约束非线性系统保安全和稳定的双模经济模型预测控制

考虑输入仿射非线性约束系统的安全与经济优化控制问题,提出一种约束非线性系统高效安全经济模型预测控制(SEMPC)策略。首先引入控制李雅普诺夫障碍函数(CLBF)概念,设计系统运行安全约束和参数化非线性局部控制律。为平衡SEMPC的在线计算量和经济优化性能,构造约束非线性系统的参数化双模模型预测控制(MPC)控制器,其中,控制器自由参数在系统状态进入终端域后在线优化确定。进一步,应用双模控制原理和控制李雅普诺夫函数性质,证明SEMPC策略的递推可行性和闭环系统的渐近稳定性。最后,通过对一连续搅拌釜反应器的安全、经济和稳定控制的仿真实验,验证了本文策略的有效性。     

基于微粒群优化的模型参考自适应控制

针对复杂非线性对象提出了一种基于微粒群优化(PSO)的PID自适应控制方法.通过运用PSO算法对PID控制器参数进行在线调整,使模型参考自适应控制达到理想的控制效果.将该方法引入到连续搅拌反应釜这一复杂的非线性系统,仿真结果表明了该方法的良好性能.     

基于非线性MPC的分布式驱动电动汽车转矩协调控制

为提高分布式驱动电动汽车在极限工况下的稳定性,提出一种基于非线性模型预测控制(nonlinear model predictive control, NMPC)算法转矩协调控制策略。该策略基于NMPC的集中式系统整体优化方法,兼顾了整车稳定性控制和转矩优化分配,可以改善车辆行驶稳定性,确保车轮滑移率维持在稳定的范围内,提高车辆驱/制动的稳定性。首先利用MATLAB建立整车7自由度动力学模型,同时基于预测控制的算法框架搭建车辆动力学控制器模型。然后根据操稳性控制需求,同时考虑了轮胎的纵向滑移约束设计系统的目标函数;结合障碍函数方法,基于估计的期望动态滑移率实现对滑移率的边界约束。最后将期望值的跟踪控制和滑移约束控制转化为带约束的优化问题,求解得到各轮最优转矩分配。仿真结果表明:该转矩协调控制系统可以有效地改善车辆的稳定性,同时将轮胎滑移率控制在稳定范围内,提高车辆安全性。     

基于Wiener模型的非线性预测控制研究

针对复杂的非线性预测控制问题,提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.该方法具有良好的控制效果,算法简单且易于实现.两个仿真实例也表明了该方法的有效性.     

变风量空调系统用非线性模型预测控制方法研究

在工业HVAC系统中,为了提高在大扰量下的控制精度,模型预测控制(MPC)被广泛应用。本文提出一种用于变风量(VAV)系统的非线性MPC。该非线性MPC采用具有外部输入的非线性自回归网络(NARX)和粒子群优化算法(PSO)。NARX模型旨在预测VAV系统的受控参数(室温),PSO作为优化器,来获得VAV系统的最优控制变量。通过为成本函数的目标分配不同的权值,本文提出的非线性MPC能权衡VAV系统的控制精度和节能需求,以达到不同的控制效果。不同权值的两种方案在实验室的VAV系统中得到了验证,其中方案1仅考虑控制精度,方案2同时考虑了控制精度和节能性。分别将实验得到的两种方案的MPC的控制效果与基于PI控制器的定静压方法进行对比,实验结果表明:基于MPC的方案1可以实现室温稳定在设定值±0. 5℃的控制精度范围;基于MPC的方案2显示出更好的节能特性,与定静压方法对比,节能率达到23. 7%。     

基于佳点集粒子群算法的SVM参数优化方法

针对传统的粒子群算法（PSO）初始种群随机生成而导致的算法稳定性差和易出现早熟等问题,提出了基于佳点集改进的粒子群算法（GSPSO）,并将其优化支持向量机（SVM）,构建一种高效的预测评估模型（GSPSO-SVM）。首先采用佳点集方法使PSO中初始粒子均匀分布,然后利用GSPSO优化SVM的惩罚因子C和径向基核函数参数g以获取最佳参数值,提高SVM分类性和稳定性,最后将模型应用于旱情数据的评估预测。仿真实验结果表明：本模型在平均准确率和方差方面的准确都取得了很好的效果;对比分别用PSO和遗传算法（GA）优化的SVM模型,本模型的性能更好。     

子空间预测控制算法在主动噪声振动中的应用

为解决主动噪声和振动控制中的执行器饱和约束条件问题,本文在子空间系统辨识的基础上,研究了一种新颖的子空间预测控制方法。该控制方法联合了系统辨识和控制器设计,直接由输入-输出数据得到将来时刻的输出预测值,自动校正系统中的参数,克服了传统的模型预测控制中繁琐的系统辨识环节。同时子空间预测控制允许执行器机构出现饱和现象,在考虑由饱和现象导致的约束条件时,利用线性矩阵不等式将约束优化问题转化为无约束优化问题。采用椭球优化算法迭代地产生一系列体积逐渐减小的椭球序列,该序列最终能收敛到一个最优解。在椭球算法的基础上推导了该算法达到收敛时所需要迭代次数的一个上界。这在智能优化算法中是很难求得到的。最后以直升机悬停状态时发生的颤振为例,利用本文中的子空间预测控制和椭球优化算法设计闭环系统的反馈控制器,验证闭环系统的输出响应能较好地跟踪期望值,从而得出本文方法的有效性。     

一类具有范数有界不确定性的非线性时滞系统的控制

本文研究了一类具有范数有界不确定性的非线性时滞系统的鲁棒稳定性及其控制问题,结合Lyapunov稳定性定理、线性矩阵不等式及自由权矩阵,给出了系统的状态反馈鲁棒二次稳定的充分条件以及控制器的设计,并建立了一个具有线性矩阵不等式约束的凸优化问题,得到不确定时滞系统的最优状态反馈控制律.仿真示例说明了该方法的可行性.     

基于混合粒子群优化算法辨识Hammerstein模型

非线性系统辨识是现代辨识领域中的一个主要问题。在非线性系统辨识中,系统常被表示为一系列块连接。针对非线性系统中的Hammerstein模型,本文提出了利用混合粒子群优化算法对非线性系统模型进行辨识。该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题,然后采用粒子群优化算法(PSO)获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法。最后,给出仿真实验,其结果验证了本文给出的辨识方法是有效的。     

极限工况车辆非线性模糊MPC控制EI北大核心CSCD

针对应急转向下车辆的横摆稳定性和侧倾稳定性,研究前轮主动转向(active front-wheel steering,AFS)和直接横摆力矩(direct yaw-moment control,DYC)的非线性模型预测MPC集成控制。考虑轮胎侧偏刚度非线性变化,采用Takagi-Sugeon方法(T-S)建立4个车辆横摆-侧倾线性子系统,结合模糊观测器实时获取轮胎动态参数。为消除侧倾稳定性能约束,在T-S框架下建立改进横摆理想参考模型,引入侧倾稳定指标约束期望横摆角速度。根据横摆角速度、质心侧偏角、侧倾姿态的跟踪偏差和控制输入建立二次型评价函数,以驾驶员转向扰动为评价函数附加项,构建无限预测时域MPC最优性能指标,基于分布补偿方法设计非线性系统的模糊控制器MPC-TS,并根据轮胎侧偏特性设计自适应主动转向约束。通过LMIs方法将无限时域的非线性MPC控制转化凸优化过程,推导子系统转向扰动最小值问题的线性不等式。最后联合Trucksim-Simulink软件进行仿真测试,以Sine with Dwell和Fishhook曲线为驾驶员输入模拟应急转向过程,结果表明:在驾驶员应急转向的强非线性过程,MPC-TS方法能够显著增强横摆稳定性和侧倾稳定性,并适应低附和高附着路面。     

A new trust region–sequential quadratic programming approach for nonlinear systems based on nonlinear model predictive control

In this article, a superlinearly convergent trust region–sequential quadratic programming approach is first proposed, developed and investigated for nonlinear systems based on nonlinear model predictive control. The method incorporates a combination algorithm that allows both the trust region technique and the sequential quadratic programming method to be used. If the attempted search of the trust region method is not accepted, the line search rule will be adopted for the next iteration. Also, having to resolve the quadratic programming subproblem for nonlinear constrained optimization problems is avoided. This gives the potential for fast convergence in the neighbourhood of an optimal solution. Moreover, additional characteristics of the algorithm are that each quadratic programming subproblem is regularized and the quadratic programming subproblem always has a consistent point. The main result is illustrated on a nonlinear system with a variable parameter and a bipedal walking robot system through simulations and is utilized to achieve rapidly stability. Numerical results show that the trust region–sequential quadratic programming algorithm is feasible and effective for a nonlinear system with a variable parameter and a bipedal walking robot system. Therefore, the simulation results demonstrate the usefulness of the trust region–sequential quadratic programming approach with nonlinear model predictive control for real-time control systems.     

基于梯形区间软约束的多目标优化预测控制算法研究

针对多变量控制系统在受到干扰时,自由度低、鲁棒性差的缺点,在三角区间软约束控制算法的基础上,提出一种基于梯形区间软约束的多目标预测控制算法。首先在容忍区间外设置梯形区间,使控制过程分为两个部分,以减小控制初期瞬态偏差对系统造成的影响;为了缓解工业过程中各控制目标相互耦合的问题,构建两个目标函数,并用迭代算法对ε-约束法进行改进,优化目标函数,以减小目标函数的求解误差,实现对多入多出系统的协调控制。通过对壳牌公司的重油分馏塔模型仿真实验,将三角区间软约束控制算法与该算法进行对比,结果表明该算法具有较好的鲁棒性和快速性。     

Reduced order modelling and predictive control of multivariable nonlinear process

In this paper, an efficient model-predictive control strategy that can be applied to complex multivariable process is presented. A reduced order generalized predictive algorithm is proposed for online applications with reduction in complexity and time elapsed. The complex multivariable process considered in this work is a binary distillation column. The reduced order model is developed with a recently proposed hybrid algorithm known as Clustering Dominant Pole Algorithm and is able to compute the full set of dominant poles and their cluster centre efficiently. The controller calculates the optimal control action based on the future reference signals, current state and constraints on manipulated and controlled variables for a high-order dynamic simulated model of nonlinear multivariable binary distillation column process. The predictive control algorithm uses controlled auto-regressive integrated moving average model. The performance of constraint generalized predictive control scheme is found to be superior to that of the conventional PID controller in terms of overshoot, settling time and performance indices, mainly ISE, IAE and MSE.     

基于浸入与不变原理的电力系统混沌振荡分析与控制

针对电力系统中普遍存在的参数变化引起系统混沌振荡导致系统不稳定问题,提出了一种基于浸入与不变(immersion and invariance,I&I)原理的自适应反演滑模控制(adaptive backstepping sliding mode control, ABSMC)算法,以提高电力系统运行稳定性。首先,利用电力系统非线性模型,分析无功功率的变化对系统动力学行为的影响。其次,融入Ⅰ&Ⅰ原理,对系统中存在的未知非线性项和外部扰动进行补偿,设计扰动估计自适应律,利用反演原理设计控制器,并通过Lyapunov稳定性理论对所提出的控制方法进行收敛性证明。最后,对系统进行数值仿真试验,结果表明,所提方法可有效辨识出系统的动态扰动,使系统所有状态变量迅速收敛,提高了系统的响应速度。     

压电智能悬臂梁神经网络预测控制

对表面粘贴压电元件的压电智能悬臂梁进行有限元建模和分析,获取了结构的动力响应数据。根据神经网络的非线性逼近能力,用动态递归神经网络对压电振动系统进行了系统辨识,建立了系统的预测模型。以此预测模型来代替传统广义预测控制算法中的受控自回归积分滑动平均模型,对压电智能悬臂梁进行振动主动控制的研究,并优化了控制系统参数。对一单输入单输出压电智能悬臂梁系统进行了仿真分析,控制效果良好,为智能算法在智能结构中应用有一定的指导意义。     

Nonlinear predictive control of a mobile robot: a solution using metaheuristcs

The basic features of model-based predictive control (MBPC) make it an interesting candidate for the control of mobile robots. However, fast solution procedures remain a challenge for nonlinear MBPC problems such as the one arising in mobile robot control. Metaheuristics are general purpose heuristics which have been successful in solving difficult optimization problems in a reasonable computation time. In this work, we present a comparison between the uses of three different heuristics, namely particle swarm optimization (PSO), ant colony optimization, and gravitational search algorithm for the solution of the nonlinear MBPC for a mobile robot tracking trajectory with dynamic obstacle avoidance. The computation times obtained show that PSO is a feasible alternative for real-time applications. The MBPC based on the PSO is applied to controlling a LEGO mobile robot with encouraged results.     

Passivity-based control of linear switched reluctance motors with robustness consideration

A robust passivity-based control (PBC) algorithm is proposed for the position tracking system of a linear switched reluctance motor (LSRM). By using the modelling analysis of the drive system, a full-order nonlinear controlled model is first developed. Then, on the basis of the state error equation, the proposed robust PBC algorithm is derived from the view points of energy dissipation, control stability and algorithm robustness. The resultant design provides a total structural solution for the control law with the winding excitation scheme integrated into the algorithm. The proposed algorithm guarantees global stability of the whole servo system. It can also overcome the inherent nonlinear characteristics of the system and make the whole system robust to uncertainties and bounded disturbances. Both simulations and experimental implementations are carried out on the proposed LSRM drive system to investigate the performance of the proposed algorithm. The results show that the experimental and the simulation outputs match very well. The proposed algorithm is effective for the high precision position tracking of the LSRM, with high robustness to the system uncertainties and bounded disturbances.