Điều khiển dự báo bền vững cho hệ phi tuyến lure tham số không chắc chắn
Điều khiển dự báo MPC đã được nghiên cứu trong
một thời gian dài [1], [3], [4], [5], và trong lĩnh vực
điều khiển tuyến tính, MPC đã tỏ rõ sự nổi trội trong
cả lý thuyết và thực tế. Trong điều khiển dự báo MPC,
ở mỗi bước tính, bộ điều khiển giải một bài toán tối
ưu cho lời giải (u(0), u(1), u(h)) và đưa tín hiệu u(0)
đến đối tượng. Sau đó, trạng thái x(k) của hệ được cập
nhật và quá trình này được lặp lại. Điều khiển dự báo
MPC cho hệ phi tuyến từ lâu đã thu hút sự quan tâm
trong lĩnh vực lý thyết điều khiển [1]. Ưu điểm của
MPC so với các phương pháp điều khiển phi tuyến
khác là tích hợp được các điều kiện ràng buộc của bài
toán (ví dụ giới hạn về tín hiệu điều khiển và trạng
thái) trực tiếp vào bài toán điều khiển, trong khi lời
giải trực tiếp từ các phương pháp điều khiển phi tuyến
khác cần phải kiểm tra điều kiện ràng buộc một cách
gián tiếp. Điều đó khiến cho việc thiết kế bộ điều
khiển thuận lợi hơn. Tuy nhiên, nhược điểm của điều
khiển dự báo phi tuyến là trong mỗi bước thời gian k,
bộ điều khiển cần giải một bài toán tối ưu phi tuyến,
một việc yêu cầu phải tính toán rất lớn. Bên cạnh đó,
bài toán tối ưu phi tuyến nói chung thường khó để tìm
được lời giải tối ưu toàn cục. Vì vậy, nếu có đưa bài
toán tối ưu về một dạng có lời giải toàn cục trong thời
gian tính toán ngắn hơn là một hướng nghiên cứu.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Tóm tắt nội dung tài liệu: Điều khiển dự báo bền vững cho hệ phi tuyến lure tham số không chắc chắn
hu hút sự quan tâm trong lĩnh vực lý thyết điều khiển [1]. Ưu điểm của MPC so với các phương pháp điều khiển phi tuyến khác là tích hợp được các điều kiện ràng buộc của bài toán (ví dụ giới hạn về tín hiệu điều khiển và trạng thái) trực tiếp vào bài toán điều khiển, trong khi lời giải trực tiếp từ các phương pháp điều khiển phi tuyến khác cần phải kiểm tra điều kiện ràng buộc một cách gián tiếp. Điều đó khiến cho việc thiết kế bộ điều khiển thuận lợi hơn. Tuy nhiên, nhược điểm của điều khiển dự báo phi tuyến là trong mỗi bước thời gian k, bộ điều khiển cần giải một bài toán tối ưu phi tuyến, một việc yêu cầu phải tính toán rất lớn. Bên cạnh đó, bài toán tối ưu phi tuyến nói chung thường khó để tìm được lời giải tối ưu toàn cục. Vì vậy, nếu có đưa bài toán tối ưu về một dạng có lời giải toàn cục trong thời gian tính toán ngắn hơn là một hướng nghiên cứu. Mặt khác, trong thực tế, các tham số trong đối tượng điều khiển thường không biết chắc chắn. Chúng ta chỉ ước lượng được giá trị nằm trong một khoảng nào đó chứ không nắm được giá trị chính xác. Việc Hình 