新一代信息技术的快速发展,网络技术的推动,以及控制对象复杂多样性需求的涌现,使得现代工业控制系统的结构越来越趋向于分布化。比如炼钢、发电、化工等工业生产过程,在结构上本身存在着分布性,系统由许多个异构子系统组成,各个子系统之间不但存在物质和能量的流通,还存在大量的信息交互,子系统之间还存在着复杂的关联。同时,现代工业生产的发展对生产过程的控制质量提出了越来越高的要求,除了对单个子系统实现优化控制外,同样要求整个系统的全局优化。因此,分布式系统协调优化控制研究成为当前控制理论研究的一个热点方向。论文研究了分布式系统在网络通讯下的协调优化控制方法,尤其是分布式协调预测控制方法,对分布式系统的优化控制算法设计、优化问题求解以及闭环系统性能等方面进行探讨和分析,重点研究了分布式控制系统面临的模型未知、模型非线性、未知扰动、异步通讯环境和事件触发控制等问题,提出了在网络通讯下分布式系统的协调优化控制和模型预测控制设计方法,以求在保证系统闭环稳定和获得期望动态特性的前提下提高系统计算和通讯资源的利用率,为实际分布式工业网络系统的结构优化和工业过程的动力学优化控制提供理论基础和方法参考。本文的主要研究成果包括以下几个方面:1.针对由多个线性异构子系统构成的分布式控制系统,研究了在模型已知和模型未知两种情形下基于网络通讯的分布式协同输出反馈控制问题。在模型信息已知时,本文利用网络传输信息设计分布式协同控制算法,并引入优化性能指标,证明其存在最优控制算法。在模型信息未知时,本文提出一种基于自适应最优学习的分布式协同优化控制算法。该方法根据强化学习思想,利用在线收集的系统输入数据或者跟踪误差数据,在线学习协同控制算法的最优控制参数。该自适应算法不依赖于系统的模型信息,还能满足闭环系统的分布式输出协同,并收敛到最优控制参数。2.针对具有非线性状态关联的分布式控制系统,提出了异步通讯环境下的分布式模型预测控制算法。由于大规模系统中各个子系统具有迥然不同的动态特点,导致时间常数分布范围广,进而难以得到一个统一的信息更新和优化周期。对于这一问题,本文设计了异步分布式非线性模型预测控制算法,将非同步的通讯信息用于对关联状态的估计,带入到异步分布式模型预测控制算法的约束条件设计中。论文分析了所提出控制算法的可行性和闭环系统稳定性,并给出了分布式优化控制问题中设计参数的必要性选取条件。3.针对存在有界未知扰动的分布式控制系统协调预测控制问题,提出一种异步通讯下基于事件触发的分布式模型预测控制算法。为了有效利用子系统的非同步通讯信息,设计了异步环境下的状态估计方法,并将估计的状态带入预测控制模型的更新中。同时,结合预测状态和真实状态之间的误差设计了分布式事件触发机制来确定分布式优化问题的求解时间,并且从理论上证明排除了Zeno触发现象,有效提高了系统计算和通讯资源的利用率。然后,结合Lyapunov稳定性理论,分析了设计算法的可行性和闭环系统的稳定性,并给出了设计参数的选取条件。4.针对一般非线性耦合的分布式控制系统协调预测控制问题,提出一种基于周期事件触发的分布式模型预测控制算法。基于弱耦合条件的假设,本文针对耦合的系统状态设计了一种基于最近通讯信息的自适应状态估计方法,有效利用非同步的通讯信息来实现耦合子系统之间的解耦。接着,利用包含邻居状态信息的预测模型,设计了分布式模型预测控制算法,并根据预测模型的状态和实际状态之间的偏差来设计周期性事件触发条件,从而保证预测状态和实际状态之间的误差是有界的。该算法既协调了异步的通讯信息,又保证了真实状态处于预测状态的一个有界范围之内。论文给出了保证算法可行性和闭环稳定性的参数选取方法。