基于参数自学习的无人车越野环境跟踪控制方法

针对无人车在越野环境下难以高速、高精度地跟踪复杂路况的问题,设计了一种参数自学习的前馈补偿控制器,与模型预测控制方法构成前馈-反馈的控制结构。在该控制结构中,前馈控制根据实时状态的跟踪误差在线更新学习系数,有效考虑车辆高速运动过程中无法精确建模的非线性动力学特性以及复杂路况不断变化的曲率和路面条件等的影响,在保证稳定性的同时快速减小跟踪误差。在越野场景进行了高速的S型与直角弯路径跟踪实车实验来验证参数自学习控制器的有效性,结果表明,所设计的参数自学习控制器相比传统的模型预测控制器跟踪误差和横摆都较小,在跟踪精度和车辆稳定性上都有较大改善。     

烤房模糊自适应PID控制设计开发

针对烤房控制应用,在嵌入式硬件上实现模糊自适应PID控制算法。该算法利用模糊推理对PID参数进行在线自整定。利用该算法可提高PID控制器性能和控制精度。利用可扩展标记语言存储模糊PID控制参数、模糊推理规则库等,可实现在线数据参数的增删、修改、更新操作。     

嵌入式神经网络PID控制器的研究与设计

设计了一种基于嵌入式系统的神经网络PID控制器,以ARM芯片为控制器核心,实现对难以建立精确数学模型的非线性系统的自适应控制;控制器采用RBF神经网络对被控对象进行在线辨识,并根据辨识结果对控制器的参数进行在线修正,实现PID控制器的自适应;该控制器体积小、适应能力强且省电;实验结果表明,该控制器可靠性高,响应快,可以在无法确定被控系统数学模型的情况下达到理想的控制效果.     

一种基于JTAG的嵌入式微处理器片上可调试系统

文章提出了一种基于JTAG的嵌入式微处理器片上的可调试系统。该系统在JTAG工业标准的基础上,能够以较少的硬件开销支持指令/数据断点设置、单步执行、寄存器内容查看和设置、内存内容查看和设置、在线编程以及微处理器运行现场设置等调试功能。文章首先介绍了嵌入式微处理器可调试设计的原理,其次介绍了嵌入式微处理器的调试系统设计,最后给出调试实例分析。     

基于软测量的醋酸精馏过程串级预测控制策略

针对醋酸精馏控制中,产品成分无法在线检测并且对产品质量采用温度间接控制存在控制精度低的问题,提出一种基于在线更新小波核函数极限学习机软测量的DMc预测控制策略,其中,在线更新的小波核函数极限学习机软测量实现了塔底醋酸浓度的实时检测,仿真结果表明,在线更新模型的预测精度比离线模型提高52%。将上述在线更新的软测量应用于塔底醋酸浓度闭环预测控制系统中,实现对塔底醋酸浓度的直接质量控制,该系统采用DMc作为醋酸浓度控制器,其输出量作为再沸器蒸汽流量控制器的设定值,与再沸器流量控制构成串级调节系统。控制系统仿真结果表明,该软仪表具有良好的在线预测性能,预测控制系统控制精度高、可以实现产品质量的卡边控制。     

基于OSELM-SGPC的主蒸汽温度优化控制仿真研究

为解决比例积分微分(PID)控制器难以在大迟延、大惯性的主蒸汽温度被控对象上取得理想控制效果的问题,通过改进极限学习机(ELM)网络构建预测模型控制器,在解决传统神经网络算法训练速度慢、模型参数选取复杂的问题的同时,对主蒸汽温度进行多步预测,从而更好地抑制扰动。将阶梯式广义预测控制器(SGPC)作为滚动优化控制器,进一步优化计算过程,从而搭建了在线贯序极限学习机-阶梯式广义预测控制器(OSELM-SGPC),充分兼顾预测效果与计算复杂度。通过主蒸汽温度设定值扰动、给煤量扰动以及给煤量和给水量叠加扰动等试验,并与传统串级PID控制作对比,充分验证了OSELM-SGPC的有效性和优越性。     

嵌入式Linux软逻辑控制器及其图形开发软件设计

研究了嵌入式软逻辑控制的实现及应用,选用ARM9微处理器和嵌入式Linux操作系统构建了软逻辑控制器软硬件平台。由于Linux环境下的控制程序开发较为复杂,所以基于VC/MFC和Cygwin开发了一款图形开发软件,实现在PC环境下通过功能块编程方式编写软逻辑控制程序。使用者能够在线监控程序运行状态及调整模块参数,从而实现了编辑、编译和调试运行的无缝接合。测试表明,该系统使用户开发和调试软逻辑控制程序更加方便,对于替代传统PLC的场合具有一定的应用价值。     

