Modular distributed model predictive control of nonlinear systems with neighborhood models

Third party funded individual grant


Start date : 01.04.2019

End date : 31.12.2020


Project details

Short description

The steadily growing demands on efficiency and flexibility of modern automation and control systems requires a broader design approach for the overall system that goes beyond the isolated look at and control of single subsystems. Decentral and distributed control schemes follow this holistic design approach by including the interdependencies between the subsystems in the control design.

Model predictive control (MPC) appears to be a suitable control approach to tackle these kind of systems. In essence, MPC relies on the numerical solution of a finite-horizon dynamic optimization problem that is repetitively solved according to the sampling rate of the system. An extension of MPC to coupled systems is distributed MPC (DMPC), which assigns a single communicating MPC agent to each subsystem. 

The goal of the project is to develop a DMPC scheme for nonlinear coupled systems, where each MPC agent contains a neighborhood model that anticipates the dynamical behavior of its neighbors in order to enhance the convergence and robustness of the distributed algorithm. Besides the development and mathematical investigation of the methodology, a further goal of the project is the numerical and experimental realization of the control approach. A particular intention of the project is to develop a modular framework that allows for an easy configuration and adaptation of the coupling structure for suitable system classes. 

Scientific Abstract

Steigende Anforderungen an die Effizienz und Flexibilität moderner Automatisierungs- und Regelungssysteme erfordern einen ganzheitlichen Ansatz für den Aufbau und die Regelung des Gesamtsystems, der über den isolierten Reglerentwurf für einzelne Subsysteme hinausgeht. Dezentrale und verteilte Regelungsansätze versuchen diesem ganzheitlichen Anspruch Rechnung zu tragen, indem wechselseitige Abhängigkeiten der einzelnen Elemente eines zu regelnden Systems im Modellierungsprozess abgebildet und beim Entwurf der Regelstrategie explizit berücksichtigt werden.  

In diesem Umfeld hat sich die modellprädiktive Regelung (Model Predictive Control - MPC) als geeignet erwiesen. Im Kern basiert MPC auf der Lösung eines Optimalsteuerungsproblems über einem endlichen Horizont, das gemäß der Abtastrate des Systems iterativ gelöst wird. Eine Erweiterung von MPC für verteilte bzw. gekoppelte Systeme stellt die verteilte modellprädiktive Regelung dar, bei der jedem Subsystem ein lokaler modellprädiktiver Regler (Agent) zugeordnet wird. 

In diesem Forschungsprojekt wird ein verteiltes modellprädiktives Regelungsverfahren für nichtlineare, gekoppelte Systeme entwickelt, bei dem jeder MPC-Agent ein Modell seiner Nachbarschaftsdynamik berücksichtigt und somit das dynamische Verhalten der an das entsprechende Subsystem gekoppelten Nachbarsysteme antizipieren kann, um die Konvergenzeigenschaften und Robustheit des Gesamtalgorithmus maßgeblich zu verbessern. Neben der Entwicklung und mathematischen Untersuchung dieser Methodik stellt ein weiteres Ziel des Antrages die numerische und experimentelle Umsetzung des verteilten Regelungsansatzes dar. Insbesondere ist die Entwicklung eines modularen Rahmenwerks geplant, das die einfache Konfiguration und Änderung der Kopplungsstruktur für geeignete Systemklassen ermöglicht.

Involved:

Contributing FAU Organisations:

Funding Source

Research Areas