利用遗传算法优化线性二次型调节器（LQR）

利用遗传算法对线性二次型调节器进行优化设计,以寻找最优控制指标中状态变量与输入变量加权矩阵的最优解,仿真结果表明,利用此方法不仅可以得到满足要求的全局最优解,而且该方法的简便易行也是传统设计中依赖人工调节所无法比拟的。     

基于GA的两轮自平衡小车LQR最优控制器设计

针对传统LQR最优控制器权重矩阵确定困难以及由此导致的响应速度慢等问题,以具有多变量、强耦合、非线性特点的两轮自平衡小车为被控对象,提出了一种通过遗传算法实现LQR控制器参数寻优的方法。选择线性二次型性能指标为目标函数,利用遗传算法的全局优化搜索能力,获取权阵Q的最优解,从而设计状态反馈控制率K,搭建系统动力学模型进行仿真实验。实验结果表明:该方法设计的最优控制器相对于传统的极点配置和LQR方法具有更好的控制效果,系统响应速度更快,超调更小。     

双指标函数线性二次型调节器的理论研究

在线性二次型调节器 (LQR)理论的基础上 ,提出了双指标函数线性二次型调节器(DLQR)以求解一般化的非线性指标函数的最优控制的问题 .除原有二次型目标函数外 ,引入一个新的形式自由的目标函数以清晰表达实际需要和使用搜索算法优化原目标函数的权 .作为应用举例 ,DLQR用于重载汽车前轮舵角补偿控制 (FSAC)模型中确定控制输入 .仿真证明DLQR清晰表达了实际工程需要 ,有效平衡了各种因素 .DLQR大大扩展了LQR的概念和应用范围 ,能用任何形式的目标函数优化系统     

汽车稳定性控制中横摆力矩决策的LQR方法

综合跟随理想横摆角速度的方法和抑制汽车质心侧偏角的汽车稳定性控制方法,提出了一种新的最优控制方法。以线性二自由度车辆操纵特性模型为控制目标,基于汽车横摆力矩与车辆状态偏差之间的动力学关系建立了控制系统模型。采用线性二次型调节器(LQR)方法进行了汽车横摆力矩的决策,实现了汽车稳定性控制。在硬件与驾驶员在环仿真试验台上的试验验证了LQR方法的控制性能。     

基于BP神经网络的车道保持控制系统

利用机械动力学仿真软件ADAMS/CAR建立了主要包括用于进行自主控制的转向系统及可输出状态变量车身模型的整车动力学模型,在MATLAB/Simulink环境下设计了基于BP神经网络PID的车道保持控制系统。通过输入输出接口实现了整车模型与Matlab的通信。利用建立的Matlab控制模块和ADAMS机械系统动力学模型实现了车道保持控制的联合仿真。仿真结果表明,所设计的车道保持控制系统能较好地实现在危险状态下的车道保持自主控制,且控制过程平稳。     

基于遗传算法的环形二级倒立摆LQR控制

在环形二级倒立摆系统中,基于线性二次型调节器(Linear Quadratic Regulator,LQR)理论,探讨了控制器中的加权矩阵Q和R的选择策略,针对试探法选取Q和R矩阵所带来的不足,提出采取智能控制算法进行寻优的问题.从控制效果出发,采用遗传算法对Q和R矩阵进行优化.算法首先选取二次型性能指标J作为个体适应值,改进了初始种群的选取,用不等长度的基因来编制算法.由理论分析和MAT-LAB仿真结果可知,该算法满足了控制指标要求,使上下两级摆杆阶跃响应的超调量减少了14%,运行实验同样实现了摆杆和水平连杆的良好控制效果,理论与实践均表明了该优化方法的有效性.     

基于自适应滑模控制的智能车车道保持分析

针对目前智能车车道保持控制算法对参数摄动适应性不足的问题,提出一种基于模糊自适应调节的滑模控制方法。在建立车辆线性二自由度动力学模型的基础上,采用滑模变结构控制来提高车道保持控制器对参数摄动和未建模动态的适应性;利用模糊控制自适应调节滑模面的切换增益,降低控制抖振。仿真分析表明,提出的方法不仅能够显著降低传统滑模变结构控制器的抖振,而且对参数摄动和未建模动态具有较高的鲁棒性和适应性。     

基于MATLAB／Simulink的振动主动控制系统仿真

针对干扰力作用下的隔振系统,在振动控制过程中,根据检测到的振动信号,用Simulink软件包对隔振系统建立数学模型并进行系统性能仿真．对其仿真结果在时域和频域方面进行了分析,然后应用一定的控制策略经过实时计算,通过驱动作动器对控制目标施加一定的影响,达到抑制或消除振动的目的．经过分析比较,验证了最优控制的正确性及有效性．借助于MATLAB的控制箱及其有关命令,使设计与仿真的过程变得十分简单．     

基于改进型有限时间LQR的平衡车控制研究

针对平衡车启动及停止时发生抖动的问题开展了相应的研究.通过建立系统动力学模型,设计了系统的改进型有限时间LQR(LQR, Linear Quadratic Regulator)控制器;对系统矩阵及控制矩阵进行改进,增加小范围增量矩阵,系统能够实现自适应调节,并使最优控制率在小范围内可调,进而使性能指标达到最佳;通过仿真计算并选取最佳的加权矩阵Q和R,使性能指标达到最优.仿真实验表明该方法具有可行性和实用性,解决了小范围不稳定情况,有效克服了超调量过大而引起的不稳定.     