基于模糊自适应PID的随动系统设计与仿真

研究随动控制系统优化问题,常规PID控制器参数调试凭经验,导致系统性能不高。为了提高系统快速性和稳定性,提出并设计了模糊自适应PID控制器,可以对参数进行在线修正以使系统性能最优。可采用经验法调试的常规PID参数为初值,再用模糊化和近似推理等对参数进行在线修正,从而使系统性能达到最优。既具有模糊控制灵活性和适应性强的优点,又具有PID控制精度高的优势。通过设计模糊自适应PID控制器,以某二维随动转台系统为对象,在MATLAB环境中进行了仿真,并与常规PID控制器的性能进行了对比,结果表明模糊自适应PID控制器的响应特性优于传统的PID控制器,响应速度更快,稳态精度更高,为随动系统优化设计提供了依据。     

基于IAP的通用嵌入式系统在线升级功能设计

当今社会,嵌入式产品已经应用到各个行业领域,随着客户需求的不断更新,产品的软件程序相对应会进行多次的升级迭代。某些行业的嵌入式产品安装位置特殊,维保人员操作调试比较困难,再结合当前大多产品有密封性的设计要求,导致拆开产品对系统软件进行升级的方法难以实现。针对以上两种嵌入式产品维护痛点,本文提出了一种通用的在线加载功能的设计方法,利用在线应用编程技术原理,即设计一个独立的引导加载软件并集成于产品中,引导加载软件和产品本身的通信接口复用,只要产品设计有UART、MODBUS、SPI、CAN、USB、以太网等通信接口,即可实现对嵌入式产品程序的在线更新,从而解决调试和拆封产品的困难。此种程序更新方式适配所有基于ARM、DSP内核的芯片,是传统更新方式的一种创新。     

基于ET–RBF–PID的城市固废焚烧过程炉膛温度控制方法

针对城市固废焚烧过程炉膛温度控制精度低且控制器更新频繁的问题, 本文提出一种基于事件触发机制的RBF–PID(ET–RBF–PID)炉膛温度控制方法. 首先, 构建RBF–PID控制器, 通过梯度下降算法和递归最小二乘算法在线更新网络参数, 同时引入动量因子的平方及参数的动量项来更新控制器参数, 以提高控制精度; 其次, 设计基于固定阈值的事件触发条件作为控制器更新条件, 以减少控制器频繁更新带来的机械磨损; 最后, 基于北京某城市固废焚烧厂实际数据进行炉膛温度控制仿真实验. 实验结果表明, 设计的ET–RBF–PID控制器能够精准地跟踪炉膛温度, 相比于传统的基于时间触发的PID控制器和RBF–PID控制器, ET–RBF–PID控制器在实现炉膛温度精确控制的同时能有效减少控制器更新次数.     

核电站蒸汽发生器水位模糊预测控制

在核电站运行过程中,U形管蒸汽发生器的水位作为重要参数需维持在安全的范围内.U形管蒸汽发生器结构复杂、系统逆动态、大范围变工况下具有强非线性,尤其在低负荷下,采用常规控制难以取得良好效果.本文建立了蒸汽发生器水位模糊模型,提出了能够满足系统输入输出约束的基于模糊模型的准–最小–最大预测控制方法.为了减轻在线运算负担,通过线性矩阵不等式离线计算椭圆不变集合及其对应的反馈控制律,然后依据系统的状态,二等分搜索对应的椭圆不变集参数,将在线计算简化为一个简单的优化问题.针对水位设定值跟踪和负荷变化的仿真结果表明了本文所提出控制策略的有效性.     

基于双柔化系数在线调整的广义预测控制

在预测控制系统中,其控制品质与控制器的参数整定有很大的关系,特别是性能指标中的输出柔化系数及输入柔化系数。针对广义预测控制算法中控制参数整定困难这一缺点,利用BP神经网络,提出一种基于双柔化系数设计的广义预测控制算法,实现了广义预测控制中输入输出柔化系数的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数的广义预测控制算法,并对干扰有一定的抑制作用。     

INTELLIGENT MOTION CONTROL FOR OMNIDIRECTIONAL MOBILE ROBOTS USING ANT COLONY OPTIMIZATION

This article presents an intelligent system-on-a-programmable-chip-based (SoPC) ant colony optimization (ACO) motion controller for embedded omnidirectional mobile robots with three independent driving wheels equally spaced at 120 degrees from one another. Both ACO parameter autotuner and kinematic motion controller are integrated in one field-programmable gate array (FPGA) chip to efficiently construct an experimental mobile robot. The optimal parameters of the motion controller are obtained by minimizing the performance index using the proposed SoPC-based ACO computing method. These optimal parameters are then employed in the ACO-based embedded kinematic controller in order to obtain better performance for omnidirectional mobile robots to achieve trajectory tracking and stabilization. Experimental results are conducted to show the effectiveness and merit of the proposed intelligent ACO-based embedded controller for omnidirectional mobile robots. These results indicate that the proposed ACO-based embedded optimal controller outperforms the nonoptimal controllers and the conventional genetic algorithm (GA) optimal controllers.     

