Робастный синтез

Целью робастного синтеза является проектирование такого контроллера, который бы удовлетворял критерию робастности. Начиная с 50-х годов XX века был разработан ряд процедур и алгоритмов, позволяющих решить задачу робастного синтеза. Робастные системы управления могут сочетать черты как классического управления, так иадаптивного и нечёткого.

Ниже представлены основные технологии синтеза робастных систем управления:

Название	Преимущества	Недостатки
H∞-синтез	Работает как с устойчивостью, так и с чувствительностью системы, замкнутый контур всегда устойчив, прямой однопроходный алгоритм синтеза	Требует особого внимания к параметрической робастности объекта управления
H2-синтез	Работает как с устойчивостью, так и с чувствительностью системы, замкнутый контур всегда устойчив, точное формирование передаточной функции контроллера	Большое количество итераций
LQG-синтез	Использование доступной информации о помехах	Не гарантируются запасы устойчивости, требуется точная модель объекта, большое количество итераций
LQR-синтез	Гарантированное обеспечение робастной устойчивости, безынерционный регулятор.	Требуется обратная связь по всему вектору состояния, требуется точная модель объекта, большое количество итераций
μ-синтез	Работает с широким классом неопределённостей	Большой порядок контроллера

Управление с прогнозирующими моделями, англ. Model Predictive Control (MPC) или Receding Horizon Control (RHC) — один из современных методов теории управления использующийся в основном в управлении производственными процессами, к примеру в химической промышленности и в нефтепереработке. Широко стал применяться с начала 80-х годов XX века. Является улучшением классического управления с отрицательной обратной связью, в котором учитывается предсказание поведения объекта управления на различные типы входных воздействий. Обратная связь в таких системах управления используется для корректировки неточностей, связанных с внешними помехами и неточностью математической модели объекта управления. Регулятор полагается на эмпирическую модель процесса для того, чтобы предсказать дальнейшее его поведение, основываясь на предыдущих значениях переменных состояния. Модель объекта управления обычно выбирается линейной.

17) Метод аналитического конструирования агрегированных регуляторов (АКАР).