基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

对角CARIMA模型多变量广义预测控制

为了丰富多变量广义预测控制算法(MGPC)的建模能力、降低其求解难度、增强其控制参数选择的灵活性，采用对角形式的受控自回归积分滑动平均 (CARIMA)模型来改进MGPC.通过把CARIMA模型中的A与C矩阵构造成对角多项式矩阵的形式，把m个输入n个输出的多变量对象的参数辨识与模型预测问题分解成一系列m个输入单个输出子对象的参数辨识与模型预测问题.一方面简化了模型辨识问题，另一方面避免了模型预测中大量的矩阵运算，从而减轻了在线运算负担，简化了MGPC的实现，增强了MGPC的实用性.在一个由集散控制系统（DCS）控制的非线性液位装置上的对比实验结果表明，该方法保持了常规MGPC方法的优良性能.     

新型势场法的移动机器人避障研究

针对传统人工势场法的障碍物附近目标不可达问题和其他一些的固有缺陷,提出了一种新型势场算法。该算法引入了新的势场函数和沿墙跟踪算法,成功地解决了在移动机器人避障过程中的障碍物附近目标不可达问题和陷阱区域等问题。仿真结果证明了此方法的有效性。     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

基于人工势场法的机器人避障算法

提出了基于人工势场的机器人轨迹规划算法,根据人工势场法原理,将机器人轨迹规划的人工势场算法分为3层进行设计。为了检测避障程序能否正常运行,对其进行了仿真分析。结果证实,基于人工势场法的机器人轨迹规划算法具备较精确的移动轨迹。     

改进模型预测控制的农机轨迹跟踪算法研究

针对无人驾驶农机进行轨迹跟踪时精度与稳定性较差的问题,提出了一种基于模型预测控制(MPC)的轨迹跟踪方法。首先,建立农机车辆的运动学模型,利用粒子滤波对农机状态量进行估计来提高农机的定位精度;其次,在设计MPC控制器时引入了梯度投影算法,该算法相比于传统有效集算法减少了迭代步数,具有更快的收敛速度,提高了农机进行跟踪控制时的计算效率;最后,在淄博市某无人农场进行了农机轨迹跟踪试验。结果表明：该方法可以实现良好的跟踪控制精度,符合精准农业的作业要求。     

人工势场法在无人车避障系统中的改进

传统的人工势场法易出现陷阱区域,在障碍物前面产生震荡等缺点.通过建立避障的动力学模型,引入对障碍物的模糊分类和BP网络对传感器数据的融合优化,使得无人驾驶车在通过有障碍物的道路中能够实现自主避障,做到提前预判,有效消除了震荡或死区引起的系统不稳定性.相比于传统人工势场算法,采用改进算法使得系统在稳定性和效率上有进一步提高.     

模型预测控制在工业控制领域中的发展与应用

介绍了模型预测控制提出的背景,基本原理和特点,着重分析了当前模型预测控制在工业控制领域中发展,应用的现状和今后的发展方向,共引述文献20篇,册,并介绍了一些应用软件。     

基于Laguerre函数模型的多变量广义预测自适应控制

通过对Laguerre函数模型结构的分析，把多变量广义预测自适应控制方法应用于该模型中，利用Laguerre函数模型近似控制对象系统结构，将模型中间参量的辨识和模型的预测输出有效的统一了起来，克服了单纯基于参数化模型预测控制通常需要已知系统的时延和阶次的局限，为适合该类模型的工业对象应用提供一种有参考价值的控制方法。     

基于改进人工势场法的移动机器人路径规划

为解决传统人工势场法存在局部极小值问题而导致路径规划失败问题,提出了基于改进人工势场的角度偏移法,使机器人迅速逃离局部极小值点,成功规划出一条平滑无碰撞路径。仿真实验证明了该方法规划的有效性。     