1. Mô hình tay robot Tóm tắt Bài báo trình bày một phương pháp điều khiển dự báo bền vững cho hệ phi tuyến Lur’e, một mô hình hệ phi tuyến phổ biến trong thực tế, với các tham số không được xác định chắc chắn. Các tham số được giả thiết thuộc một tập lồi đã biết. Bài toán được đưa về dưới dạng bất đẳng thức ma trận tuyến tính có thể giải được bằng các công cụ tính toán hiện hành. Tín hiệu điều khiển tìm được dưới dạng tín hiệu phản hồi tuyến tính và được chứng minh là đảm bảo hệ sẽ ổn định tiệm cận tại gốc tọa độ. Phương pháp được minh họa bằng ví dụ kèm kết quả mô phỏng. Từ khóa: MPC-Điều khiển dự báo, điều khiển phi tuyến, LMI, điều khiển tối ưu, điều khiển bền vững, hệ Lure. Abstract This paper proposes a method to design a robust model predictive controller for an Lur’e system with uncertain parameters, which is popular in practice. The uncertain parameters are assumed to belong to convex sets. The problem is formulated as a Linear Matrix Inequalities, which can be solved by available solvers. The result is a linear feedback control signal that can be proved to asymptotically stabilize the closed loop system. The method is illustrated with an example with simulation results. Keywords: MPC, nonlinear Control, LMI, optimal control, robust control, lure systems. 43 TẠP CHÍ KHOA HỌC CÔNG NGHỆ HÀNG HẢI Số - 62 (04/2020) JOURNAL OF MARINE SCIENCE AND TECHNOLOGY (ISSN: 1859-316X) JMST không chắc chắn này cũng làm tăng thêm độ khó cho bài toán điều khiển phi tuyến nói chung. Một cách tiếp cận với hệ phi tuyến có tham số không chắc chắn là sử dụng phương pháp điều khiển bền vững [1], [2]. 2. Vấn đề cần giải quyết Hệ phi tuyến Lure phổ biến trong các hệ thống điều khiển, ví dụ như hệ thống tay máy robot linh hoạt [2], [6] và Hình 1, được mô tả bởi phương trình: �˙�(t)=Ax(𝑡)+Bu(𝑡)+Gg(𝑧(𝑡)), 𝑧(𝑡)=Hx(𝑡) (1) Trong đó: x, u lần lượt là vector biến trạng thái và tín hiệu điều khiển; A, B là ma trận trạng thái và ma trận tín hiệu vào, có chiều n x n và n x m. A, B có thể không biết rõ giá trị chắc chắn, chỉ biết rằng giá trị của hai ma trận A, B thuộc một tập lồi có các đỉnh là: (A,B)=conv ((𝐴1,B1), (𝐴2,B2),..., (𝐴𝜃,B𝜃)) (1a) G và H là ma trận hằng đã biết và g(z) là khâu phi tuyến bị giới hạn trong miền cho trước (sector- bounded, xem Hình 2), cụ thể, hàm số này thỏa mãn điều kiện: (wz − 𝑔(𝑧)) 𝑇 𝑔(𝑧) ≥ 0, (2) Trong đó w=diag(𝑤1,w2,...,w𝑝) là ma trận hằng số. Bài toán đặt ra là tìm tín hiệu điều khiển u để tối ưu năng lượng tiêu thụ của hệ, hay nói cách khác là phiếm hàm mục tiêu J đại diện cho năng lượng của hệ đạt giá trị nhỏ nhất, với: J = ∫ (𝑥(𝑡)𝑇Qx(𝑡)+u(𝑡)𝑇Ru(𝑡)) ∞ 𝑡 𝑑𝑡, (3) Trong đó ma trận Q và R là ma trận trọng số đối xứng xác định dương, được chọn trước. Tín hiệu điều khiển và trạng thái của hệ phải nằm trong các giới hạn kỹ thuật cho phép: 𝑥min<x<xmax,umin<u<umax . Các giới hạn này có thể viết dưới dạng toán học như sau (xem, Ví dụ, [6]): (x,u) nằm trong đa diện: C={[𝑥𝑇𝑢𝑇]𝑇 ∈ 𝑅n+m: 𝑐𝑖 𝑇x+d𝑖 𝑇𝑢 ≤ 1,i=1,2,...