基于广义预测控制的模型预测控制系统仿真软件设计

本文介绍了基于广义预测控制的模型预测控制(MPC)系统仿真软件的开发与实现过程。该软件包含了MACI、MAC、DMC、DDMC和GPC五种预测控制算法,可以用不同的方法实现对预测控制系统的综合性仿真以及控制器参数的调整。利用该软件可对模型预测控制系统的作用机理做进一步仿真分析,并有助于定性分析各种算法中设计参数对系统性能的影响以及不同算法之间的区别。     

基于MATLAB的PID参数模糊自整定控制器设计及仿真

本文针对时滞、参数时变和有干扰的控制系统,提出基于MATLAB的PID参数模糊自整定控制器的设计与仿真。本文利用GUI(图形用户界面)建立模糊控制器,仿真模型为二阶延迟系统。仿真结果表明,系统阶跃响应具有较好的动态特性和鲁棒性,表明该PID参数模糊自整定控制器有较高的实用性。     

基于改进BP神经网络算法的永磁同步电动机速度控制系统的优化设计

该文作者以永磁同步电动机的转速控制系统为例,运用改进BP神经网络算法对转速控制器的PI参数进行了优化设计,同时使用MATLAB语言分别对采用常规工程设计法与改进BP神经网络算法所得到的阶跃响应曲线以及这两种设计方法所得到的时域性能指标进行了仿真分析和比较,通过比较可以看出:采用改进BP神经网络算法确能达到进一步优化调速系统性能的目的。     

智能车转弯控制算法的仿真及分析

针对智能车平滑转弯的问题,文中提出了一种PID控制和预测控制相结合的控制算法。该算法借助预测控制算法的递推关系,有效地结合PID三个参数,实现对PID参数自整定和优化。文中的智能车导向系统选用的是电磁导引差速型转向控制,并用系统辨识中阶跃响应参数辨识的方法对电机建立近似模型,检测智能车在多种干扰信号下跟踪导引线的运行特性。借助MATLAB仿真工具对电机模型进行曲线仿真,仿真结果表明:电机能够充分利用当前已经检测到的路径信息做出转弯响应,并预测估计出下一时刻电机的转向信息,即使在多种干扰信号的情况下电机也能够平滑入弯,实现实时导线的轨迹跟踪。     

广义预测控制算法的改进

将广义预测控制算法的各环节整合在一起,提出了根据模型参数和过程输入输出值直接计算未来时间的闭环预测值和单位阶跃响应曲线的新算法.在新算法中无需显式求解Diophantine方程,仅需要使用矢量相加减、点乘和移位运算等基本算子,易于在PLC中实现.新算法只需要存储未来时刻的闭环预测值及单位阶跃响应曲线数据,存储数据较现有方法明显减少.利用GPC模型导出了与DMC相似的闭环预测式,可以利用GPC算法的在线模型辨识功能计算DMC算法的闭环观测值及阶跃响应曲线,将这两种方法融合起来,使DMC算法也具备在线修正过程模型的能力.通过例子对算法的正确性进行了验证.     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。     

基于模型预测控制在温度控制中的应用

本文应用预测控制中的动态矩阵控制(DMC),建立了裂解塔预测控制模型,得出热载体加热系统DMC算法.并通过仿真,验证了其DMC控制的有效性,使得控制系统满足响应快,鲁棒性好的要求,并对DMC控制中的P、M参数进行整定.     

基于动态矩阵控制算法的参数整定研究

针对动态矩阵控制算法中预测时域,控制时域,控制权重难以整定的问题,提出了一种基于遗传算法的改进型最优性能指标算法。方法通过利用遗传算法来优化各个参数的范围,随后结合控制系统响应曲线和最优性能指标来得出各个参数的最优值。最后以单变量模型和多变量模型为研究对象进行仿真实验,将文中方法和传统的DMC参数整定算法进行对比分析,MATLAB仿真结果表明：相比于传统的整定算法,文中提出的方法所整定的DMC控制系统具有更快的响应速度和更好的鲁棒性。     

PID数字控制器多指标优化模拟设计方法研究

建立PID数字控制器多指标统一优化模拟设计方法;用SIMULINK仿真研究数字PID控制对模拟PID控制的复现能力和PID计算机控制系统的阶跃响应,用MATLAB仿真筛选PID参数的优化组合值;提出并建立了一种新的PID数字控制器多指标优化模拟设计方法,包括:PID初值确定方法、模拟PID优化参数MATLAB筛选方案和软件流程图、模拟PID参数转换数字PID参数的方法、SIMULINK仿真验证设计结果的有效性的方法等;研究表明,该方法可用于1～5ms采样周期的PID数字控制器多指标优化模拟设计,且能独立使用、无需PID经验数据和其它设计/整定方法;提供了4个代表性的实例设计,验证了该方法的有效性。     

基于遗传算法的舵机数学模型辨识研究

针对"飞思卡尔"杯全国大学生智能车竞赛,在智能车整体控制中,对于舵机的精准控制显得十分重要;分析了舵机系统各个部分组成原理,采用实验建模方法,利用实验测得的舵机系统的阶跃响应曲线来辨识出舵机模型参数(增益k、惯性时间常数T、滞后时间L);并根据遗传算法原理,借助MATLAB软件方便的绘图功能和强大的图像处理能力,用MATLAB语言编写了M文件进行辨识仿真;仿真结果表明,辨识参数误差小,对于舵机模型是一种有效的辨识方法;实践证明了该方案的可行性,这为实现舵机实时准确控制提供了重要的理论支持。     

