributed control structure becomes an enabling structure to solve control problems of large-scale systems. This project aims to propose a cooperative distributed model predictive control method, a robust distributed model predictive control method with uncertain parameters, a consensus-based distributed moving horizon estimation method and output feedback distributed control method by using a neighborhood-based communication topology. Finally, the effectiveness of the proposed methods will be verified by experiments on an IBM Cell process platform. The main results in the project may provide some new innovation theories and methodologies of distributed model predictive control of large-scale systems.

大规模系统的控制问题一直是控制领域的热点研究课题。然而，传统的集中式和分散控制方法分别存在通信量大、可扩展性差和性能下降的不足。分布式控制结构的出现很好的解决了这些问题并成为解决大规模系统控制问题的一种主流结构。本项目采用邻域通信的控制器拓扑结构为基础，提出合作分布式模型预测控制理论与算法，具有不确定参数的鲁棒分布式模型预测控制理论与算法，以及基于趋同策略的分布式滚动时域估计理论与算法，并解决输出反馈分布式控制问题。最后，通过IBM Cell处理器系统实验平台验证理论结果和算法的有效性。本项目的研究将在大规模系统分布式模型预测控制理论与方法上取得创新和突破。

大规模系统的控制问题一直是控制领域的热点研究课题，然而，传统的集中式和分散控制方法解决大规模系统控制问题分别存在通信量大、可扩展性差和性能下降的不足。分布式结构的出现很好的解决了这些问题，基于分布式结构的分布式控制成为解决大规模系统控制问题的一种主流方法。本项目从系统的分布结构出发，采用邻域通信的控制器拓扑结构，分别给出了基于纳什迭代策略和线性矩阵不等式策略的分布式控制器设计方法，进一步将该方法推广到了存在网络时延和通信约束等通信不确定的情形；提出了基于邻域通信的分布式鲁棒模型预测控制方法，解决了具有模型参数不确定情况下的鲁棒控制器的设计，进一步将该方法推广到了智能交通系统和多移动机器人编队；提出了基于滚动时域估计的输出反馈控制方法，采用预测模型对异步采样的插值补偿，解决了异质传感器的状态估计问题，并应用于移动机器人的路径跟踪；开发了基于多移动机器人编队控制演示系统。最终，形成了一套适用于大规模系统分布式控制的理论和算法。本项目发表学术论文19篇，其中SCI期刊论文7篇，国际TOP期刊(Automatica、IEEE TIE、IEEE TC)论文3篇，授权发明专利8项。