基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

基于无模型自适应控制的无人驾驶汽车横向控制方法

提出了一种基于无模型自适应控制的无人驾驶汽车横向控制方案.首先,将无人驾驶汽车循迹跟踪控制问题转化成预瞄偏差角跟踪问题,然后基于无人驾驶汽车横向控制系统的动态线性化数据模型,设计出无模型自适应控制算法、伪梯度估计算法和伪梯度重置算法,进而实现了自主车辆的无人驾驶.该方法的实现仅用到无人驾驶汽车运行时的输入输出数据,避免了对无人驾驶汽车进行复杂机理建模的难题,对于复杂的无人驾驶汽车运行过程具有很好的自适应性,对不同的无人驾驶车辆具有较强的可移植性.该方案已实际应用于清华大学无人驾驶汽车实验平台,在北京市丰台区的实地测试实验、在江苏省常熟市高速路的测试以及2015年"中国智能车未来挑战赛"的现场应用验证了所提方案的有效性.     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

无模型自适应(MFA)控制

概述了一种新型的控制方法无模型自适应(MFA)控制。目的是对当前无模型自适应(MFA)控制有一个总体的认识,它无需数学建模以及复杂的人工参数整定即可控制时变、多变量等复杂过程。首先介绍了无模型自适应控制的性质及特征;结合燃烧过程的控制阐述无模型自适应控制理论的精髓;并和其他控制(如PID)方法作了比较。应用表明,无模型自适应控制可成功解决各种各样的控制问题,适应了现代化工业控制的要求,具有良好的应用与发展前景。     

自动泊车系统仿真研究

对比分析了最小半径泊车算法和不等半径泊车算法的基本原理,分析了汽车在低速情况下泊车入库时的后轮轨迹特点。同时在MATLAB环境下对两种算法进行了仿真研究,并且对仿真数据进行了比较分析。结果表明,不等半径泊车算法对泊车起始位置要求相对较低,更符合实际操作需求。     

高速动车组数据驱动无模型自适应控制方法

针对动车组的速度跟踪控制问题, 同时考虑到现有基于模型的控制方法对系统动力学模型的依赖性, 以及传统无模型自适应控制时变参数估计算法的复杂性, 将改进的多输入多输出(Multiple-input multiple-output, MIMO)偏格式动态线性化无模型自适应控制(Partial form dynamic linearization-improved model-free adaptive control, PFDL-iMFAC)方法引入到动车组自动驾驶系统中. 该控制方法在无模型自适应控制的基础上, 考虑滑动时间窗口, 增加了可调自由度和设计灵活性, 并在输入准则函数中加上对能量函数的惩罚项, 减少能量损耗, 为动车组的跟踪精度和节能运行提供了一种优化的方法, 在满足动车组速度跟踪效果好的前提下实现节能运行. 最后以CRH380A动车组为对象进行仿真实验, 通过与传统无模型自适应控制对比: 所提出的控制算法各动力单元速度跟踪误差在 ±0.2 km/h以内, 加速度在 ±0.65 m/s2以内且变化平稳, 比传统无模型自适应控制方法节约9.86%的能量.     

工业蒸发器的无模型自适应控制

本文介绍了采用多变量无模型自适应控制器（Model－FreeAdaptiveController,简称MFA）控制工业蒸发器的应用。文中介绍了无模型自适应控制的概念,讨论了其系统结构及应用步骤。MFA控制器在这一严重耦合及非线性的蒸发器系统中的成功应用显示了其独特的优点。使用者无需进行控制器设计、过程辨识、也不需知道过程的定量知识就可以将控制器投入运行。即使过程的动态特性有很大变化,也不需重新整定控制器参数。     

小车位环境下的自动泊车路径规划与跟踪控制

针对小车位泊车路径设计不连续导致位姿调整不平滑的问题,提出一种回旋曲线、圆弧、直线组合的路径规划方法,并基于非时间参考量的跟踪偏差,设计滑模控制器。根据泊车要求和限制条件,规划出泊入路径与调整路径：泊入路径引导车辆以极限位姿进入车位;调整路径通过平滑的路径组合实现车位内的位姿调整。选用指数趋近率设计滑模控制器,利用连续函数代替趋近率中的符号函数,降低抖振影响。仿真结果表明,车辆能够连续、无突变地完成泊车操作,跟踪误差较小,抖振抑制效果较好。     

基于MFAPC的无人驾驶汽车路径跟踪方法

为提高无人驾驶汽车转向系统对目标路径的跟踪精度,提出一种新的无人驾驶汽车路径跟踪方法。介绍基于跟踪预瞄点的无人驾驶汽车横向控制方案,给出系统的动态线性化数据模型及其多步预测方程,并采用最小二乘法推导出伪梯度向量的估计和预测方程。结合无模型自适应控制与预测控制的优点,能够通过滚动优化策略进行反复的在线计算,从而得到较好的动态性能。基于CarSim/Simulink联合仿真平台,在车速分别为5 m/s、20 m/s时进行验证,结果表明,与基于车辆动力学的MPC方案相比,该方法具有更好的跟踪效果。     

基于BP算法的无模型自适应迭代学习控制

为了改善针对一般非线性离散时间系统的控制性能,引入"拟伪偏导数"概念,给出了般非线性离散时间系统沿迭代轴的非参数动态线性化形式,并综合BP神经网络以及模糊控制各自的优点,提出了基于BP算法无模型自适应迭代学习控制方案.仿真结果表明,该控制器对模型有较强的鲁棒性和跟踪性.     

