基于动态优化的多模型广义预测控制器设计

针对工业控制过程中广泛存在系统参数突变的问题,将多模型切换的广义预测控制器引至动态优化策略下的分层式控制系统中,设计了基于动态优化的多模型广义预测控制器.该模型预测控制结构以获取最大经济效益为目标,上层结构对经济目标函数进行动态优化,得到使经济利益最大的关键变量设定值;下层结构中MPC层采用多模型广义预测控制器代替传统单模型广义预测控制器追踪上层得到的设定值,即采用多个固定模型和自适应模型并行辨识系统的动态特性,提高系统暂态性能和模型参数跳变时系统的调节能力;底层为PID控制器用于抑制过程中的扰动.通过仿真验证了该方法的可行性和有效性.     

基于性能触发的双层结构模型预测控制

双层控制结构广泛应用于工业过程控制,针对实际系统中不确定性导致的性能下降和控制不可行的问题,提出一种事件触发的动态实时优化(Dynamic Real-Time Optimization,D-RTO)与模型预测控制(Model Predictive Control,MPC)双层结构.上层采用经济模型预测控制(Economic MPC,EMPC)对目标函数进行优化,计算最优参考轨迹并传给下层;下层采用MPC使系统跟踪上层轨迹;通过构建基于性能指标的事件触发条件来及时补偿不确定性造成的系统性能损失,无需等到D-RTO的下一次优化.当实际系统性能指标与上层优化的性能指标之差超出阈值时,需要重新求解EMPC,并基于当前状态更新参考轨迹.在此基础上,进一步分析了事件触发的D-RTO与MPC双层控制结构的可行性和闭环稳定性.数值模拟实验验证了方法的有效性.     

模型预测控制器权重参数整定非线性规划法

模型预测控制(MPC)权重参数的整定是其取得良好控制性能的关键。针对基于双层结构多目标优化的MPC权重参数整定方法存在求解过程较慢、耗时较长的问题，提出了一种非线性规划整定方法。该方法将MPC权重参数整定中每个时间采样点的MPC子优化问题等价为外层MPC权重参数整定优化问题的最优KKT(Karush-Kuhn-Tucker)条件，将MPC权重参数整定的双层多目标优化问题转化为单层非线性规划问题。仿真案例表明，基于单层非线性规划整定方法的MPC控制性能优于或近似于基于双层多目标优化整定方法的MPC控制性能；而且基于单层非线性规划的整定方法能够快速获得MPC权重参数，时间成本由基于多目标优化整定方法所需的1.0～1.5 h缩短到10～90 s。     

多无人机协同障碍规避控制方法

为有效地解决不确定动态环境下多无人机协同障碍规避问题,提出一种联合扩展卡尔曼滤波和模型预测控制的控制器设计方法。首先构建分布式无人机协同障碍规避体系架构、无人机的运动模型及其通信拓扑。采用扩展卡尔曼滤波(EKF)预测动态障碍物的轨迹,并设计一种信息补偿规则。然后,基于模型预测控制(MPC)方法,设计障碍规避控制器。仿真结果表明:EKF方法能够准确地预测动态障碍物的轨迹;无人机之间通过协作,可以有效地降低预测误差。     

基于自适应MPC的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联合仿真分析,结果表明所设计的控制器提高了轨迹跟踪的精度和稳定性,尤其是高速阶段的行驶稳定性.     

采用余弦相似度和变预测时域的汽车轨迹追踪控制

为提高自动驾驶汽车在不同车速下轨迹追踪精度、行驶稳定性和控制器的自适应能力,提出一种基于余弦相似度和变预测时域的轨迹追踪控制器。基于传统MPC的轨迹追踪控制器,提出以矩阵的余弦相似度来度量预设状态和实际状态两个矩阵的差异程度,确定预测模型的优化节点,采用模糊控制对预测时域和控制时域进行优化。通过计算机仿真对比试验,结果表明与传统MPC的轨迹追踪控制器相比,所提出的MPC控制器在不同车速下的轨迹追踪精度和车辆稳定性均有明显的提升。     

