基于改变控制时域时间步长的智能车轨迹跟踪控制

为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。     

智能大厦中央空调系统的最优能量管理

从系统工程的角度分析了智能大厦中央空调系统在运行过程中的能耗问题,建立了中央空调系统能耗模型,提出了中央空调系统的优化运行与节能管理方法.通过离线预测和在线优化计算,得到机组次日优化运行策略,包括机组负荷在一天内各个时段的最优分配、最优蓄冷量、最佳释冷时间等.在最优策略指导下进行在线控制,通过在线实时采集数据,利用基于遗传算法的周期自回归模型(PARM)进行动态短期空调冷负荷预测;利用改进随机编码遗传算法实现中央空调日运行模型的求解,得出中央空调设备优化运行策略.实例计算结果表明:用此方法可使中央空调系统节能达24.5%左右.     

四驱电动汽车驱动力分配阶梯式模型预测控制

考虑四轮驱动轮毂电动汽车驱动力分配优化控制问题,提出一种用于驱动力分配的阶梯式模型预测控制(MPC)算法。首先基于七自由度整车动力学模型,建立四轮驱动力分配系统状态空间模型。再考虑四轮驱动力分配过程汽车跟踪性能、能耗性能、直线行驶和稳定性要求,并结合过程约束条件定义有限时域最优控制问题。为降低最优控制问题的在线计算量,引入阶梯式控制策略,参数化预测时域内的控制输入变化量,压缩最优控制问题的优化变量的个数,建立适用于驱动力分配的快速模型预测控制算法。仿真结果验证笔者驱动力分配预测控制算法的有效性和优势。     

基于数据驱动的热连轧厚度建模与控制方法

针对轧机厚度机理模型逐渐不满足现有的控制精度要求的现象,提出了一种基于数据驱动的热轧带钢厚度预测与控制方法.该方法通过对输入空间数据进行在线聚类划分,在各子空间使用最小二乘支持向量机(least square support vector machine,LS-SVM)在线算法建立非线性模型,并预测系统的输出值,利用预测控制方法求得控制量,根据控制器加权策略得到全局控制量.仿真结果证明了该方法的有效性.     

基于PSO与LMI优化的非线性模型预测控制

将微粒群算法(PSO)与线性矩阵不等式(LMI)用于输入受限非线性预测控制器的设计,提出了基于PSO与LMI联合优化的非线性预测控制算法。算法采用双模控制策略,利用LMI离线优化确定终端不变区域,以扩大非线性优化的求解范围,降低算法的保守性。利用PSO在线优化求解非线性预测控制输入,以避免求解非线性规划问题,同时对算法的稳定性进行了分析。仿真结果表明了该算法是有效的、可行的。     

分布式模型预测电压控制方法研究

针对集中式模型预测控制应用于大型电力系统长期电压稳定控制中存在滚动优化计算量大的问题,提出了一种分布式模型预测电压控制算法,即将一个复杂大规模系统分解为若干区,从而将求解全网大型在线滚动优化问题分解为求解各个区的在线滚动优化问题,并通过通信网络实现各个区之间信息交换,降低问题的规模和复杂性。分别采用集中式和分布式模型预测控制方法,对New England 10机39节点设计电压控制器,通过仿真和对比分析证实分布式模型预测是可行的且在计算速度方面具有优势。     

无刷直流电机分数阶PI预测函数控制研究

为了提高无刷直流电机转速的动态性能和抗干扰性,提出一种新型的基于ARMAX模型的预测函数控制(PFC)与分数阶PI(FOPI)相结合的控制算法,通过在性能指标函数中引入预测输出误差,形成具有分数阶PI的结构。在无刷直流电机转速环的控制中,该算法通过递推最小二乘法在线辨识分数阶PI预测函数(FOPI-PFC)的预测模型,使得控制输入根据系统的预测模型的变化而不断滚动优化。仿真结果表明,FOPI-PFC控制算法不仅结合了分数阶PI静态误差小、上升速度快和预测函数无超调、计算量小及较强的鲁棒性等优点,还解决了预测控制模型失配和传统PI控制抗干扰性能差的问题。     

基于T-S模型的非线性多变量系统快速GPC控制

把T-S模糊模型辨识非线性对象和预测控制技术相结合,提出一种基于T-S模型的非线性耦合多输入多输出系统快速广义预测控制(GPC)方法,并给出了简化的规则选择方法.该方法在线调节参数少、计算量小.仿真结果表明具有控制平稳、超调小、跟踪快的特点.能够对非线性耦合多变量系统进行良好控制,适合工业过程在线应用.     

