Bài viết trình bày phương pháp điều khiển dự báo MPC bền vững mới cho mô hình hệ Lure đó khâu phi tuyến không biết trước thỏa mãn điều kiện liên tục Lipschitz dựa trên phương pháp điều khiển TubeMPC nhưng mô hình của hệ được cập nhật sau khi có dữ liệu mới về hệ. MPC được thực hiện dựa vào mô hình của hệ. | ĐIỀU KHIỂN DỰ BÁO LEARNING TUBE-MPC CHO HỆ LURE BẤT ĐỊNH VỚI ĐIỀU KIỆN LIÊN TỤC LIPSCHITZ Nguyễn Tiến Ban Khoa Điện - Cơ Email bannt@ Ngày nhận bài 06 01 2021 Ngày PB đánh giá 18 02 2021 Ngày duyệt đăng 05 3 2021 TÓM TẮT Bài báo trình bày phương pháp điều khiển dự báo MPC bền vững mới cho mô hình hệ Lure đó khâu phi tuyến không biết trước thỏa mãn điều kiện liên tục Lipschitz dựa trên phương pháp điều khiển TubeMPC nhưng mô hình của hệ được cập nhật sau khi có dữ liệu mới về hệ. MPC được thực hiện dựa vào mô hình của hệ. Vì thế nếu mô hình hệ không biết rõ sẽ có thể dẫn đến không thể tìm được lời giải. Ý tưởng chính của phương pháp là sử dụng dữ liệu có thể có sai số thu được trong quá trình vận hành và điều kiện liên tục Lipschitz của hàm phi tuyến chưa biết để xây dựng được hàm chặn trên và hàm chặn dưới của hàm chưa biết này qua đó sai số của hàm xấp xỉ và hàm số thực tế được chứng minh luôn nằm trong một khoảng xác định được. Dựa vào khoảng bị chặn được xác định này bài toán điều khiển được đưa về phương pháp điều khiển bền vững TubeMPC và có thể tìm được lời giải bằng các phương pháp hiện hành. Từ khóa MPC - Bộ điều khiển dự báo Điều khiển phi tuyến LMI Điều khiển tối ưu Điều khiển thích nghi TubeMPC Tính liên tục Lipschitz. LEARNING TUBE-MPC FOR LURE SYSTEMS WITH UNKNOWN NONLINEARITY SATISFYING LIPSCHITZ CONTINUITY ABSTRACT This paper proposes a method to design an learning-robust model predictive controller based on the TubeMPC approach for Lure systems in which the unknown nonlinearity is assumed to be Lipschitz continuous. MPC is a model-based approach leading to the fact that the control performance can be severely affected by the uncertainties inside the system. The key idea is that by using the data which may include bounded errors collected during the operation we can establish upper bound and lower bound functions of the unknown nonlinearities which can provide a computable bound for the unknown nonlinearities. With this information we can