空调水系统上位机控制器的设计及仿真评估

设计了集中空调水系统层次实时在线的上位机控制器，并对其进行仿真在线评估．该控制器采用基因遗传优化算法，能够快速准确地获得各控制变量在预测时间内的最优设定值．实时仿真试验表明，其与固定设定的上位机控制器，以及局部层次的上位机控制器相比，能够在满足控制稳定性的前提下，最大限度地节约整个水系统的总能耗．     

燃料电池轿车模型预测实时优化控制

针对面向示范的燃料电池轿车,以提高能量经济性为目标,采用模型预测控制(MPC)对能量管理策略进行实时动态优化.仿真结果表明:所设计的MPC策略能够有效改善燃料电池轿车的能量经济性,并能满足实时控制的需要.     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在不同速度下自适应性变差,易产生较大的跟踪误差;最后,设计了基于车速变化的变预测时域轨迹跟踪控制器.CarSim/MATLAB/Simulink联合仿真结果表明,改进后的轨迹跟踪控制器在不同车速下轨迹跟踪具有良好的控制精度和稳定性.     

基于动力学模型预测控制的Stewart型轮足腿控制方法

为了提高轮足机器人Stewart型轮足腿在不同位姿条件下的精度和动态特性,提出将模型预测控制（model predictive control,MPC）应用于轮足腿的位姿跟踪.首先对Stewart平台进行受力分析,利用牛顿-欧拉方程建立动力学模型的状态空间表达式,建立MPC预测模型和优化目标函数;然后通过Adams和Matlab联合仿真对MPC控制器进行参数整定,检验其对未建模摩擦力的鲁棒性;最后通过对比实验验证MPC控制器在负载位姿变化条件下可以获得优于PI控制器的姿态跟踪精度和动态特性.      

异步电机低开关频率的模型预测直接电流控制

针对二极管箝位型(neutral point clamped, NPC) 三电平逆变器驱动异步电机的低开关频率控制, 提出了一种新颖的模型预测直接电流控制(model predictive direct current control, MPDCC) 方法. 基于推导的传动系统离散时间内部预测模型, 控制器预测了每个容许开关位置对应的电流输出轨迹、外推输出轨迹, 并根据评估平均开关频率的价值函数在线滚动优化实时求取最优开关矢量, 使得逆变器平均开关频率最小化, 且保持电流轨迹在给定的滞环范围内. 相对于已有的单步预测电流控制方法, 该方法在保持基本相同谐波性能的同时显著降低了开关频率. 仿真结果表明, 低开关频率模型预测电流控制算法可将三电平逆变器的平均开关频率降低至500 Hz 以下, 并且具有较理想的电流谐波畸变和动态响应性能.     

MPC控制器的FPGA实现及其应用

针对先进模型预测控制(MPC: Model PredictiveControl)算法在线求解速度慢的问题, 提出了一种基于现场可编程门阵列(FPGA: Field Programmable Gate Array)的MPC控制器的设计方法。通过电路分析, 设计其定点模型, 采用Verilog硬件描述语言流水线方法进行RTL(Register Transfer Level)级MPC控制器设计, 通过在底层设计矩阵加、 减、乘等运算模块, 实现MPC控制器的FPGA设计。最后以电子节气门(ETC: Electronic ThrottleControl)为被控对象, 通过实时仿真实验, 验证了基于FPGA实现的全硬件MPC控制器的有效性与实时性。     

永磁同步电动机电流预测控制

提出一种新型电流预测控制策略(Current Predictive Control,CPC)。综合了矢量控制(Space Vector Modulation,SVM)和直接转矩控制(Direct Torque Control,DTC)的优点,可以有效地提高永磁同步电动机调速系统动态响应速度,同时减小转矩脉动。有别于矢量控制的双闭环速度、电流PI控制结构,CPC通过比较电流预测值与速度控制器提供的电流参考值,根据电流预测误差直接给出电压源逆变器(voltage-source inverter,VSI)最优开关序列,省略了SVM中电流PI控制器和脉宽调制器(pulse width modulation,PWM),提高了系统动态响应速度;同时减小了DTC中由于滞环控制产生的转矩脉动。仿真结果表明了稳定MPC控制器结构简单,计算量小,静、动态性能优异,鲁棒性强。     