基于深度神经网络的注塑过程预测控制

注塑机作为现代工业中重要的塑料件生产与制造设备,其智能化发展一直备受业界关注。伴随着航空航天、电力电子、汽车制造等行业的发展,如何实现对注塑件的高精度、高效率、绿色节能化生产,是目前注塑机的重要研制方向。本文针对注塑成型过程中采用传统模型预测控制(Model Predictive Control, MPC)难以保证跟踪控制实时性的问题,提出一种结合深度神经网络(Deep Neural Network, DNN)学习的注塑过程预测控制方法。在注塑机注射过程动力学模型基础上,创建带约束条件的模型预测控制器,对控制器运行数据进行采集并用以训练深度神经网络,实现了基于深度神经网络控制的注射速度的跟踪预测控制。仿真实验结果表明,采用本文所提出的学习预测控制策略能够有效避免注塑过程中因模型预测控制所产生的复杂计算,并满足工业实时性要求,具有应用前景。     

Model-Free Predictive Control for a Kind of High Order Nonlinear Systems

一类高阶非线性系统的无模型预测控制

田野 苏佰丽

（曲阜师范大学 工学院,山东 日照 276826）

摘要：

针对一类模型未知的高阶离散非线性系统,提出一种无模型预测控制算法。首先,利用改进的投影算法来逼近被控非线性系统,给出一个估计模型。然后,基于估计模型,通过求解有限时域滚动优化二次函数,设计预测控制器,得到控制器的显式解析解。同时保证了闭环系统的稳定性。仿真结果表明,该控制策略具有良好的稳定性和鲁棒性,且与无模型滑模控制相比,该控制策略具有更快的收敛速度和更稳定的动态特性。

关键词：非线性系统;紧格式动态线性化;模型预测控制;无模型控制;改进的投影算法

     

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.     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

基于Radau伪谱法和MPC的智能电动车辆生态驾驶

为优化智能电动车能源消耗,提出了基于Radau伪谱法和模型预测控制算法的智能电动车辆生态驾驶的方案。建立生态驾驶控制模型和能耗模型,结合边界约束和路径约束,构建生态驾驶能耗优化的最优控制问题。通过能耗优化得到最优车速轨迹,将此轨迹作为期望输入,基于模型预测控制( MPC)算法完成生态驾驶控制。实验结果表明：以纯电动车和实际规划路径为例,以最优车速自动行驶的能源消耗少于人工驾驶的能源消耗,验证了文中策略的有效性。     

神经网络预测-PID串级控制在同步发电机励磁控制中的应用

为提高发电机励磁控制系统的稳定性,分析了同步发电机的自并励励磁系统的结构和数学模型,介绍了神经网络预测控制的结构和算法,分别基于PID控制、神经网络预测控制和神经网络预测-PID串级控制算法对自并励励磁系统进行了仿真分析.通过仿真结果的对比分析,说明神经网络预测-PID串级控制在励磁控制中的应用提高了励磁系统的动态性、稳定性和抗干扰能力.     

A Novel Tuning Method for Predictive Control of VAV Air Conditioning System Based on Machine Learning and Improved PSO

The variable air volume (VAV) air conditioning system is with strong coupling and large time delay, for which model predictive control (MPC) is normally used to pursue performance improvement. Aiming at the difficulty of the parameter selection of VAV MPC controller which is difficult to make the system have a desired response, a novel tuning method based on machine learning and improved particle swarm optimization (PSO) is proposed. In this method, the relationship between MPC controller parameters and time domain performance indices is established via machine learning. Then the PSO is used to optimize MPC controller parameters to get better performance in terms of time domain indices. In addition, the PSO algorithm is further modified under the principle of population attenuation and event triggering to tune parameters of MPC and reduce the computation time of tuning method. Finally, the effectiveness of the proposed method is validated via a hardware-in-the-loop VAV system.     

模型预测控制算法在飞机自动着陆控制系统中的应用

针对大展弦比这种对侧向着陆精度要求很高的飞机，设计了一种经典PID控制器加预测控制器的分层控制系统。仿真实验结果表明，该控制系统能够有效地提高着陆精度并严格控制接地时的滚转角。     

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。