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.     

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.     

时滞系统的模糊神经网络补偿控制

针对传统的模糊神经网络(FNN)在线控制方法用于控制时滞对象时存在调节时间较长的问题,分析产生这一现象的原因,对传统的模糊神经网络在线控制进行改进,给出一种新的确定补偿量的方法.基于递推最小二乘(RLS)法在线辨识对象模型,通过时滞对象模型预测对象输出的变化,利用补偿方法得到控制量的补偿量.设计二维输入的带补偿的模糊神经网络控制器,进行实验与仿真研究.仿真结果表明,该补偿方法调节时间短,控制精度高,比传统的模糊神经网络的控制效果明显.     

改进型永磁同步电机模型预测转矩控制

针对传统模型预测转矩控制存在的在线计算量大、最优权重系数难以确定等问题,提出一种改进型永磁同步电机模型预测转矩控制方法.通过在d-q旋转坐标系下建立表贴式永磁同步电机模型,由预测转矩控制目标确定模型预测所需的参数预测值,将转矩和磁链进行标幺化处理,并将转矩误差和磁链误差转换成转矩误差率和磁链误差率,再加入磁链约束方程得...     

基于模糊补偿的广义预测控制

针对在广义预测控制中采用在线辨识模型参数来克服模型失配的影响的情况 ,提出了用模糊推理对控制量进行补偿的解决方案。仿真结果表明 ,该方案非常有效 ,适合用于具有时滞的复杂工业系统。     

线性参数时变可测系统的混合反馈预测控制

针对参数可测的线性参数时变（LPV）系统,通过综合增益调度控制思想和多步控制集方法,设计鲁棒反馈预测控制器.借鉴增益调度控制扩大设计自由度,改善系统控制性能的优点,设计基于增益调度控制和普通反馈控制律序列的多步混合反馈预测控制策略.在首步椭圆集采用增益调度控制律,有效地利用可测的参数信息提高系统控制性能;在余下的椭圆集系列采用多步控制律,降低在线优化算法的计算量,在控制性能和计算负担之间进行有效平衡.利用该混合反馈预测控制器可以有效地利用当前可测的参数信息,且以较低的在线计算量取得了较优的控制性能.仿真结果验证了该方法的有效性.     

基于改进Blocking策略的模型预测控制技术

针对模型预测控制(MPC)在线优化计算复杂的缺陷,在采用输入分块(Input blocking)策略对输入序列进行固定分块的基础上,,提出了一种移动分块(Move blocking)策略,通过变化的blocking矩阵降低控制量的自由度,从而有效降低模型预测控制在线优化过程中的计算复杂度。同时能够在满足约束条件下保证系统输出紧密跟踪期望值。以四旋翼无人机系统为控制对象,在构建模型基础上,仿真验证了该算法的有效性。     

椭圆轨道编队构型保持控制方法研究

针对椭圆参考轨道的编队构型保持控制系统,以对地等张角绕飞编队为背景设计了相对轨道模型预测控制算法.首先,基于哈密尔顿-雅克比方程,推导了一组包含项摄动的相对运动模型.在此模型的基础上,结合具体的对地等张角编队任务,提出了一种构型保持的在线滚动优化的闭环预测控制算法,并将模型预测优化问题转换为在线求解二次规划问题,该算法能够较好地控制存在状态约束、控制约束等各种约束控制问题.最后,通过数值仿真验证该算法的有效性.     