克服广义预测控制模型参数失配的PID反馈校正策略

虽然广义预测控制(GPC)能够通过不断的在线辨识克服模型失配的不利影响,但它计算耗时,不利于在线实时的情况.为了克服在线辨识计算量大的缺点,提出了一种简便易行,计算量小的PID反馈校正策略,可有效地消除模型参数失配对控制性能的不利影响.由于所提出的方法把基于未来预测信息的超前控制和基于过去误差的事后控制有机地结合起来,从而呈现出良好的动态特性.计算机仿真表明,该方法能够有效克服模型与过程之间的增益失配问题,改善控制效果.     

含间隙系统的约束时间最优预测控制

为了解决含间隙机械系统最优控制的计算复杂度问题,设计了基于分段仿射(PWA)模型的约束时间最优预测控制器。为了降低在线控制的计算复杂度,利用动态规划方法在模型的状态和参考跟踪速度的范围内提前计算出了离线的控制律。在跟踪参考速度的实验中,约束时间最优预测控制器具有较好的跟踪控制性能,与约束有限时间最优控制器相比,计算时间降低了十几倍,因此,适合于小采样时间系统的实时跟踪控制。     

面向申威异构众核处理器的矩阵乘分块参数模型

针对矩阵乘计算的编译优化，解决了由于申威异构众核处理器复杂体系结构及存储层次导致的程序优化难问题，过程中循环分块参数对于程序的优化效果极为重要。基于申威最新一代SW26010-Pro异构众核处理器提出了矩阵乘计算分块参数模型，旨在为矩阵乘计算编译优化的计算分解提供分析模型支撑。模型通过对申威处理器上的存储空间及数据传输过程进行分析，能够确定最优循环分块参数，并对数据传输时间及程序执行时间做出预测。测试证明模型能够在存储空间限制条件下得到最优循环分块参数，且程序执行时间预测平均准确率达到了96.87%。     

组合优化灰色模型在中长期电力负荷预测中的应用

鉴于中长期负荷预测受很多不确定因素的影响，各种预测方法都有其局限性的问题，在分析基本灰色模型及其传统改进模型在负荷预测中局限性的基础上，提出了一种电力系统中长期负荷预测的实用新方法——组合优化灰色预测法.该预测法是一种对残差改进灰色模型(GM)和基于等维新息递补预测法的改进灰色模型进行优化的组合方法，能够实现在线预测模型参数，满足动态电力负荷能解决随机干扰影响的要求，最终的预测结果误差可基本控制在3%之内. 经过实例计算，组合优化灰色预测模型用于中长期电力负荷预测，与传统的系统理论方法相比较，该方法计算简捷，预测精度高，具有很好的实用性.     

基于Radau伪谱法和MPC的智能电动车辆生态驾驶

为优化智能电动车能源消耗,提出了基于Radau伪谱法和模型预测控制算法的智能电动车辆生态驾驶的方案。建立生态驾驶控制模型和能耗模型,结合边界约束和路径约束,构建生态驾驶能耗优化的最优控制问题。通过能耗优化得到最优车速轨迹,将此轨迹作为期望输入,基于模型预测控制( MPC)算法完成生态驾驶控制。实验结果表明：以纯电动车和实际规划路径为例,以最优车速自动行驶的能源消耗少于人工驾驶的能源消耗,验证了文中策略的有效性。     

自主车辆高效多目标预测巡航控制

考虑自主车辆自适应巡航控制(ACC)多目标优化及快速计算问题,提出了一种高效多目标预测巡航控制算法。首先采用阶梯式控制策略减少模型预测控制在线计算量,参数化预测时域内的控制输入变化量;接着利用(MPC)中QP问题的特殊结构,将变量进行适当重组,使用改进后的内点法来提高系统计算性能,进一步减小计算负担;最后,将该算法应用于本车车辆ACC系统,仿真结果与传统MPC进行了对比,验证了算法的有效性和实用性。     