非线性系统的多模态ARMAX模型及其应用

利用非线性系统多个工作点上的线性化模型,建立了一类参数内插型多模态ARMAX模型。与传统的线性化模型相比较,在较大的工作范围内有较高的精度。根据多模态模型设计的控制器,由于能够综合利用非线性系统多个工作点上的静态与动态信息,所以具有良好的性能。仿真例子表明多模态模型的有效性。     

基于MPC的智能车辆路径规划与跟踪控制

针对在障碍物环境下的避障路径动态规划效果较差,以及在面对复杂工况和曲率较大的路况时,跟踪控制的效果仍然不理想等问题,本文以智能车辆为研究对象,提出了一种模型预测控制(MPC)结合人工势场(APF)算法的路径规划跟踪系统。将改进的势场模型函数引入到MPC的目标函数和约束中,设计了基于MPC和APF的避障路径动态规划器。。运用模糊控制对MPC的车辆横向路径跟踪控制器的权重系数进行优化。仿真结果表明：在干燥路面下,与MPC控制器相比,模糊MPC路径跟踪控制器的最大横向偏差减少19.14%。在湿润路面下,模糊MPC控制器最大横向偏差减少0.55 m。基于MATLAB/Simulink与Carsim软件搭建避障路径规划与跟踪控制联合仿真模型,选择动态障碍物不同速度进行障碍物路径动态规划及跟踪控制仿真试验。实验结果表明：跟踪规划路径过程中的最大横向偏差约为0.170 m,说明规划的避障路径能够安全有效地避开障碍物。     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

基于全局动态模型的锅炉主汽温GPC优化控制

锅炉主蒸汽温对象的复杂非线性动态特性使得常规设计的固定参数比例-积分-微分(PID)串级控制很难适应工况变化和保证各种环境下的控制品质.为此,采用基于SOM的RBF-ARX模型框架,通过运行数据离线辨识的方法获取主汽温对象全局动态模型参数,在该模型基础上设计具有滚动优化和反馈校正功能的广义预测控制(GPC)器.220 t/h高压煤粉锅炉模型上的仿真结果和130 t/h煤粉炉上的工程应用均显示该方法得到的全局动态模型具有较高的预测精度,设计的GPC控制器具有较强的工况变化适应能力,能够适应多煤种变化和负荷变化.     

基于动态反馈神经网络的复杂系统预测控制

在分析基于动态反馈神经网络(DRNN:Dynamic Recurrent Neural Network)的模型预测控制策略的基础上,为改善Elman网络辨识高阶系统时的计算复杂性,采用具有局部动态反馈特性的Elman网络进行线性系统状态空间模型的在线辨识.基于跟踪器型性能指标的预测控制器对系统进行滚动优化,并对动态反馈神经网络逼近状态空间模型进行了证明.对过程控制装置三容系统进行了仿真研究,通过离线训练方式获得网络初值的选择.仿真结果表明,此算法能使系统的输出保持期望轨迹,并能有效处理系统本身的输入、输出约束条件.     

基于MPC算法的电力系统负荷频率控制

针对在大规模电力系统互联情况下如何准确、快速控制系统负荷频率的问题,本文结合模型预测控制算法(MPC),提出了一种多区域电力系统负荷频率控制方法.该方法实现了超前预测、多约束条件滚动优化和反馈校正,克服了传统PI调节方法对系统参数的敏感性,提高了负荷频率控制系统的稳定性和鲁棒性.文中对三区域电力系统进行建模,并在每个系统中设置了MPC控制器和PI控制器.仿真表明,在多区域系统、多约束条件下MPC算法在频率控制的稳定性和快速性方面远优于PI算法;当系统参数偏移10%时,MPC算法仍能保证控制性能.     

自主机器人燃料电池多能源动力系统

为解决传统蓄电池机器人能量密度低、充电时间长等问题,采用质子交换膜燃料电池与镍氢电池混合构成自主机器人多能源动力系统的方案,并对动力系统拓扑结构及优化目标进行了分析.分别设计动力系统在启动、加载、制动及匀速运动工作模式下的能量流控制策略,并根据机器人运行轨迹及实时运行状态切换各模式下相应控制器对系统进行控制.仿真结果表明:多模型控制能提高整个动力系统的经济性,且燃料电池得到了保护.