智能网联应急车辆路权动态优化

智能网联环境下,精确交通信息的感知与交互为应急救援车辆的动态时空路权优化提供了可能。然而目前应急救援车辆缺乏高效的时空路权同步动态优化方法。因此,以江苏省某城市部分路网为研究对象,设计了基于双层模型预测控制(Model Predictive Control, MPC)的应急车辆时空路权同步动态优化方法。在路径规划层,构造了路网韧性指标,并设计了MPC路径规划器进行动态路径调整,并提供合理的应急信号优先配时;在车辆控制层,基于车辆动力学设计MPC车辆控制器,计算满足车辆动力学约束的应急车辆速度最优解。结果表明:提出的策略能够有效降低对路网通行效率的负面影响并同时显著提高应急救援效率。     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.      

电力需量控制系统的研究及应用

根据钢铁企业的用电特点,自上而下采用3层控制模式对企业的电力需量进行优化控制:优化调度层通过建立企业负荷预测体系和应用基于在线滚动优化的趋势分析技术,有效提高需量控制点趋势分析的准确性,为制定正确的趋势控制策略和下发合理的需量控制目标值提供技术保证;监控层配置电力需量优化控制装置,接收主站的需量控制目标值,并根据所辖区域控制对象的实际运行状态,采用动态规划的方法对负荷调整量进行优化计算;常规控制层的电力需量执行装置采集控制对象的工艺数据,接收监控层下发的控制命令,实现对控制对象的闭环控制。该电力需量控制系统能够合理调节企业冲击负荷,减少用电的月最大需量,降低用电成本。     

基于时变局部模型的无人驾驶车辆路径跟踪

目前常用于无人驾驶车辆路径跟踪控制的有模型控制方法有两类,一类是基于全局模型的控制方法,另一类是基于局部模型的控制方法。基于全局模型的路径跟踪控制中无人驾驶车辆的纵向速度与全局坐标系中的横向、纵向位移误差之间存在随航向角变化的耦合关系,这种耦合关系使得控制器无法将纵向速度作为控制输入来提高路径跟踪控制的精确性。基于局部模型的路径跟踪控制器通常采用误差模型作为参考模型,这种模型使得控制器在参考路径曲率变化幅度较大时精确性较低。针对前述问题,基于非线性模型预测控制滚动优化的原理,提出一种基于时变局部模型的无人驾驶车辆路径跟踪控制方法,并在低速高附着路面、低速低附着路面和高速低附着路面等工况下进行仿真验证。在仿真结果中,相比于基于全局模型的路径跟踪控制器、基于局部模型的路径跟踪控制器以及Stanley路径跟踪控制器,基于时变局部模型的路径跟踪控制器精确性更高,其位移误差绝对值不超过0.3342 m,航向误差绝对值不超过0.0913 rad。      

基于关联路径的城市路网交通模式分析与状态划分

在城市路网当中,对区域内所有交叉口进行统一控制的方法难以有效利用道路资源,缓解交通拥堵问题.将对整个交叉口的协调控制拆分为对关键路线的控制,可提高协调控制的效率.因此找出交叉口群范围内的关键路线,同时对这些关键路线的交通状态进行划分具有重要的意义.提出了一种针对路网关联路径的交通模式分析与状态划分的方法.引入关联路径、关联路径链、关联路径集的概念,并提出一种考虑路径流量不均匀性的路径关联度计算模型及其判定条件,确定出区域中的关联路径集.然后提出一种结合自组织映射(SOM)算法与Dunn指数(DI)的SOM_DI算法,确定出关联路径链的最佳交通状态划分数目,并分析关联路径链上的交通模式,得到时间状态链和空间状态链.仿真结果表明:所提出的方法可以对区域路网交通的关联路径及其最佳交通状态进行准确的划分.     