Model-free adaptive control design using evolutionary-neural compensator

It is well-known that conventional control theories are widely suited for applications where the processes can be reasonably described in advance. However, when the plant’s dynamics are hard to characterize precisely or are subject to environmental uncertainties, one may encounter difficulties in applying the conventional controller design methodologies. In this case, an alternative design is a model-free learning adaptive control (MFLAC), based on pseudo-gradient concepts with compensation using a radial basis function neural network and optimization approach with differential evolution technique presented in this paper. Motivation for developing a new approach is to overcome the limitation of the conventional MFLAC design, which cannot guarantee satisfactory control performance when the nonlinear process has different gains for the operational range. Robustness of the MFLAC with evolutionary-neural compensation scheme is compared to the MFLAC without compensation. Simulation results for a nonlinear chemical reactor and nonlinear control valve are given to show the advantages of the proposed evolutionary-neural compensator for MFLAC design.     

一种基于元策略的自适应移动切换控制方案

为有效保障移动用户不同业务的服务质量,拓展策略机制的应用,利用策略形式的业务QoS属性及移动节点移动和资源需求的预测信息,用元策略自动生成相应的控制策略,实现切换过程自适应的资源管理。通过分析和仿真,该自适应切换方案在保证切换掉线率的前提下,最小化新呼叫阻塞率,为用户提供较好的QoS保证,其特点在于自适应性,可以根据当前网络状况自动进行重要参数的调整,另外,使用策略,可提供不同的优先级,能方便地进行算法定义和选择,相对于传统方法更灵活。     

基于单片机控制的自动循迹停车系统

为解决一些住宅小区停车位或私家车库距离住宅楼较远、自驾车停车不方便问题,提出了利用单片机MC9S12XS128使小车从给定的起始位置自动循迹到达预期车库或停车位的系统设计方案。单片机MC9S12XS128利用PID算法对电机和舵机进行控制,摄像头传感器进行道路信息采集。该系统经测试达到了预定目标,实现了自动循迹停车功能。     

非线性多智能体系统的无模型自适应聚类一致性控制

针对一类模型未知的离散时间非线性多智能体系统聚类一致性问题,提出一种无模型自适应控制算法.首先,假设系统具有固定拓扑,利用伪偏导数概念得到系统的数据关系模型,在考虑多智能体之间耦合系数条件下给出聚类一致性误差,在此基础上设计一种数据驱动的聚类一致性跟踪控制协议;然后,采用压缩映射方法在理论上分析了跟踪误差的收敛性,结果表明所提出算法不需要智能体模型信息即可完成跟踪任务,是一种数据驱动的控制方法;最后,将结果拓展至随机切换拓扑结构的多智能体系统中,数值仿真结果验证了所提出算法的有效性.     

无人驾驶车辆稳态漂移的无模型自适应控制

本文引入一种基于无模型自适应控制算法的无人驾驶车辆稳态漂移控制方案.首先,对车辆漂移动态过程进行动力学分析,其次,确定控制系统的控制输入量和控制目标,然后基于无人驾驶车辆稳态漂移控制系统的动态线性化数据模型,设计无模型自适应稳态漂移控制算法、伪雅可比矩阵估计整定算法和伪雅可比矩阵重置算法,从而实现无人驾驶车辆的稳态漂移...     

Reduced-order adaptive control scheme

The objective of this paper is to present a new adaptive law motivated by the work of Narendra et al. (1980) for the robust adaptive control of plants with unmodelled high frequency dynamics. In the regulation case the adaptive system has bounded solutions. Stable performance is still guaranteed when the effect of high frequency parasitics is considered. Simulation results are presented throughout the paper to complement the theoretical developments. It has been shown that the adaptive gain, the initial conditions, the mode-separation ratio and the magnitude and periodicity of the reference input sequence are important factors in the design of stable adaptive control schemes.     

大型舰船综合减摇系统无模型自适应控制

针对减摇鳍单独控制,减摇水舱单独控制和鳍/被动水舱综合控制3种减摇系统设计了无模型自适应控制方案,并对相应的减摇效果进行仿真研究.仿真研究结果表明:大型舰船采用基于无模型自适应控制的鳍/被动水舱联合减摇方案,其工作性能好于单独使用减摇鳍或减摇水舱等减摇装置的性能,在各种航态下都能满足系统设计要求.另外,无模型自适应控制仅用系统I/O数据,不必事先建立系统精确的数学模型,可适应海况的变化,且参数调整少,计算量小,还能适应系统对快速性的要求.     

Model-free control

‘Model-free control’and the corresponding ‘intelligent’ PID controllers (iPIDs), which already had many successful concrete applications, are presented here for the first time in an unified manner, where the new advances are taken into account. The basics of model-free control is now employing some old functional analysis and some elementary differential algebra. The estimation techniques become quite straightforward via a recent online parameter identification approach. The importance of iPIs and especially of iPs is deduced from the presence of friction. The strange industrial ubiquity of classic PIDs and the great difficulty for tuning them in complex situations is deduced, via an elementary sampling, from their connections with iPIDs. Several numerical simulations are presented which include some infinite-dimensional systems. They demonstrate not only the power of our intelligent controllers but also the great simplicity for tuning them.     

未知异构非线性多智能体系统的无模型自适应编队控制

研究一类未知异构非线性多智能体的编队控制问题.首先,利用全格式动态线性化(full form dynamic linearization,FFDL)方法将未知非线性智能体转化为含有时变参数的数据模型,并给出时变参数的估计方法;然后,基于该数据模型设计一种分布式无模型自适应多智能体编队控制方案;最后,为验证所提出的无模型自适应编队控制方案的有效性,利用3台NAO机器人开发基于Python的多智能体编队控制实验平台.实验比较结果表明,通过所提出的控制方案可使3台机器人仅利用局部信息就能有效完成编队控制任务,控制性能优于基于PID的编队控制方法.