自主车辆高效滚动时域轨迹规划与跟踪控制

针对自主车辆轨迹规划与跟踪控制问题,提出一种基于模型预测控制的自主车辆高效滚动时域轨迹规划与跟踪控制方法。首先,引入人工势场法为不同障碍物和道路结构分配不同的势场函数;其次,将这些表征安全性的势场函数作为轨迹规划与跟踪的优化目标函数,同时考虑车辆动力学特性、运动学约束和舒适性要求,使规划的轨迹易于车辆跟踪;最后,针对势场函数的非凸非线性造成在线优化计算量大问题,引入阶梯式控制策略,参数化预测时域内的控制增量,降低模型预测控制的在线计算量。针对典型交通场景进行CarSim与Matlab/Simulink联合仿真,结果表明该方法有效并具有优越的实时性能。     

热轧板带横向厚度分布的预测与控制

针对板带热轧过程中终轧板带横向厚度分布的检测、预测方法存在的缺陷,建立自适应粒子群优化算法(PSO)和误差反传递(BP)算法混合训练的神经网络预测模型.该网络模型在BP神经网络的基础上,通过自学习过程对网络结构进行动态优化;借助PSO算法优化网络的权值和阈值,提高网络收敛速度和预测精度.某厂二辊可逆热轧机现场轧制数据验证表明:稳态轧制状态下,该模型预测精度高,平均绝对误差仅为3.6μm,其中87.1%的误差在±4μm范围内;通过对轧后板带横向厚度的统计分析,去除板带头尾部分,板带厚度的绝对误差在30μm以内的频率为90%.该神经网络模型可以代替凸度仪对热轧板带横向厚度分布进行预测,并且能够对板形的调控机构根据预测结果进行精确的控制,适应高精度板形控制的要求.     

一类非自衡系统的简化模型鲁棒预测控制

预测控制是基于模型的控制 ,从模型着手来提高预测控制系统的鲁棒性不失为一种简单易行的办法。鉴于脉冲响应模型具有简单易得 ,鲁棒性强的特点 ,利用阶梯化脉冲响应模型来作为预测控制系统的预测模型 ,对一类非自衡对象进行鲁棒预测控制器的设计。用这种阶梯化脉冲响应模型来拟和实际脉冲响应模型的办法 ,不仅减少了模型的参数 ,而且由于这种简化模型与对象响应的细节无关 ,进一步提高了模型的鲁棒性能。通过仿真研究 ,证明了本文设计的两种鲁棒预测控制器 (单步鲁棒预测控制器和扩展时域鲁棒预测控制器 )对对象模型失配和干扰有较强的性能鲁棒性和稳定鲁棒性。该模型的参数少 ,控制器设计简单 ,为实现自适应预测控制提供了基础     

神经网络预测器在铝电解过程控制中的应用

目的采用神经网络预测控制方法来解决铝电解过程中存在的时变和大时滞问题，提高其控制性能．方法提出了一种基于铝电解过程的神经网络预测控制算法，建立了神经网络预测模型，将神经网络和预测控制算法相结合，结果实现了铝电解过程的最优控制．神经网络预测模型的输出能够很好地跟踪铝电解生产过程，预测效果好．结论笔者提出的控制方案能够使铝电解过程很快进入稳态，超调量较小，提高了铝电解过程的动态和稳态性能．     

多模型预测控制及其在火电厂过热汽温控制中的应用

针对火电厂存在的过热汽温问题,设计了多模型预测控制系统.根据若干建模工况点,离线训练局部人工神经网络模型,利用贝叶斯估计的方法在线计算每个局部神经网络模型概率,加权计算出模型预测输出值.根据预测控制的原理,利用Newton-Raphson迭代法得到控制信号,从而得到了仅含一个控制器的多模型预测控制系统.仿真结果表明,在负荷大范围变化的工况下仍能保持良好的控制性能,具有较强的鲁棒性.     

凸多面体不确定时滞系统鲁棒模型预测控制

针对控制输入受约束的凸多面体不确定时滞系统,利用min-max模型预测控制策略,结合线性矩阵不等式技术,给出了带有时滞补偿的时滞相关鲁棒模型预测控制方法,证明了控制算法的可行性和闭环系统的鲁棒稳定性,并通过仿真实验验证了所提方法的有效性.     

