考虑时变时延与扰动的一类离散模糊大规模系统基于分层优化的模型预测控制
系统与控制
2021-08-26 v1 系统与控制
摘要
本文研究了受限于有界时变时延和扰动的一类离散模糊大规模系统的模型预测控制。对于时变时延大规模系统，所考虑的方法是 Razumikhin 方法，与 Krasovskii 方法相比，它包含一个与系统动力学的原始非增广状态空间相关联的 Lyapunov 函数。通常，Razumikhin 方法在避免 Krasovskii 方法的固有复杂性方面具有巨大潜力，尤其是在存在大时延和扰动的情况下。本文考虑的大规模系统被分解为若干子系统，每个子系统由模糊 Takagi-Sugeno (T-S) 模型表示，并考虑了任意两个子系统之间的互联。由于模型预测控制的主要部分是优化，因此针对优化问题实施了分层方案。此外，考虑了持续扰动，并研究了在此情况下的鲁棒正不变性与输入-状态稳定性。我们的计算采用了线性矩阵不等式（LMIs）方法。因此闭环大规模系统是渐近稳定的。最后，通过两个示例说明了所提方法的有效性，并通过注释与其他论文进行了比较。
引用
@article{arxiv.2108.11186,
title = {Hierarchical Optimization-Based Model Predictive Control for a Class of Discrete Fuzzy Large-Scale Systems Considering Time-Varying Delays and Disturbances},
author = {Mohammad Sarbaz and Iman Zamani and Mohammad Manthouri and Asier Ibeas},
journal= {arXiv preprint arXiv:2108.11186},
year = {2021}
}