Support vector regression methodology for prediction of input displacement of adaptive compliant robotic gripper

The prerequisite for new versatile grippers is the capability to locate and perceive protests in their surroundings. It is realized that automated controllers are profoundly nonlinear frameworks, and a faultless numerical model is hard to get, in this way making it troublesome to control utilizing tried and true procedure. Here, a design of an adaptive compliant gripper is presented. This design of the gripper has embedded sensors as part of its structure. The use of embedded sensors in a robot gripper gives the control system the ability to control input displacement of the gripper and to recognize specific shapes of the grasping objects. Since the conventional control strategy is a very challenging task, soft computing based controllers are considered as potential candidates for such an application. In this study, the polynomial and radial basis function (RBF) are applied as the kernel function of Support Vector Regression (SVR) to estimate and predict optimal inputs displacement of the gripper according to experimental tests and shapes of grasping objects. Instead of minimizing the observed training error, SVR _poly and SVR _rbf attempt to minimize the generalization error bound so as to achieve generalized performance. The experimental results show that an improvement in predictive accuracy and capability of generalization can be achieved by the SVR approach compared to other soft computing methodology.     

Efficient algorithms for online tracking of set points in robust model predictive control

This paper presents some computationally efficient algorithms for online tracking of set points in robust model predictive control context subject to state and input constraints. The nonlinear systems are represented by a linear model along with an additive nonlinear term which is locally Lipschitz. As an unstructured uncertainty, this term is replaced in the robust stability constraint by its Lipschitz coefficient. A scheduled control technique is employed to transfer the system to desired set points, given online, by designing local robust model predictive controllers. This scheme includes estimating the regions of feasibility and stability of the related equilibriums and online switching among the local controllers. The proposed optimisation problems for calculating the regions of feasibility and stability are defined as linear matrix inequalities that can be solved in polynomial time. The effectiveness of the proposed algorithms is illustrated by an example.     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

失配参数在线矫正的永磁同步电机预测电流控制

针对永磁同步电机预测电流控制模型参数失配引起的系统性能下降问题,提出一种基于内模控制观测器的应对策略来矫正模型参数.首先,根据旋转坐标系下的永磁同步电机动态模型,设计了d, q轴电流内模控制观测器并进行稳定性推导证明,观测器可以无静差估计d, q轴电流变化率,进而在线估计电机参数;然后,由卡尔曼滤波减弱参数噪声得到最优参数估计,阈值化处理最优参数估计后在线更新失配参数.最后,在稳态和调速阶段两种不同工况中,将所提策略应用于参数失配的永磁同步电机三矢量预测电流控制;实验结果表明,与同类方法相比,所提策略能在线矫正失配参数,在改善电流波动系数及总谐波畸变率方面表现更好.     

基于支持向量机的质量控制软测量建模

在具体研究支持向量机理论的基础上,提出了一种基于支持向量机的软测量控制方法。针对工业过程变量无法在线测量和大滞后的问题,建立了相应的支持向量机回归模型,将此方法用于合成反应器的质量控制中,实现了输出值的在线预估,并分析了参数调整和核函数的选择对建模的影响,得到了泛化良好的模型仿真结果。     

Drilling performance analysis of drill column machine using proposed neural networks

Air-ratio is an important engine parameter that relates closely to engine emissions, power, and brake-specific fuel consumption. Model predictive controller (MPC) is a well-known technique for air-ratio control. This paper utilizes an advanced modelling technique, called online sequential extreme learning machine (OSELM), to develop an online sequential extreme learning machine MPC (OEMPC) for air-ratio regulation according to various engine loads. The proposed OEMPC was implemented on a real engine to verify its effectiveness. Its control performance is also compared with the latest MPC for engine air-ratio control, namely diagonal recurrent neural network MPC, and conventional proportional–integral–derivative (PID) controller. Experimental results show the superiority of the proposed OEMPC over the other two controllers, which can more effectively regulate the air-ratio to specific target values under external disturbance. Therefore, the proposed OEMPC is a promising scheme to replace conventional PID controller for engine air-ratio control.     

基于可编程片上系统的嵌入式以太网通信开发

基于Xilinx公司Virtex-II Pro器件开发平台，介绍了其内嵌PowerPC405处理器设计原理和软硬件协同设计方法，结合典型的以太网通信实验，详细描述了其可编程片上系统(SOPC)的设计过程以及VxWorks系统下板级支持包（BSP）的开发和移植过程，并且给出了实验的设计实现和结果。