申请/专利权人：西安理工大学

申请日：2022-01-25

公开（公告）日：2024-04-12

公开（公告）号：CN114460846B

主分类号：G05B13/04

分类号：G05B13/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.05.27#实质审查的生效;2022.05.10#公开

摘要：本发明公开了一种具有全局耦合约束的分布式模型预测控制优化算法，具体按照以下步骤实施：步骤1、给出分布式约束优化问题的具体描述；步骤2、分析整体优化问题的对偶问题；步骤3、根据相邻节点以及相关的权重系数计算拉格朗日乘子的值，使用拉格朗日形式计算最优控制量，引入辅助变量，计算相应的梯度，重复此过程达到系统稳定状态。本发明以适应于解决更多的分布式优化问题。

主权项：1.具有全局耦合约束的分布式模型预测控制优化方法，其特征在于，具体按照以下步骤实施：步骤1、给出分布式约束优化问题的具体描述；所述步骤1具体按照以下步骤实施：1建立车辆的运动学模型： 其中x,y表示车辆的后轮车轴中心坐标,θ表示车辆航向角,v表示后轮车轴中心的速度,δ表示车辆的前轮转角,l是车辆轴距，车辆的位置x,y可以由这些变量推导出来；2建立跟踪误差模型并将其离散化： 3建立无人小车的性能指标： 其中Qi为单位矩阵，Ri＝1，Pi也为单位矩阵，状态量的第二个变量的约束为[020]，状态量的第三个变量的约束为[-11]，控制量的第一个变量的约束为[520]，控制量的第二个变量的约束为[-0.50.5]；分布式凸优化问题描述： 其中，i表示第i个系统且i∈ZM＝{1,2,…,M}；xit和uit分别表示第i个系统在时刻t的状态和控制输入，所述系统适用于具有全局耦合约束的线性离散系统，系统i受到局部状态和控制输入约束，如下所示： 所有的系统要满足全局约束条件其中，是由耦合约束定义的矩阵；Jixi,ui是局部损失函数，定义为： N是预测时域，xi,r和ui,r分别是系统i在时刻t对t+r时刻的预测状态和预测输入，并且满足xi,r+1＝Aixi,r+Biui,r，xi,0＝xi；Qi＞0，Ri＞0，Pi是离散时间黎卡提方程Ai,KTPiAi,K-Pi＝-Qi+KiRiKi的解，其中Ai,K＝Ai+BiKi，Ki＝-Ri+BiTPiBi-1BiTPiAi；局部约束集定义为： 是合适的终端集，是最大约束允许不变集；对所有的选择κ使得成立，满足有Kixi∈Ui；对1式中的全局约束集进行收紧处理，ε是用户定义的可接受的容错，目的是允许优化算法提前终止，为方便标记，定义fxi,ui:＝Eixi+Fiui， 和是对全局约束集中关于xi和ui的重写的矩阵；定义bε:＝1-Mr+1ε1p,则1式中的不等式约束条件重写为下列是对所有系统i∈ZM成立的假设条件：假设1.1.对任意的i∈ZM，Ai和Bi是稳定的，xit是可测的；假设1.2.Xi和Ui分别是包含原点的闭凸集；假设1.3.时变非平衡有向图序列是联合一致强连通的，即，存在正整数C满足图是强连通的，也称为C-强连通；假设1.4.步长αk满足αk＞0,步骤2、分析整体优化问题的对偶问题；步骤3、根据相邻节点以及相关的权重系数计算拉格朗日乘子的值，使用拉格朗日形式计算最优控制量，引入辅助变量，计算相应的梯度，重复此过程达到系统稳定状态。

全文数据：

权利要求：

百度查询： 西安理工大学 具有全局耦合约束的分布式模型预测控制优化算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD