计算机数控系统光滑时间最优轨迹规划

基于控制向量参数化(CVP)方法, 研究了计算机数控(CNC)系统光滑时间最优轨迹规划方法. 通过在规划问题中引入加加速度约束, 实现轨迹的光滑给进. 引入时间归一化因子, 将加加速度约束的时间最优轨迹规划问题转化为固定时间的一般性最优控制问题. 以路径参数对时间的三阶导数(伪加加速度)和终端时刻为优化变量, 并采用分段常数近似伪加加速度, 将最优控制问题转化为一般的非线性规划(NLP)问题进行求解. 针对加加速度、加速度等过程不等式约束, 引入约束凝聚函数, 将过程约束转化为终端时刻约束, 从而显著减少约束计算. 构造目标和约束函数的Hamiltonian函数, 利用伴随方法获得求解NLP问题所需的梯度.     

飞行器上升段轨迹的优化设计

针对飞行器上升段轨迹优化求解困难的问题,提出一种基于正交配点的优化求解方法。该方法以第二类切比雪夫正交多项式的零点作为系统控制变量和状态变量的离散点,利用拉格朗日插值多项式对状态和控制变量进行拟合。通过对多项式的求导将动力学微分方程约束转化为代数约束,从而把无限维的最优控制问题转化为一个有限维的非线性规划(Nonlinear Programming,NLP)问题。随后,利用序列二次规划(Sequential Quadratic Program-ming,SQP)方法求解转化后的NLP问题,获得最优的飞行轨迹。最后,飞行器上的仿真结果验证了所提方法的有效性。研究成果可为飞行器的制导控制提供可行的飞行轨迹,有一定的工程应用价值。     

多级生产批量规划问题的柔性惯量反捕食粒子群算法

多级生产批量规划(MLLS)是原料需求计划(MRP)中主生产计划(MPS)的关键决策问题,具有广泛的工业应用;已被证明是NP-hard类型的组合优化问题.反捕食粒子群算法(APSO)是最近提出的一种与粒子群算法(PSO)密切相关的亚启发式算法.本文提出带柔性惯性权重的反捕食粒子群算法(WAPSO)对具有指定装配结构而无约束的MLLS问题进行了求解.本算法对12个小规模benchmark数据集和1个随机产生的较大规模数据进行了测试.测试结果与遗传算法(GA)和Wagner-Whitin(WW)动态规划算法的结果进行了比较.结果表明了WAPSO算法的有效性和适用性.     

一种求解混合整数非线性规划问题的混合优化方法

提出了一种适用于求解混合整数非线性规划(MINLP)方法(GA-SQP),针对确定型算法在NLP子问题复杂的情况下难以在有限时间内收敛的问题,将MINLP问题分解为一系列简单的NLP子问题,外层用遗传算法搜索最优的整数变量集,内层执行SQP算法解决NLP问题,相比传统的确定性算法,它能减少模型本身的非凸性,从而消除双线性项的求解困难,而相对于智能算法,它充分利用梯度信息,在求解NLP问题上具有明显的效率优势。在改进求解效率上,进一步引入存储机制,减少NLP重复求解从而加速收敛。最后以3个常用的测试函数和水处理网络问题为例,数值计算表明本文提出的方法搜索精度明显优秀于传统的确定型算法和启发式算法。     

基于Radau伪谱法的重复使用运载器再入轨迹优化

为了提高数值解法的收敛速度,本文利用Radau伪谱法求解重复使用运载器的再入轨迹优化问题.该方法在一组Legendre-Gauss-Radau点上构造全局Lagrange插值多项式对状态变量和控制变量进行逼近,在动力学方程中状态变量对时间的导数可由插值多项式的导数来近似,故可将动力学方程约束转化为在Legendre-Gauss-Radau点上的代数微分方程约束.因此,可将连续时间的最优控制问题转化为有限维的非线性规划(NLP)问题,之后通过稀疏NLP求解器SNOPT即可对其进行求解.最后的仿真结果显示,通过该方法优化后的再入轨迹成功满足过程约束与边界约束.由于该方法的高效率和高精度特性,可将其应用于轨迹快速优化工程实际问题中.     

采用反馈路径规划的航天器近程安全交会对接

航天器近距离交会对接过程中需要满足禁飞区,对接走廊等约束,否则会有航天器相碰或者损毁的风险.本文研究了一种基于线性二次型调节器树(linear quadratic regulator trees, LQR-Trees)反馈路径规划的安全交会对接的路径规划与控制方法.首先采用非线性规划算法(nonlinear programming, NLP)计算开环标称轨迹,并应用局部线性反馈控制算法生成闭环控制律使得系统状态保持在标称轨迹附近;然后采用平方和(sums-of-squares, SOS)凸优化方法,沿着标称轨迹附近计算反向可达集;最后采用相对稀疏的多个稳定域生成轨迹库覆盖大范围的状态空间,扩展稳定区域.本文首次提出采用6维的LQR-Trees算法的安全对接轨迹规划与控制方法,并重新设计了控制饱和约束.仿真结果验证了该算法在交会对接安全轨迹规划与控制中的有效性,通过设计5个稳定域实现了满足对接走廊约束的安全交会对接任务.     

基于APSO优化算法的GCHP系统神经网络预测控制

针对地源热泵(GCHP)系统的能量消耗问题,提出了一种基于自适应粒子群(APSO)优化算法和最邻近聚类径向基神经网络(RBFNN)建模的预测控制策略;首先,利用神经网络建立系统的输出预测模型,然后通过粒子群的滚动优化算法求解得到最优控制量;仿真结果表明,该方法能够在满足负荷要求的前提下,有效地降低GCHP系统在运行过程中的能量消耗。     

基于伪谱法的滑翔轨迹多级迭代优化策略

伪谱法可实时求解具有高度非线性动态特性的飞行器最优轨迹;以X-51A相似飞行器模型为研究对象,采用增量法与查表插值建立纵向气动力模型,伪谱法与序列二次规划算法求解滑翔轨迹最优控制问题;提出使用多级迭代优化策略,为序列二次规划算法求解伪谱法参数化得到的大规模非线性规划问题提供初值,弥补序列二次规划算法在求解大规模非线性规划问题过程中,出现的初值敏感、收敛速度减慢等问题。通过与传统方法求解出的状态量与控制量仿真飞行状态进行对比,证明了多级迭代优化策略的有效性和高效性,该策略在实际工程应用中取得了良好效果。     

面向自由飞行目标捕获的四旋翼最优轨迹规划

自由飞行目标物捕获作为动态任务，在其被执行的过程中，四旋翼不仅要规划出一条时间最优的追踪轨迹，而且还要根据目标物的位置反馈信息实时对轨迹进行重新规划，以实现在最短的时间内追上目标物.针对这一问题，提出了诱导时间最优MPC （model predictive control）算法用于四旋翼的轨迹规划.该算法通过宽松约束条件下时间最优轨迹的引导，利用MPC的滚动优化策略，可以在每个控制周期内用反馈信息实时求解时间最优的追踪轨迹.为了躲避追踪路径中的障碍物，本文还提出了一种用动态线性约束表示障碍物的方法，以提高障碍物约束下轨迹求解的效率.结合诱导时间最优MPC的算法，可以在线实时地求解出具有障碍物避碰能力的时间最优轨迹.仿真结果表明了本文提出算法的有效性，其高效的计算效率也能满足实际系统对算法实时性的要求.     

基于多目标文化差分进化算法的污水处理厂活性污泥单元多目标操作优化（英文）

污水处理厂活性污泥单元的操作优化旨在保证出水最佳水质的同时,提高过程的运行效率和经济效益。本文在活性污泥系统机理模型基础上,选取进水流量、出水生物需氧量(BOD)和运行成本作为优化目标,建立基于过程的单目标和多目标非线性规划(NLP)模型,包括一个单目标NLP模型、二个双目标NLP模型和一个三目标NLP模型。通过单目标三层混合文化差分进化算法(3LM-CDE)和基于Pareto准则的多目标三层混合文化差分进化算法(MO-3LM-CDE)对以上模型进行求解,得到单目标问题的唯一最优解和多目标问题的一组非支配解集。计算结果表明,三目标问题模型对实际工况的考量更为周全,并且在过程效率、净化质量和经济效益方面均表现出了良好的优化效果。     

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k度平滑的多无人机协调路径规划方法

针对多无人机协同的轨迹规划问题,提出一种基于k度平滑法的多无人机协同路径规划方法.通过改进的蚁群优化算法搜索最短路径,应用k度平滑方法平滑初始路径并实现多无人机的协调.通过k度平滑引入多无人机协调算法,使多架无人机能够在k度时间间隔内到达指定地点.通过仿真实验将所提方法与改进蚁群算法、经典算法及平滑方法进行对比分析,验证所提算法的可行性和有效性.实验结果表明,所提策略能够有效提高多无人机路径规划效率,实现多无人机同时到达指定位置的目标,且具有良好的可行性、有效性.     

基于MLD模型的预测控制可行性与约束优先级研究

混合逻辑动态(MLD)框架为处理约束预测控制不可行和优先级问题提供了新的方法,但其优化算法求解计算量大,求解时间长.通过在目标函数中引入新的惩罚项改进优化算法,将混合整数二次规划(MIQP)问题转化为二次规划(QP)进行求解,减少了计算工作量,提高了求解效率.通过在Wood-Berry塔上的仿真分析,获得了良好的控制性能,分析结果表明了该方法的有效性.     

挠性卫星姿态机动三段式轨迹规划与滚动跟踪控制

以新颖成像模式对挠性敏捷卫星姿态的快速机动控制为需求,本文针对金字塔构型控制力矩陀螺(CMG)群为执行机构的挠性卫星,提出基于三段式正弦角加速度的姿态路径规划方法及具有滚动优化思想的跟踪算法。在姿态路径规划方法设计中,融合谱分析及非线性优化方法,设计了兼顾卫星姿态机动快速性及抑制挠性附件振动性能的姿态轨迹;为实现对规划姿态轨迹的高精度跟踪,综合加权优化指标及奇异性、执行机构能力等约束,设计了金字塔构型CMG群框架角速度的非线性模型预测(NMPC)跟踪控制律。在转动惯量存在测量误差及空间干扰情况下,多种姿态机动仿真表明,本文提出的控制方法是有效的,且表现出较强的鲁棒性。     

基于APSO的GIS腔体移动机器人区间二型模糊跟踪控制

为解决气体绝缘封闭开关设备(GIS)腔体移动机器人的轨迹跟踪控制问题，提出一种基于优化算法的麦克纳姆轮全向移动机器人(MWOR)区间二型模糊跟踪系统。建立MWOR在腔体中的非线性模型，并设计相应的区间二型模糊逻辑控制器(IT2FLC);针对IT2FLC隶属度函数难以确定的问题，采用自适应粒子群优化(APSO)算法对隶属度函数进行优化。分别对MWOR在无扰动和有扰动时进行直线和圆轨迹跟踪的仿真实验。结果表明，该方法对MWOR具有很好的控制效果和抗干扰效果。     

基于定制内点法的多无人机协同轨迹规划

为提高多无人机(Unmanned aerial vehicles, UAV)协同轨迹规划(Cooperative trajectory planning, CTP)效率,在解耦序列凸优化(Sequential convex programming, SCP)方法基础上,提出一种高效求解凸优化子问题的定制内点法.首先引入松弛变量,构建子问题的等价描述形式,并推导该形式下的子问题最优性条件.然后在预测-校正原对偶内点法的框架下,构建一套高效求解最优性条件方程组的计算流程以降低子问题计算复杂度,并利用约束矩阵特征提出一种快速计算原对偶搜索方向的方法以提高规划效率.仿真结果表明,在解耦序列凸优化框架下,定制内点法可将协同轨迹规划耗时降低一个数量级,达到秒级.     

