Робастный дизайн модельного прогнозного управления
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2021 |
| Předmět: | |
| DOI: | 10.25559/sitito.17.202104.906-913 |
| Popis: | Развитие робастных систем управления связано с тем, что обычно существует источник неопределенности при моделировании системы, например возмущение, немоделированная динамика, неопределенность параметров и шум измерения. Некоторые характеристики, такие как устойчивость, чувствительность и робастность, определены для оценки того, как система управления может справиться с неопределенностью. Система управления называется робастной, если устойчивость поддерживается, а технические характеристики выполняются при наличии определенного диапазона неопределенности. Основная цель данной статьи - предложить достаточные критерии устойчивости и стабилизации по Ляпунову для линейные системы с переменными параметрами LPV с вероятностной неопределенностью. Recently, many control designers have worked on design methods that meet several design specifications called multi-objective control design. However, the main challenge for the Model Predictive Control design is the high computational load preventing its application to the fast dynamic control of the system in real time. To meet this challenge, this paper proposes a new modified Model Predictive Control design for nonlinear systems with probabilistic uncertainties that guarantees robust stability and performance of the systems, using the Linear Matrix Inequality"LMI". Introducing our robust Model Predictive Control state feedback, the control law will be calculated by step-by-step optimization, and the LMI solutions can be found to stabilize the Linear Parameter-Varying "LPV"system with disturbance rejection ability. Then, a Tensor Product (TP) model transformation is constructed as a powerful tool in the modeling of the complex nonlinear systems. Международный научный журнал "Современные информационные технологии и ИТ-образование", Выпуск 4 2021, Pages 906-913 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|