梯形公式预测校正matlab_鲁棒预测控制（Robust MPC）

这里借助一篇综述文献讲一下鲁棒预测控制（Robust MPC）的相关概念，主要包括Min-max RMPC和Tube-based MPC。

谢澜涛, 谢磊, 苏宏业. 不确定系统的鲁棒与随机模型预测控制算法比较研究[J]. 自动化学报, 2017(6).

---

1. 鲁棒控制

鲁棒控制理论便是为研究不确定性对系统带来的影响而发展起来的。

鲁棒性：指控制系统在一定(结构，大小)的参数摄动下，维持某些性能的特性。由于工作状况变动、外部干扰以及建模误差的缘故，实际工业过程的精确模型很难得到，而系统的各种故障也将导致模型的不确定性，因此模型的不确定性在控制系统中广泛存在。

鲁棒控制：当系统存在一定模型不确定性时，设计一种控制器使得闭环系统仍能保持稳定并保持一定的动态性能指标的控制。

鲁棒控制的相关课程推荐周克敏老师的书以及课程视频，B站上有他的“爱趣无穷”视频：

哔哩哔哩 ( ゜- ゜)つロ 乾杯~ Bilibili​space.bilibili.com

2. 鲁棒预测控制

一般的预测控制综合方法都是针对系统模型准确且无扰动的情况，但实际系统存在着模型不精确或者时变、未知扰动等各种不确定性。在MPC中，系统性能依赖于一个足够准确的系统模型，虽然滚动时域的方式使得MPC具有一定的鲁棒性，但是仍不足以处理系统扰动和模型不确定性，为了解决这个问题，鲁棒模型预测控制（RMPC）理论的研究逐步形成。

鲁棒预测控制（RMPC）处理的是一类有界噪声问题，带外部噪声的线性不确定系统可表示为

其中系统状态

，系统输入

，外部噪声为

。其中外部噪声可能来自于周围环境噪声, 也可能来自于对模型失配部分的重构，值未知但是一般假定有界，可以表示为：

。同时系统输入和状态满足约束条件：

。

RMPC主要思路分为两类，一种是Min-max方法，一类是基于Tube的方法。Min-max RMPC考虑了由不确定性引起的“最坏”的情况, 如果系统能在这种“最坏”的情况下稳定运行, 则对于未来发生的任何一种不确定性, 系统仍然可以稳定运行，但这种方法却是十分保守的, 甚至会导致控制问题不可解。而基于Tube的方法通过分离控制策略，将名义系统从实际系统中分离出来，把对实际系统的控制转化为对名义系统的控制，把系统状态控制在一个状态约束的子集当中，这个子集就是Tube。

2.1 Min-max RMPC