采用半自由工况点和分块优化策略的大惯量风力发电系统模型预测控制

风速随机性和间歇性对风机在风能捕获效率、出力波动性、机械载荷等目标的控制带来困难。针对额定风速以上区间,提出一种多目标模型预测控制策略:其基于半自由稳态工况点的多模型调度策略,在确保转速以额定值附近变动的同时,减少桨距角动作,进而获得更好控制效果;采用水平分块策略优化目标二次型函数寻优过程,减小计算量和计算时间。多场景对比仿真结果表明,该方法具有更好动态特性,发电机输出功率波动和机械载荷减小,寻优计算时间缩短,具有较高工程应用价值。     

传输时延和数据包丢失的网络化系统预测控制

针对具有传输时延和数据包丢失的网络化系统研究了有约束模型预测控制问题。考虑网络控制系统中同时存在时延和丢包的情况,给定时延和丢包的上界值,用预测控制器产生的对应时刻的控制输入补偿网络时延和数据包丢失,通过建立时延状态矩阵将系统模型进行分类并视为切换系统,并通过构造切换Lyapunov函数证明了切换系统的稳定性。为了在提高系统性能的基础上减少计算量,利用部分滚动优化方法进行控制器设计,给出了性能指标的上界和系统渐进稳定的充分条件,通过在线求解LMI问题得到状态反馈控制律。仿真研究验证了该方法的有效性。     

基于T-S模糊模型的供水系统预测控制策略研究

针对恒压供水控制系统,运用模型预测控制方法进行了建模和仿真。该方法利用带遗忘因子的加权递推最小二乘法对模型后件参数进行在线辨识,减小模型失配造成的对控制性能的影响;将非线性供水系统模型转化成线性时变状态空间模型,并由此实现对模型输出的预测,并通过滚动优化不断得到最优的预测控制输入,反馈校正过程提高了控制输出精度。仿真分析验证了该方法在供水过程中的灵敏性和准确性。     

基于LSTM模型的SCR系统喷氨量串级预测控制

常规PID对时变、时滞的选择性催化还原脱硝技术(SCR)脱硝系统控制效果不佳,难以满足环保排放要求,因此提出了一种基于长短期记忆(LSTM)神经网络滚动预测的串级预测控制策略。将LSTM网络预测输出作为下一时刻输入数据,建立能自动微调的SCR系统模型;将LSTM网络与预测控制方法相结合应用于SCR喷氨优化控制中,并在此优化控制方案基础上加入PID控制,建立喷氨量串级预测控制系统。仿真结果表明:该控制策略对于SCR系统具有调节速度快、动态控制性能好等优点,且能克服模型失配的影响。     

面向硬件感知的边缘计算卸载和资源分配

传统的边缘计算卸载研究并未涉及计算机硬件实现的细节,计算模型建模粗糙,优化方案精准度低。为此,提出了基于硬件实现的多用户多边缘服务器计算卸载和资源分配联合优化方案,充分考虑了计算过程硬件实现的细节,从计算机指令执行粒度出发,综合计算机输入/输出瓶颈和内存功能模块的能耗,重新建立联合优化模型,并在满足卸载任务时延要求的前提下最小化系统能耗。 此外,为解决动作空间高维的问题,采用了基于深度确定性策略梯度的混合在线二部匹配算法。仿真结果表明,计算过程中的内存能耗不可忽略,且所提出的优化算法能够有效学习最优策略,对降低系统能耗具有显著作用。     

基于ISSA的多变量ORVFL网络自适应预测控制

针对多输入多输出（Multiple?Input Multiple?Output, MIMO）的非线性系统,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）的在线序列随机权值网络( Online Random Vector Functional?Link Net, ORVFL)自适应预测控制算法(ISSA?MPC)。该算法采用ORVFL网络逼近非线性系统模型,并用于系统过程的多步预测。为了提高麻雀搜索算法的性能,使用该算法对系统性能指标进行了在线优化,求解了每一个采样周期的最优控制律。结果表明,该算法控制性能良好并具有较好的抗模型失配能力。