面向复杂未知多障碍环境的多无人机分布式在线轨迹规划

考虑复杂未知多障碍环境对无人机实时轨迹规划性能的影响,提出了基于Tube-MPC和模型预测路径积分(model predictive path integral, MPPI)控制相结合的多无人机分布式实时轨迹规划框架与方法.首先,考虑无人机在多障碍环境下的避碰避障需求,构造代价函数表征轨迹规划过程中的约束条件,将多无人机的轨迹规划问题转化为随机最优控制问题.其次,借鉴Tube-MPC思想,设计并实现了多无人机分布式轨迹规划框架,通过将低频标称控制器与高频辅助控制器串联保证了系统的实时性和鲁棒性.再次,为避免传统方法在求解过程中的维数灾难,提出基于MPPI的多无人机异步轨迹规划方法,该方法通过基于GPU的并行蒙特卡洛(Monte-Carlo)随机前向采样技术,将多无人机随机最优控制问题的求解转化为给定代价函数下对采样轨迹期望的求解,进而获得最优控制序列,其显著特点是求解速度快且避免了基于梯度求解方法对约束条件和代价函数连续性及凸特性的要求.最后,通过Gazebo虚拟仿真平台,在复杂未知多障碍环境下对算法的有效性进行了验证.     

基于速度修正项的机械臂避障路径规划

针对机械臂运行过程中存在的碰撞问题, 提出一种基于速度修正项的机械臂避障路径规划方法. 利用B 样条曲线进行机械臂关节空间规划, 使机械臂能够在特定时刻运行到指定构型. 在运行过程中, 利用碰撞检测算法实时计算机械臂与障碍物的最小距离, 在碰撞即将发生时引入积分为零的避障速度修正项改变机械臂运行轨迹, 使得机械臂能够在实现障碍回避的同时, 保证其在特定时刻通过指定构型的要求. 仿真实验表明了所提出方法的正确性和有效性.     

煤矿井下移动机器人运动规划方法研究

针对现有煤矿井下移动机器人运动规划所生成的轨迹存在超调、碰撞、不连续、不光滑等问题,提出了一种由路径规划、轨迹生成、轨迹优化3个部分构成的煤矿井下移动机器人运动规划方法。路径规划采用基于图搜索的A*算法实现,通过开始搜索、路径排序、继续搜索3个步骤循环迭代,快速规划出一条可通行的全局路径作为轨迹生成的初值。轨迹生成通过构建基于Minimum Snap的目标函数,并施加等式约束来实现。轨迹优化则是在轨迹生成的基础上施加不等式约束来实现:通过调整时间分配和构建基于Corridor轨迹规划的不等式约束,解决基于Minimum Snap轨迹生成在求解过程中出现的超调现象,并对整段轨迹本身进行约束,避免发生碰撞;通过引入调和函数Bezier Curve,构建基于Bezier Curve的Minimum Snap的轨迹优化问题,使得轨迹高阶目标函数的求解变得简单高效,最终生成一条适用于煤矿井下移动机器人的能量损失最小、连续、光滑、无碰撞、可执行的运动轨迹。在Matlab仿真环境中设计了随机地图,生成了包含时间分配、位置规划、速度规划、加速度规划的最优轨迹规划结果。实验结果验证了该运动规划方法的正确性和有效性。     

一种新的实时智能汽车轨迹规划方法

针对智能汽车的驾驶决策和轨迹规划问题, 将轨迹表示为轨迹曲线和加速度变化两部分, 以优化轨迹的行驶效率、安全性、舒适性和经济性为目标建立非线性规划模型. 基于序优化思想, 提出混合智能优化算法OODE, 分内、外两层分别优化加速度变化和轨迹曲线, 通过“粗糙” 评价轨迹曲线实现轨迹曲线的快速择优. 仿真结果表明, 所提出的方法能够处理包含多动态障碍物的复杂交通场景, 且具备实时应用能力, 模型的精度和求解速度均优于传统方法.