𝑙} (4) 3. Kết quả chính và chứng minh Mục này sẽ trình bày cách xây dựng phương pháp điều khiển bền vững cho hệ Lur’e không tham số chắc chắn, chứng minh tính ổn định của phương pháp và tính khả thi của việc giải bài toán tối ưu cho mỗi bước thời gian. Trước hết, cần nhắc lại một bổ đề đã được chứng minh trong [2] mà sẽ được sử dụng trong phần sau. Chú ý rằng trong phần này, chúng ta cần tìm tín hiệu điều khiển tuyến tính có dạng u = Kx, vì vậy giới hạn được viết dưới dạng như sau: C={[𝑥𝑇𝑢𝑇]𝑇 ∈ 𝑅n+m: (𝑐𝑖 𝑇+d𝑖 𝑇𝐾)𝑥 ≤ 1,i=1,2,..., 𝑙} (5) Hình 2. Khâu phi tuyến sector bound trong hệ Lur’e Bồ đề 1 ([2]): Ellipsoid E={𝑥 ∈ 𝑅𝑛: 𝑥𝑇Px ≤ 𝛼} nằm trong đa diện: C={[𝑥𝑇𝑢𝑇]𝑇 ∈ 𝑅n+m: (𝑐𝑖 𝑇+d𝑖 𝑇𝐾)𝑥 ≤ 1,i=1,2,..., 𝑙} khi và chỉ khi: (𝑐𝑖 𝑇+d𝑖 𝑇𝐾)(αP−1)(𝑐𝑖 𝑇+d𝑖 𝑇𝐾) 𝑇 ≤ 1;i=1,2,..., 𝑙 (6) Chứng minh: Xem trong tài liệu [2]. Bổ đề 1 chỉ ra rằng nếu điều khiện (6) được thỏa mãn thì tất cả các điểm thuộc ellipsoid 𝑥𝑇Px ≤ 𝛼sẽ nằm trọn trong đa diện C, tức là các điểm đó đều thỏa mãn về giới hạn điều khiển và trạng thái của hệ thống. Mặt khác, điều kiện về sector-bound (2) có thể được viết dưới dạng ma trận như sau: [ 𝑥 𝑔] 𝑇 [ 0 −0.5𝐻 𝑇𝑤𝑇 0.5wH 𝐼 ] [ 𝑥 𝑔] ≤ 0, (7) Tiếp theo sẽ trình bày định lý nhằm đảm bảo tính ổn định của hệ thống điều khiển. Định lý 1: Xét đối tượng điều khiển (1) thỏa mãn các điều kiện (1a) và (2). Nếu tồn tại ma trận X đối xứng xác định dương kích thước n x n và ma trận Y kích thước m x n và α dương sao cho ma trận [ −𝐴𝑗𝑋 − 𝑋𝐴𝑗 𝑇 − 𝐵𝑗𝑌 − 𝑌 𝑇𝐵𝑗 𝑇 −𝐺𝛼 − 0.5𝑋𝐻𝑇𝑤𝑇 −𝐺𝑇𝛼 − 0.5𝑋𝑤𝐻𝑋 𝛼𝜏𝐼 ] > 0, với j=1, ...,θ (8a) [ 1 𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌 (𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌)𝑇 𝑋 ] > 0,với i=1, 2, , l (8b) TẠP CHÍ KHOA HỌC CÔNG NGHỆ HÀNG HẢI Số - 62 (04/2020) JOURNAL OF MARINE SCIENCE AND TECHNOLOGY (ISSN: 1859-316X) JMST 44 thì hệ kín tương ứng với tín hiệu điều khiển u(t) = Kx(t) trong đó K = YX-1 sẽ ổn định tiệm cận và thỏa mãn các điều kiện ràng buộc (4) của trạng thái và tín hiệu điều khiển. Ngoài ra, với 𝑃 = 𝛼𝑋−1 , ít nhất ellipsoid E={𝑥 ∈ 𝑅𝑛: 𝑥𝑇Px ≤ 𝛼} là miền hấp dẫn của hệ kín với điểm cân bằng 0. Nói cách khác, nếu trạng thái hệ xuất phát trong ellipsoid E thì hệ sẽ ổn định với điểm cân bằng 0. Chứng minh: Áp dụng công thức phần bù Shur [2], (8b) tương đương với 1 − (𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌)𝑋−1(𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌)𝑇 > 0, 𝑖 = 1,2, . . . , 𝑙 (9) Sử dụng K = YX-1 và 𝑃 = 𝛼𝑋−1, (9) tương đương với: 1 − (𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌)(𝛼𝑃)−1(𝑐𝑖 𝑇𝑋 + 𝑑𝑖 𝑇𝑌)𝑇 > 0, 𝑖 = 1,2, . . . , 𝑙 (10) Áp dụng Bổ đề 1, ta thấy (10) thỏa mãn điều kiện (6), nghĩa là ellipsoid E luôn nằm trong miền C, tức là các điều kiện ràng buộc về trạng thái và tín hiệu điều khiển đều thỏa mãn. Tiếp theo ta phải chỉ ra ellipsoid E là tập bất biến (invariant set), qua đó khẳng định hệ ổn định tiệm cận với tín hiệu điều khiển u(t) = Kx(t). Thật vậy, xét hàm Lyapunov có dạng 𝑉(𝑥) = 𝑥𝑇𝑃𝑥. Hê kín tương ứng với đối tượng (1) sẽ ổn định nếu: �˙� = 𝑥𝑇(𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗 + 𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾)𝑥 + 𝑔𝑇𝐺𝑇𝑃𝑥 + 𝑥𝑇𝑃𝐺𝑔 < 0 với j=1, ...,θ (11) Viết (11) dưới dạng ma trận, ta có: [ 𝑥 𝑔] 𝑇 [ 𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗 + 𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾 𝑃𝐺 𝐺𝑇𝑃 0 ] [ 𝑥 𝑔] < 0 với j=1, ...,θ (12) Áp dụng kỹ thuật biến đổi S-procedure (xem trong [2]), (12) sẽ thỏa mãn khi tồn tại 𝜏 > 0 sao cho điều kiện sau đây được thỏa mãn: [ 𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗 + 𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾 𝑃𝐺 + 𝜏2𝐻 𝑇𝑤 𝐺𝑇𝑃 + 𝜏2𝑤𝐻 −𝜏𝐼 ] < 0 với j=1, ...,θ (13) Tiếp tục biến đổi (13) bằng cách nhân vế trái với ma trận dường chéo 𝑑𝑖𝑎𝑔(𝑃−1, 𝐼) (vì ma trận 𝑑𝑖𝑎𝑔(𝑃−1, 𝐼) xác định dương nên dấu của (13) không đổi). Sau đó thế 𝑃−1, 𝐾 bằng X, Y và 𝛼, ta dễ dàng thu được công thức (8a). Đây cũng là điều cần chứng minh. Dựa trên kết quả Định lý 1, định lý sau đây là kết quả chính của bài báo, trong đó tín hiệu điều khiển đảm bảo giữ hệ ổn định và cực tiểu hóa hàm mục tiêu (3). Định lý 2: Xét đối tượng điều khiển (1) thỏa mãn các điều kiện (1a) và (2). Bộ điều khiển dự báo sẽ giải bài toán tối ưu sau đây trong mỗi bước tính toán tk, 𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑒𝛼𝑘,𝑋𝑘,𝑌𝑘𝛼𝑘 (14) sao cho: [ 1 𝑥𝑇(𝑡𝑘) 𝑥(𝑡𝑘) 𝑋 ] > 0, (14a) [ 1 𝑐𝑖 𝑇𝑋𝑘 + 𝑑𝑖 𝑇𝑌𝑘 (𝑐𝑖 𝑇𝑋𝑘 + 𝑑𝑖 𝑇𝑌𝑘) 𝑇 𝑋𝑘 ] > 0, với i=1, 2, ,l (14b) với j=1, ...,θ (14c) sau khi đo đạc 𝑥(𝑡𝑘), sau đó tính 𝑃𝑘 = 𝛼𝑋𝑘 −1, 𝐾𝑘 = 𝑌𝑘𝑋𝑘 −1. Theo đó: (i) Bài toán tối ưu (14) là tối ưu lồi khi cố định 𝜏 > 0. Khi bài toán giải được ở t = 0 thì sẽ giải được ở tk. (tính khả thi của bài toán tối ưu), (ii) Giá trị 𝛼𝑘 luôn là chặn trên của phiếm hàm mục tiêu (3) tại mỗi thời điểm tk, (iii) Nếu bài toán tối ưu là khả thi khi t = 0, tín hiệu điều khiển 𝑢(𝑡) = 𝐾𝑘𝑥(𝑡), 𝑡 ∈ [𝑡𝑘, 𝑡𝑘+1] sẽ đảm bảo hệ ổn định tiệm cận. Chứng minh: (i) Sử dụng điều kiện (14c) và các kỹ thuật biến đổi tương tự như phần chứng minh cho Định lý 1, ta thấy điều kiện (14c) thỏa mãn khi: 𝑥𝑇(𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾 + 𝑄 + 𝐾𝑇𝑅𝐾)𝑥 + 𝑔𝑇𝐺𝑇𝑃𝑥 + 𝑥𝑇𝑃𝐺𝑔 < 0 với j=1, ...,θ (15) Xét hàm Lyapunov có dạng 𝑉𝑘(𝑥) = 𝑥 𝑇𝑃𝑘𝑥 . Đạo hàm bậc nhất của hàm này có dạng �˙� = 𝑥𝑇(𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾)𝑥 + 𝑔 𝑇𝐺𝑇𝑃𝑥 + 𝑥𝑇𝑃𝐺𝑔 với j=1, ...,θ (16) Do ma trận Q và R là ma trận xác định dương nên khi điều kiện (15) thỏa mãn thì �˙� luôn xác định âm khi t >tk. (15) và (16) cũng đảm bảo rằng: 𝑥(𝑡𝑘+1) 𝑇𝑃𝑘𝑥(𝑡𝑘+1) < 𝑥(𝑡𝑘) 𝑇𝑃𝑘𝑥(𝑡𝑘) (17) Kết hợp với điều kiện (14a), (17) chỉ ra rằng: 𝑥(𝑡𝑘+1) 𝑇𝑃𝑘𝑥(𝑡𝑘+1) < 𝑥(𝑡𝑘) 𝑇𝑃𝑘𝑥(𝑡𝑘) < 𝛼 (18) 45 TẠP CHÍ KHOA HỌC CÔNG NGHỆ HÀNG HẢI Số - 62 (04/2020) JOURNAL OF MARINE SCIENCE AND TECHNOLOGY (ISSN: 1859-316X) JMST (18) cho thấy nghiệm của bài toán giải tại 𝑡𝑘 cũng sẽ là nghiệm của bài toán giải tại 𝑡𝑘+1, tức là nếu bài toán giải được tại 𝑡𝑘 thì cũng sẽ tồn tại lời giải tai 𝑡𝑘. Với k bắt đầu từ 0, ta có kết luận (i). (ii) (15) có thể được viết dưới dạng: 𝑥𝑇(𝑄 + 𝐾𝑇𝑅𝐾)𝑥 < −𝑥𝑇(𝐴𝑗 𝑇𝑃 + 𝑃𝐴𝑗𝐾 𝑇𝐵𝑗 𝑇𝑃 + 𝑃𝐵𝑗𝐾)𝑥 − 𝑔 𝑇𝐺𝑇𝑃𝑥 − 𝑥𝑇𝑃𝐺𝑔 với j=1, ...,θ (19) Chú ý rằng 𝑢(𝑡) = 𝐾𝑘𝑥(𝑡) và vế phải của (19) là �˙� , do đó (19) chính là: 𝑥𝑇𝑄𝑥 + 𝑢𝑇𝑅𝑢 < −�˙� (20) Tích phân hai vế của (20) từ 𝑡𝑘 đến ∞ , ta có 𝐽(𝑡𝑘) < 𝑥(𝑡𝑘) 𝑇𝑃𝑘𝑥(𝑡𝑘), so sánh với (18) sẽ có: 𝐽(𝑡𝑘) < 𝛼𝑘 (21) Như vậy, hàm mục tiêu luôn bị chặn bởi giá trị 𝛼𝑘 tại mỗi 𝑡𝑘. Ý nghĩa của kết luận này là khi giải bài toán (14) để cực tiểu hóa giá trị của 𝛼𝑘, chúng ta cũng cực tiểu hóa phiếm hàm mục tiêu. (iii) Với hàm Lyapunov đã chọn, chúng ta đã chỉ ra rằng trong miền (𝑡𝑘, 𝑡𝑘+1) đạo hàm của nó xác định âm, tức là hàm Lyapunov luôn giảm. Chúng ta cần chỉ ra rằng tại các điểm không liên tục như 𝑡𝑘+1 thì hàm Lyapunov cũng giảm chứ không tăng. Thật vậy, do kết luận của chứng minh trong (i) nên dẫn tới: 𝑥(𝑡𝑘+1) 𝑇𝑃𝑘+1𝑥(𝑡𝑘+1) < 𝑥(𝑡𝑘) 𝑇𝑃𝑘𝑥(𝑡𝑘) (22) Như vậy, hệ kín ổn định tiệm cận với tín hiệu điều khiển uk= Kk xk. Định lý 2 đã chỉ ra cách thức hoạt động của bộ điều khiển. Tại thời điểm tk bộ điều khiển đo giá trị trạng thái xk, giải bài toán tối ưu (14) để thu được giá trị ma trận Kk và đưa ra tín hiệu điều khiển uk= Kk xk.. Sau đó quá trình này lại lặp lại. 4. Ví dụ và kết quả mô phỏng Trong phần này một ví dụ sẽ được trình bày để minh họa phương pháp thiết kế bộ điều khiển dự báo bền vững đã trình bày ở trên. Xét đối tượng điều khiển là một tay máy robot (Hình 1) được mô tả bởi phương trình toán như sau: 𝑥1˙ = 𝑥2 𝑥2˙ = −(48.6 − 𝛿)𝑥1 − 1.25𝑥2 + 48.6𝑥3 + 21.6𝑢 𝑥3˙ = 𝑥4 𝑥4˙ = 19.5𝑥1 − 16.7𝑥3 − 3.33𝑔(𝑥3) (22) Trong đó 𝛿 là tham số không chắc chắn, có thể thay đổi từ 0,1 đến 3. Hàm số g(z) là hàm phi tuyến, có dạng: 𝑔(𝑧) = 𝑧 + 𝑠𝑖𝑛(𝑧) (23) Như vậy hàm g(x) luôn nằm giữa miền 0 ≤ 𝑔(𝑧) ≤ 2𝑧, thỏa mãn điều kiện (2) với w=2. Trạng thái ban đầu của hệ tại x0=(1.2,0,0,0). Yêu cầu điều khiển về gốc tọa độ với |𝑢| < 1, |𝑥1| < 𝜋 2⁄ , |𝑥3| < 𝜋 2⁄ (24) Ma trận Q và R được chọn là Q=diag(1,0.1,1,0.1), R=0,1. 