快速增量约束预测控制及在GLCC液位控制中的应用

针对气-液柱状旋流式(GLCC)多相流量计的液位控制问题,提出一种增量多变量模型预测控制(MPC)算法。采用控制增量状态空间模型和阶梯式控制策略,建立约束多变量MPC优化控制问题。为在线计算约束优化问题,引入坐标轮换法和黄金分割法,在线计算控制变量增量值,进而得到预测控制量。最后,以GLCC多相流量计的两输入单输出液位控制模型为例,仿真验证本文算法的有效性。     

基于Eclipse平台的车辆自适应巡航控制仿真

自适应巡航控制是一种先进的汽车辅助驾驶系统,可以减轻驾驶员的工作量并且可以提高驾驶的便利性和安全性。目前一般都是通过MatLab仿真曲线来检验车辆自适应巡航控制算法的控制效果,但该方式不够直观形象。基于Eclipse平台,用JAVA语言搭建一个具有动态效果的车辆巡航控制仿真平台。该平台可以模拟多种典型驾驶工况,直观有效地展现车辆自适应巡航控制算法的结果。最后,在该仿真平台上设计最优PD控制算法和智能驱动驾驶（IDM）控制算法验证车辆自适应巡航控制结果。结果表明,该Eclipse仿真平台能够有效地模拟多种驾驶工况,且能够直观有效地验证多种车辆自适应巡航控制算法的结果。     

分布式VPN网关及其密钥协商的同步

VPN是目前最流行的安全技术产品，它能够提供非常好的安全通信服务。但是在面临人们日益增长的速度需求时，VPN技术和设备的发展应走向何方？设计了一种基于分布式操作系统的VPN网关，其目的是满足人们对通信业务的传输速度越来越高的要求。采用负载均衡技术的思路，把VPN网关分解为3个部分：IKE服务器、隧道服务器和负载均衡器。最后讨论了这个系统同步的问题，设计出了一种可行的分布式VPN网关的实施方案。分布式VPN网关的提出为VPN技术和设备的发展指出了一个可行的方向。     

结合优势结构和最小目标Q值的深度强化学习导航算法

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯度的深度强化学习算法中,以区分同一状态价值下的动作差异,提升学习效率,并且在多目标导航场景中,对状态价值进行单独估计,利用地图信息提供更准确的价值判断.同时,针对离散控制中缓解目标Q值过估计方法在强化学习主流的Actor-Critic框架下难以奏效,设计了基于高斯平滑的最小目标Q值方法,以减小过估计对训练的影响.实验结果表明本文算法能够有效加快学习速率,在单目标、多目标连续导航训练过程中,收敛速度上都优于柔性演员评论家算法(SAC),双延迟深度策略性梯度算法(TD3),深度确定性策略梯度算法(DDPG),并使移动机器人有效远离障碍物,训练得到的导航模型具备较好的泛化能力.     

非线性系统模型预测控制若干基本特点与主题回顾

随着线性系统模型预测控制的大量成功应用,基于非线性模型的预测控制简称非线性预测控制(NMPC)在近20年来引起了广泛关注,并取得了丰富的研究成果.本文在阐述NMPC基本原理和特点的基础上,分别从优化可行性、稳定性、鲁棒性、优化求解、吸引域等主题出发,分析并总结NMPC的研究现状.最后,在指出NMPC有待进一步深入研究问题的同时,展望当前NMPC的一些研究方向.     

基于自适应Kalman滤波的网联车系统数据攻击检测

针对车联网环境下车辆自适应巡航系统的数据攻击检测问题,提出一种基于自适应卡尔曼滤波的网联车巡航系统数据攻击检测方法.首先,结合网联车自适应巡航控制系统模型,建立随机数据攻击、隐蔽虚假数据攻击和拒绝服务(Denial of service,DoS)数据攻击的数学模型,考虑网联车巡航系统存在不可测的未知测量噪声场景,设计测...     

基于CLF的移动舞台机器人轨迹跟踪预测控制

针对移动舞台机器人的轨迹跟踪和区域受限控制问题,提出一种参数化模型预测控制算法.该算法的主要思想是离线构造移动舞台机器人误差系统的一个控制Lyapunov函数(CLF),再根据CLF主动控制方法设计可调预测控制器,并通过在线滚动优化给定性能指标计算控制器的可调参数,在保证控制器自适应性的同时降低了MPC计算量,保证了优化问题的递推可行性和闭环系统的稳定性.最后,以"圆"为参考轨迹做仿真验证,仿真结果表明:该算法具有快速、精确和全局稳定的良好特性.     

自主车辆高效滚动时域轨迹规划与跟踪控制

针对自主车辆轨迹规划与跟踪控制问题,提出一种基于模型预测控制的自主车辆高效滚动时域轨迹规划与跟踪控制方法。首先,引入人工势场法为不同障碍物和道路结构分配不同的势场函数;其次,将这些表征安全性的势场函数作为轨迹规划与跟踪的优化目标函数,同时考虑车辆动力学特性、运动学约束和舒适性要求,使规划的轨迹易于车辆跟踪;最后,针对势场函数的非凸非线性造成在线优化计算量大问题,引入阶梯式控制策略,参数化预测时域内的控制增量,降低模型预测控制的在线计算量。针对典型交通场景进行CarSim与Matlab/Simulink联合仿真,结果表明该方法有效并具有优越的实时性能。     

有界扰动下异质车辆队列分布式鲁棒经济预测控制

针对有界扰动下异质车辆队列节能与稳定分布式协同控制问题,提出一种新的分布式鲁棒经济模型预测控制(economic model predictive control, EMPC)策略.首先采用不确定误差模型描述有界扰动下异质车辆队列纵向行驶动态特性,再应用tube思想对系统约束进行紧缩设计,补偿有界扰动对系统造成的不确定性.其次,采用局部车辆行驶能耗模型描述车辆队列分布式经济性能优化的有限时域最优控制问题,并利用传统跟踪性能指标设计附加稳定收缩约束函数.进一步,基于系统收缩原理,建立车辆队列闭环系统关于有界扰动的输入-状态稳定性条件.最后,通过与车辆队列传统分布式鲁棒模型预测控制策略的数值仿真对比结果验证了所提出策略的有效性和优越性.