基于串级MPC和EPS的集成驾驶员转向车道线保持

针对电动助力转向( EPS)作为转向执行机构的车道线保持的控制系统设计及保留驾驶员对车辆操控问题,提出基于串级模型预测控制( MPC)和EPS集成驾驶员转向的车道线保持系统. 在车道线识别视觉系统空间,建立车道线保持状态空间模型,设计基于MPC的车道线保持控制器( LMPC) . 建立EPS状态空间模型,设计基于MPC的EPS车辆前轮转角控制器( EMPC) . LMPC与EMPC经逆转向机构模型组成串级控制结构. 分析驾驶员转向对车道线保持控制的影响,进而通过保留驾驶员对车辆控制来提高处理紧急事件的能力. 仿真结果表明:在不同车速和不同曲率道路下,该控制策略均能快速消除横向位置偏差和航向角偏差,保证车辆沿着车道线行驶,具有较好的适应性和鲁棒性. 驾驶员转向可以改善车道线保持和提高车辆主动安全性.     

两轮自平衡机器人的LQR改进控制

针对传统LQR最优控制器选取权阵的不确定性以及由此引发的响应速度慢的问题,对两轮自平衡机器人系统进行改进控制,使用传统LQR算法进行系统控制,并对存在的问题提出解决方法,选择一加权矩阵使系统稳定性得到进一步的提高,对比改进前后的LQR控制器,使用MATLAB进行仿真对比,可以得出优化后的LQR具有良好的控制效果,达到了预期效果,并具有良好的稳定性.     

基于LQR控制算法的建筑结构最优主动控制

以含主动控制系统的框架结构为研究对象,根据振动控制理论和线性二次型(LQR)最优控制算法,建立仿真模型,推导系统微分运动方程,确定控制系统参数,设计控制力,研究建筑结构减震情况。以一栋8层框架结构为仿真实例,计算结果表明,本文方法减震效果良好。     

基于LQR算法的倒立摆动态可视控制系统

针对倒立摆系统的非线性特点,利用LQR算法实现了对倒立摆系统的小车位置和摆杆角度的同时控制.为了生动直观地演示这一控制效果,提出了使用组态软件对倒立摆系统进行动态可视化处理的实现方案.仿真计算和组态设计结果表明,该方案不仅直观地证明了LQR算法在倒立摆系统中的应用价值,而且在实际教学过程中取得了良好的教学效果.     

基于LQR算法的三级倒立摆控制系统的仿真研究

倒立摆是智能控制的理想实验对象.本文首先建立了直线三级倒立摆的非线性数学模型,然后在平衡点处对其线性化,再利用二次型最优控制理论,导出控制规律.本文以MATLAB为仿真工具,设计了一系列稳定摆动和加扰实验,通过分析三级摆仿真实验曲线,明确了加权矩阵Q中各权系数对倒立摆稳定影响的相对重要程度,由此来优化加权系数的选择.实验表明,这样选择参数后,系统显示出较好的鲁棒性及动态特性.     

基于IMEP的塔台辅助指挥系统

为了将即时消息传递技术引入塔台指挥，提出了一个即时消息交换系统模型和基于该模型的通信协议，设计了一个基于IMEP的塔台指挥系统框架，最后讨论了一些有关实现的具体问题．     

基于LQR最优调节器的三自由度直升机控制系统

三自由度直升机控制系统是一个典型的高阶次、不稳定、多变量、非线性和强藕合控制系统.研究分析了三自由度直升机控制系统的数学模型,介绍了线性二次型最优调节器(LQR)的基本原理,并针对直升机控制系统的平衡控制问题,设计了线性二次型最优调节器(LQR)实现对三自由度直升机的最优控制,MATLAB仿真结果表明了该方法有较好的控制效果.     

基于卡尔曼滤波的二级倒立摆LQR控制方法

针对二次型最优控制调节器难以实现对二级倒立摆系统的最优控制问题,本文建立了倒立摆数学模型,并对直线二级倒立摆(线性二次型控制器)(linear quadratic regulator,LQR)进行设计,同时采用卡尔曼滤波对系统的输出做出最优估计,并利用Matlab对未经卡尔曼滤波的调节器系统与前置卡尔曼滤波器的调节器系统进行仿真比较分析,仿真结果表明,应用基于前置Kalman滤波器的控制,比单独用线性二次型最优控制效果更加有效可行:未经滤波时,系统输出受扰动影响大;采用卡尔曼滤波后,系统输出波动小,稳定性好。该研究可以消除噪声给系统带来的抖动影响,具有一定的实用性。