5. Kết luận Bài báo đã trình bày một phương pháp điều khiển dự báo bền vững dựa trên LMI dành cho hệ Lur’e có tham số không chắc chắn dưới các điều kiện ràng buộc về trạng thái và tín hiệu điều khiển. Bằng các chứng minh toán học rõ ràng và ví dụ minh họa được mô phỏng, bài báo đã cho thấy phương pháp thiết kế bộ điều khiển giải quyết được bài toán đề ra. Bài báo là bước đầu của các nghiên cứu mở rộng sau này. Thứ nhất, nghiên cứu có thể được mở rộng ra cho bài toán với hệ rời rạc. Thứ hai, do các định lý nêu Hình 3. Kết quả mô phỏng tín hiệu điều khiển và đại lượng Hình 4. Kết quả mô phỏng các trạng thái hệ TẠP CHÍ KHOA HỌC CÔNG NGHỆ HÀNG HẢI Số - 62 (04/2020) JOURNAL OF MARINE SCIENCE AND TECHNOLOGY (ISSN: 1859-316X) JMST 46 ra trong bài là các điều kiện đủ nên lời giải sẽ còn dư địa để cải thiện. Ví dụ, có thể trong quá trình điều khiển, thông tin về hệ được cập nhật để giảm tính không chắc chắn của tham số trong hệ, qua đó chất lượng điều khiển sẽ được cải thiện. Thứ ba, ngoài phương pháp dựa trên LMI với cửa sổ dự báo đến vô cùng, có thể sử dụng phương pháp điều khiển dự báo với cửa sổ hữu hạn và so sánh kết quả hai phương pháp điều khiển, đánh giá phương pháp nào cho kết quả tốt hơn về mặt lý thuyết. TÀI LIỆU THAM KHẢO [1] Basil Kouvaritakis, Mark Cannon: Model Predictive Control, Nhà xuất bản Springer, 2016. [2] Stephen Boyd, Laurent El Ghaoui, Eric Feron, Venkataramanan Balakrishnan: Linear matrix inequalities in system and control theory, Nhà xuất bản SIAM, 1994. [3] Rolf Findeisen, Frank Allgöwer, Lorenz T. Biegler: Assessment and Future Directions of Nonlinear Model Predictive Control (Lecture Notes in Control and Information Sciences), NXB Springer, 2007. [4] Sasa V. Rakovic, William S. Levine: Handbook of Model Predictive Control, NXB Birkhause, 2019. [5] Lars Grune, Jurgen Pannek: Nonlinear Model Predictive Control: Theory and Algorithms, NXB Springer, 2017. [6] [Christoph Böhm: Predictive Control using Semi- definite Programming - Efficient Approaches for Periodic Systems and Lur'e Systems, Luận án Tiến Sĩ, Đại học Stuttgart, 2011. Ngày nhận bài: 09/01/2020 Ngày nhận bản sửa lần 01: 14/02/2020 Ngày nhận bản sửa lần 02: 05/03/2020 Ngày duyệt đăng: 15/03/2020
File đính kèm:
- dieu_khien_du_bao_ben_vung_cho_he_phi_tuyen_lure_tham_so_kho.pdf