基于模型预测控制的电动车辆队列控制研究

针对车辆队列建模时参数不确定导致控制存在误差的问题,以及队列中跟随车辆稳定性问题,分析车辆纵向动力学,设计一个鲁棒MPC控制器和滑移率控制器来提高队列车辆的控制精度和稳定性.首先对纵向MPC控制器进行改进,提高车辆队列控制精度；同时为防止跟随车辆的轮胎打滑,设计一个MPC滑移率控制器对跟随车辆的轮胎滑移率进行控制约束,保证了跟随车辆的纵向稳定性.最后,进行仿真实验验证其有效性.仿真实验结果表明,与传统的LQR、MPC控制器相比,改进的鲁棒MPC纵向控制器控制精度更高,同时MPC滑移率控制器可防止跟随车辆的轮胎打滑,保证了跟随车辆的纵向稳定性.     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制（MPC）的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。     

基于CAN总线的底盘综合控制系统设计

设计了基于CAN总线的底盘综合控制系统,主要包括对整车、四轮驱动、转向系统和制动系统的控制器设计。采用CAN总线实现电动汽车各控制器间的通信,并完成了CAN网络应用层协议的制订。在综合考虑相关影响因素基础上,设计了各控制器的硬件,建立伪逆控制分配算法实现常规的控制量分配,以及必要时实现控制再分配,保证车辆的操纵稳定性。系统的仿真结果表明,该系统可有效地完成常规和再分配控制量,兼顾电动汽车的灵活与稳定。     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

Design of PID controller with incomplete derivation based on ant system algorithm

A new and intelligent design method for PID controller with incomplete derivation is proposed based on the ant system algorithm (ASA). For a given control system with this kind of PlD controller, a group of optimal PID controller parameters Kp^*, Ti^*, and Td^* can be obtained by taking the overshoot, settling time, and steady-state error of the system‘s unit step response as the penfomunce indexes and by use of our improved ant system algorithm. Kp^*, Ti^*, and Td^* can be used in real-time control. This kind of controller is called the ASA-PID controller with incomplete derivation. To verify the performance of the ASA-PID controller, three different typical transfer functions were tested, and three existing typical tunmg methods of PID controller parameters,including the Ziegler-Nichols method (ZN), the genetic algnrithrn (GA), and the simulated annealing (SA), were adopted for comparison. The simulation results showed that the ASA-PID controller can be used to control different objects and has better performance compared with the ZN-PID and GA-PID controllers, and comparable performance compared with the SA-PID controller.     

A practical multiple model adaptive strategy for single-loop MPC

This paper details a multiple model adaptive control strategy for model predictive control (MPC). To maintain performance of this linear controller over a wide range of operating levels, a multiple model adaptive control strategy for dynamic matrix control (DMC), the process industry's standard for MPC, is presented. The method of approach is to design multiple linear DMC controllers. The tuning parameters for the linear controllers are obtained using novel analytical expressions. The controller output of the adaptive DMC controller is a weighted average of the multiple linear DMC controllers. The capabilities of the multiple model adaptive strategy for DMC are investigated through computer simulations and an experimental system.     

4WD-4WS型床椅一体化机器人室内定位与点镇定控制研究

以床椅一体化机器人为研究对象,通过设计相应的运动控制器,并结合所搭建的组合导航定位测控系统,实现了室内环境下的点镇定控制;首先,设计了一种四轮转向-四轮驱动模式的全向床椅机器人样机,并对其运动学进行分析;其次,通过不连续坐标变换,用极坐标形式表示当前位姿与目标位姿间的全局控制误差,并选取合适的位姿误差变量对系统模型进行描述,设计出一种基于位置闭环的全局反馈控制器;继而,根据控制器的需要,设计搭建基于卡尔曼滤波的IMU/UWB组合导航定位系统,实现床椅一体化机器人的全局实时精确定位;最后,采用Lyapunov函数法,对所设计控制器中的控制律进行稳定性分析;MATLAB仿真实验与现场实验均表明所设计的点镇定方法控制效果良好。     

基于反步法的四轮车体跟踪控制半实物仿真研究

人机共驾是非自动驾驶迈向全自动驾驶的中间过渡技术,其半实物仿真能显著减少实车的实验消耗.针对不具备四轮车体模型的仿真平台以及传统坐标系转换方法的局限,基于两轮差速移动车体模型和四轮车体模型的位姿状态误差,利用一种非线性反步控制方法,实现对四轮车体模型运动轨迹的有效实时跟踪.通过方向盘和踏板在虚拟现实环境下进行人机共驾模拟,为开发更逼真的人机共驾及模拟辅助驾驶系统提供了参考.以车体前进方向速度和导向轮角度作为系统输入,通过考察两轮差速移动车体和四轮车体的位姿状态误差,分别在数值仿真和半实物仿真实验条件下,对比并验证了所提出方法的有效性,行驶方向上10km的平均累积误差为4.56m.     

Research on unmanned electric shovel autonomous driving path tracking control based on improved pure tracking and fuzzy control

This paper proposes a path tracking control method combining pure tracking algorithms and self-adaptive fuzzy control for autonomous driving of an unmanned electric shovel. An improved pure tracking controller was designed based on the kinematic model of heavy crawler taking both the value of deviation and its variation as inputs with the crawler speed on each side as output. The proposed controller and MPC algorithm were simulated using MATLAB for comparison. The results show that the proposed controller has more anthropomorphic characteristics than the MPC method. To verify the actual control effect of the controller, experiments were carried out using a prototype electric shovel for different working conditions. The experimental results proved that the controller is able to meet the control requirements for unmanned electric shovel path tracking.