基于动态预测优化的 T-S 模糊马尔可夫跳变系统模型预测控制
系统与控制
2024-08-28 v1 系统与控制
最优化与控制
摘要
本文研究了在不完美前提匹配规则下，受约束离散时间 Takagi-Sugeno 模糊马尔可夫跳变系统（FMJSs）的模型预测控制（MPC）问题。为了在初始可行域、控制性能和在线计算负担之间取得平衡，我们在动态预测优化（DPO）-MPC 框架内，利用预测动力学产生的扰动变量，精心设计了一组模态依赖的状态反馈模糊控制器。DPO-MPC 控制器通过两个阶段实现：第一阶段，通过求解一个“最小-最大”问题获得终端约束集及反馈增益；第二阶段，巧妙地设计一组扰动以扩大可行域。在此，动态反馈增益通过矩阵分解技术离线设计，而动态控制器状态则在移动时域上在线确定，以逐步引导系统状态从初始可行域进入终端约束集。我们提供了充分条件，以严格确保所提出的 DPO-MPC 方案的递归可行性以及底层 FMJS 的均方稳定性。最后，通过一个机器人臂系统示例验证了所提方法的有效性。
引用
@article{arxiv.2408.14759,
title = {Model Predictive Control for T-S Fuzzy Markovian Jump Systems Using Dynamic Prediction Optimization},
author = {Bin Zhang},
journal= {arXiv preprint arXiv:2408.14759},
year = {2024}
}