外文翻譯---基于模型預測控制利用不確定集方法的魯棒優(yōu)化（譯文）

1、1出處： 出處：Instrumentation, Communications, Information Technology, and Biomedical Engineering (ICICI-BME), 2009 International Conference on. IEEE, 2009: 1-5中文 中文 2315 字基于模型預測控制利用不確定集方法的魯棒優(yōu)化 基于模型預測控制利用不確定集方法的魯棒優(yōu)化摘要（原文上知網(wǎng)檢

2、索-The Robust Optimization Based Model Predictive Control using Box Uncertainty Set）論文考慮了魯棒優(yōu)化 魯棒優(yōu)化(RO) (RO)在模型預測控制中的應用。這個優(yōu)化方法包含了 不確定數(shù)據(jù)，也就意味著當解決方案必須確定時優(yōu)化問題的數(shù)據(jù)并不是精確的 被知道。魯棒優(yōu)化(RO)已經(jīng)廣泛應用于各種適用場合，在本文中，展現(xiàn)了在模 型預測控制 型預測控制(MPC) (MP

3、C)中的應用。基于模型預測控制的魯棒優(yōu)化 基于模型預測控制的魯棒優(yōu)化(RO (RO based-MPC) based-MPC)被用 于廢熱鍋爐控制的仿真模擬之中。關鍵詞：對偶問題 ，魯棒優(yōu)化，模型預測控制，內(nèi)點法，二次模型性能I 介紹MPC 是一種控制算法，顯性的使用過程的模型通過最小化一個目標函數(shù)。 這個模型被用來預測將來的過程輸出。眾所周知，MPC 在過程工業(yè)中處理限制 性的多變量的控制問題。知道過程輸出，一個控制序列能夠被計算用來

4、簡化設 計的目標函數(shù)。然而，工廠中每一步只用控制信號的第一個元素，這就是被熟 知的區(qū)間后退策略。在下一次采樣時會重復上一次的計算方法。在優(yōu)化過程中， MPC 用一個線性動態(tài)過程的模型，線性輸入的限制，輸出，和輸入的減小量最 終在一個最優(yōu)控制的一次規(guī)劃或二次規(guī)劃中。 在這種情況中，工廠的動態(tài)的過程是不確定的，魯棒 MPC 已經(jīng)有了解決了 這個問題策略，適用于描述不確定性的一般方法工廠使用各種

5、可用的數(shù)學模型 文獻中可用的框架。接下來，考慮到閉環(huán)魯棒性的一組性能指數(shù)會被選擇。魯 棒 MPC 然后通過在每個采樣間隔求解魯棒最優(yōu)控制序列獲得。區(qū)間后退策略在 每個采樣間隔都被用來完成 MPC 算法。這個方法降低了容量和大量的計算，用 于能夠處理不確定問題的優(yōu)化項目。最近，一種叫做 RO 的方法在數(shù)學編程和應用研究中被廣泛研究。RO 方法 被設計用來解決優(yōu)化問題，當數(shù)據(jù)不確定或只知道不確定集中的數(shù)據(jù)。這種方 法最先被 Ben-Tal

6、和 Nemirovski 采用。RO 被用來發(fā)展一種新的魯棒 MPC，用來 優(yōu)化橢圓不確定型。被提議的魯棒 MPC 在處理工廠中由于不確定性造成的擾動 有很好的作用，用 RO 的工廠的線性模型中，不確定因素不需要完全確定。相反， 當發(fā)展優(yōu)化模型時，它能夠被簡化和合并在后來的公式化中。通過在魯棒優(yōu)化中用不確定箱子類型，本文把公式化的魯棒 MPC 看做 RO。 這種新類型的魯棒 MPC 在設計魯棒 MPC 時給出了一種全新的觀點，在工廠存在