采用双速率框架的快速预测控制算法

摘要

约束模型预测控制(model predictive control,MPC)在实际应用中优化计算复杂度高,无法在采样周期内完成优化以保证系统实时性.本文针对这一问题,提出采用双速率框架的快速预测控制算法(DSF-MPC).该算法将实时控制量的求解分解到两个时间尺度上进行,即双速率框架:每隔数个采样周期,慢速率层负责完成一次对完整MPC优化问题的求解;而在每个采样周期,快速率层负责根据系统反馈信息和慢速率层算法预测信息的差值,朝着使目标函数值下降的负梯度方向,修正慢速率层的优化结果来获取实际控制量,以满足控制的实时性要求.该算法不要求在每个采样周期内都完成MPC中的在线优化,故能在继承MPC优点的同时,满足快速系统的控制实时性要求.针对直流电动机和倒立摆组合系统的仿真结果,验证了该算法的有效性,反映了其在快速系统中的应用潜力.