主动前轮转向与直接横摆力矩集成控制算法

针对汽车主动前轮转向(AFS)与直接横摆力矩(DYC)协调控制问题,提出了一种基于模型预测控制的集成控制算法。该算法采用分层集成控制结构,设计了模型预测控制器,研究了二次规划轮胎力分配法,并通过仿真实验对算法进行验证。结果表明:控制算法能够提高车辆的稳定性,具有可行性;采用二次规划轮胎力分配法相对于单轮制动轮胎力分配法可扩大稳定性控制范围。     

Buck型DC-DC变换器的预测控制优化算法设计

针对Buck型DC-DC变换器对象,以驱动系统输出电压快速跟踪设定电压值为控制目标,设计了预测控制优化算法对输出电压进行优化控制。首先采用线性矩阵不等式(LMIs)技术和不变集方法,将Buck变换器的控制问题转化为半正定规划问题,随后基于预测控制的滚动优化思想对Buck变换器输出电压设计无穷时域性能优化算法。基于该优化算法和3个不同的采样周期,对Buck型变换器的电压输出进行了仿真控制,结果表明,Buck型变换器的输出电压能较快地收敛至设定电压值,取得了更优的控制性能,验证了该算法的有效性。     

基于驾驶员需求转矩预测的模型预测控制能量管理

以并联式混合动力车辆为研究对象,基于驾驶员需求转矩预测,采用线性时变模型预测控制算法对对象车辆进行能量管理控制. 根据驾驶员前一段时间内的需求转矩,可以预测下一时段内驾驶员的需求转矩. 与指数函数预测方法相比,自回归模型在预测步长200步之内的预测准确度比指数函数高. 根据纵向动力学公式,可以由预测获得的需求转矩序列计算获得预测的车速序列;采用线性化处理的方法,将具有非线性特性的车辆模型转化成线性时变模型,采用线性时变模型预测控制算法进行求解;将基于驾驶员需求转矩预测的模型预测控制算法和基于规则的控制算法、工况已知的模型预测控制算法进行对比. 对比结果表明：基于驾驶员需求转矩预测的模型预测控制算法与基于规则的控制算法相比,在NEDC、UDDS和WLTC这3个标准工况下的燃油经济性均有所提高,但是与工况已知时的计算结果相比有提升的空间.     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

Sequential Time-of-Flight: Localization of Mobile Robots with Single Receiver

In order to reduce the cost of indoor localization system for autonomous mobile robots( AMRs) and to enhance the localization efficiency,this paper presents a localization approach using sequential time of flight( STOF) measurements from a single receiver to localize AMRs in indoor environments. The STOF is a series of TOF measurements that are acquired by the mobile source in sequence. Combined with the pose estimation obtained from the Dead Reckoning( DR) method,the STOF measurements from a single receiver can be adapted and applied to the trilateration localization model to determine the indoor position of the AMRs. Based on the error analysis of the STOF localization,a double-layer Kalman filter( DLKF) is proposed to fuse multiple STOF localization results and further improve the localization accuracy. In the computer simulation experiments,an average ±20 mm positioning accuracy is attained with the presence of simulated noise that is similar to the realistic sensor noise in magnitude. The simulation results indicate the effectiveness and the potential value of the proposed localization scheme in the practical indoor localization application.     

转向系统背压加载的广义预测控制

针对转向系统背压加载的时变、非线性、多变量耦合等过程特性,研究了一种基于最小二乘支持向量机(least square support vector machine,LS-SVM)的广义预测控制算法.采用LS-SVM辨识方法对系统进行建模,并用粒子群算法对LS-SVM的参数进行寻优,为控制器的设计奠定基础;对于时变的特点,采用基于在线LS-SVM的广义预测控制混合算法,实时修改模型参数.转向系统背压加载的控制实验结果表明,基于LS-SVM的广义预测控制混合算法是有效的,能准确地跟踪设定的加载压力,对扰动有较强的鲁棒性,具有实际工程应用价值.