矿用铰接式车辆路径跟踪控制研究现状与进展

铰接式车辆的路径跟踪控制是矿山自动化领域中的关键技术，而数学模型和路径跟踪控制方法是铰接式车辆路径跟踪控制中的两项重要研究内容。在数学模型研究中，铰接式车辆的无侧滑经典运动学模型较为适合作为低速路径跟踪控制的参考模型，而有侧滑运动学模型作为参考模型时则可能导致侧滑加剧。此外基于牛顿–欧拉法建立的铰接式车辆四自由度动力学模型原则上满足路径跟踪控制的需求，但是还需要解决当前的四自由度模型无法同时反映瞬态转向特性和稳态转向特性的问题。在路径跟踪控制方法研究中，反馈线性化控制、最优控制、滑模控制等无前馈信息的控制方法无法有效解决铰接式车辆跟踪存在较大幅度曲率突变的参考路径时误差较大的问题，前馈–反馈控制可以用于解决上述问题，但是在参考路径具有不同幅度的曲率突变时需要解决自动调整预瞄距离的问题，而模型预测控制，尤其是非线性模型预测控制，可以更加有效地利用前馈信息，且不需要考虑预瞄距离的设置，从而可以有效提高铰接式车辆跟踪存在较大幅度曲率突变的参考路径时的精确性。此外，对于基于非线性模型预测控制的铰接式车辆路径跟踪控制，还需深化三个方面的研究。首先，该控制方法仍然存在误差最大值随参考速度增大而增加的趋势。其次，目前该控制方法以运动学模型作为预测模型，无法解决铰接式车辆以较高的参考速度运行时侧向速度导致的精确性下降和安全性恶化的问题。最后，还需对这种控制方法进行实时性方面的优化研究。      

基于前馈模型预测控制的类车机器人路径跟踪

在类车机器人路径跟踪控制方法中,模型预测控制（Model predictive control, MPC）在处理系统约束方面具有较大优势,但是现有的非线性模型预测控制（Nonlinear MPC, NMPC）实时性较差,线性模型预测控制（Linear MPC, LMPC）精确性较差,因此亟需提出一种同时具有较高精确性与实时性的类车机器人路径跟踪控制方法.为此,以无预瞄点的LMPC为基础,引入基于逆运动学模型的前馈转向角信息,提出了一种前馈模型预测控制（Feedforward MPC, FMPC）方法,并通过MATLAB和Carsim进行了联合仿真测试. FMPC具有较高的精确性,在所有仿真结果中,位移误差绝对值不超过0.1110 m,航向误差绝对值不超过0.1177 rad.在相同工况下,FMPC与NMPC精确性相当,LMPC、前馈控制和Stanley控制误差发散. FMPC也具有较高的实时性,在每个控制周期内的解算时间不超过4.31 ms.在相同工况下,FMPC与LMPC实时性相当,相比NMPC能将每个控制周期内解算时间的最大值减小80.68%,平均值减小65.14%.此外,FMPC...     

车辆发动机进气系统的声学稳健性设计

针对车辆发动机进气系统声学可靠性有时随着声学稳健性的提高而降低的情况,研究了基于声学可靠性的车辆发动机进气系统的声学稳健性设计方法.将管道声学理论、可靠性设计理论和稳健性设计理论相结合,以车辆发动机进气系统声学可靠性分析为前提,进行了车辆发动机进气系统声学稳健性优化.通过基于声学可靠性的车辆发动机进气系统的声学稳健性设计,能够获得车辆发动机进气系统声学设计参数优化信息,不仅满足了声学稳健性设计要求,还能满足声学可靠性设计要求,可为车辆发动机进气系统声学性能设计提供定量依据.     

基于粒子群优化的线性离散控制系统

线性离散控制系统广泛应用在飞行器稳定控制和机器人路径规划控制等领域,提出一种基于粒子群优化算法的线性离散控制系统设计方法。进行控制目标函数构建和优化控制律设计,对控制系统的稳定性和收敛性进行分析和证明。仿真结果表明,该控制方法的收敛性较好,具有较好的稳健性。     

基于多目标粒子群优化的污水处理系统自适应评判控制

考虑到城市污水处理系统存在保证出水水质达标和降低能耗的需要,将其运行过程视为一个多目标优化控制问题.针对此问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)算法的污水处理系统自适应评判控制方案,该方案分为上层优化和底层跟踪控制两部分.首先,污水处理过程存在非线性、多变量、大时变等特点,结合数据驱动思想对入水及出水组分数据进行分析,构建关于出水水质和运行能耗的多目标优化模型.采用径向基函数(Radial basis function, RBF)神经网络进行建模,并与反向传播(Back propagation, BP)神经网络进行了对比.然后,结合MOPSO算法强大的优化能力,采用MOPSO算法对优化目标进行求解,并设计一个决策方式从最优解集中选出偏好解,作为溶解氧与硝态氮浓度的最优设定值.接下来,底层跟踪控制部分采用基于自适应动态规划的辅助控制器对比例–积分–微分算法的控制策略进行补充,弥补了传统控制算法自适应能力差的不足.此外,比例–积分–微分算法也为自适应动态规划算法提供了初始的稳定控制策略,克服...