基于模型预测控制的智能车辆避障跟踪仿真

针对智能车辆的避障跟踪控制问题,设计一种模型预测控制器。该控制器采用分层结构,上层基于非线性车辆点质量模型在避障时进行局部路径规划,下层基于单轨车辆动力学模型实现路径跟踪。通过Carsim和Matlab联合仿真,利用粒子群算法在线优化控制器参数,以不同的速度测试控制器性能,仿真结果表明：控制器具有良好的鲁棒性和实时性,跟踪误差较小,在单个和多个障碍物情况下,通过分层控制均实现了平稳避障并重新跟踪上原路径,表明控制器准确性高。     

一种用于跟踪轨迹规划的新的导引规律

本文研究一种新的目标导引规律，这种方法通过变化的视角来调整导弹接近目标的轨迹，不仅能够允许目标位置估计有较大的误差，而且可以更有效地对付目标的机动运动，提高导弹的命中率。本文还讨论了用这种方法制导的导弹接近目标的速度下限。最后给出了导弹跟踪过程的仿真。     

快速阶梯式非线性预测控制

针对仿射非线性系统,以参考输出轨迹代替预测的未来输出进行多个一步预测,取代了多步预测,提出了快速非线性预测控制算法,计算量小,可获得解析控制律;引入了阶梯式控制思想,进一步降低了计算量,柔化了控制量的变化轨迹。对水箱液位控制系统的仿真和实验研究,获得了良好的控制效果,初步验证了算法的有效性。     

机器人轨迹跟踪连续预测控制

针对能够描述机械手动态特性的一类特殊仿射非线性系统 ,提出了一种非线性连续预测控制器。其预测模型通过对系统状态泰勒级数展开并做适当的截尾处理获得。此外 ,证明了非线性连续预测控制器的渐近跟踪特性 ,并给出了一种改进的预测控制方案。将非线性连续预测控制器应用于二自由度机械手轨迹跟踪控制。仿真结果证明了该控制器的有效性     

非线性预测滤波器在机动目标跟踪中的应用

提出了一种直接根据新息的机动目标跟踪非线性预测跟踪滤波算法。该算法不需要假定目标的机动加速度模型 ,而是将目标的机动加速度作为滤波结果的一部分直接估计出来。对不同机动目标的仿真结果表明 ,所提出的预测滤波算法具有优良的估计性能     

欠驱动VTOL空间飞行器系统的非线性跟踪控制

研究了欠驱动VTOL(垂直上升和垂直着陆)空间飞行器在各种输入耦合时的非线性跟踪控制问题。VTOL空间飞行器是具有三个自由度,两个控制输入的欠驱动系统。首先,通过控制输入和坐标变换,系统的动力学方程被变换成二阶链式形式。其次,利用后推法(backstepping)的思想推导出保证系统渐近收敛于给定轨迹的时变反馈控制规律。该方法将系统分解为低阶子系统来处理,利用中间虚拟控制变量和部分Lyapunov函数简化了控制器的设计。仿真结果证明了所设计控制器的有效性。     

基于遗传改进协调场的移动机器人避障策略

针对在动态环境下移动机器人用传统人工势场法导航所存在的缺陷,在改进传统人工势场的基础上,引入协调向量,利用子目标点构建局部势场,并通过窗口滚动刷新子目标点实现全局优化,对运动过程中可能遇到的陷阱、抖动、实时避障等问题,提出了解决方案,最后利用自适应遗传算法对参数进行的多目标优化,经过仿真,证明了该策略的可行性和有效性。     

基于成长遗传算法的非线性模型预测控制及仿真

非线性预测控制在每个控制周期需要求取控制量,其实质为非线性优化问题。标准遗传算法时间消耗较大,难以用于控制周期较小的系统。首先证明了基于种子策略和精英保存策略的遗传算法能够保证闭环控制系统的渐进稳定性;继而模拟自然界成长过程,利用成长算子改进算法框架,并用爬山法进行实现。在具有强烈非线性的连续搅拌釜式反应器模型上进行仿真试验。试验结果表明,在不损失控制效果的情况下,成长遗传算法有效的降低了时间消耗。     

灌浆压力的非线性建模预测

实际灌浆压力控制过程中,由于灌浆液的密度、粘度和地层等因素的影响,使得灌浆压力的变化具有不确定性、时变性和非线性特征。为了辨识、预测灌浆系统压力,提出了一种基于神经网络的多传感器数据融合技术。通过对灌浆工艺与机理分析得到该BP神经网络输入变量。该方法首先利用灌浆过程中采集的数据离线训练BP神经网络,获得一收敛的神经网络模型,然后用此神经网络模型实时预测所灌地层的灌浆压力。最后实验仿真结果表明,BP神经网络预测模型能够运用到灌浆系统中,模型的最大预测误差不超过15%,平均均方根误差仅为0.186。     

用于虚拟环境中实时避障的凸多边形融合算法

为了达到军事仿真中对智能体避障的实时性要求,我们提出了一种基于坐标变换的凸多边形融合算法。该算法包括了计算点到线段最小距离、判断线段与多边形是否相交、计算凸多边形之间近似距离以及获得融合点等内容。实验表明,将该算法应用于虚拟环境中智能体实时避障是可行和有效的。     

基于动态面的机械臂轨迹跟踪神经网络自适应算法

针对由直流电机驱动的多自由度机械臂轨迹跟踪系统,提出一种基于动态面反演的RBF神经网络自适应算法,该算法利用动态面反省控制技术,一方面解决系统的非匹配不确定性问题,另一方面有效地解决系统的“计算膨胀”问题,并通过RBF神经网络对系统中的外界扰动进行逼近,实现神经网络自逆应反凉控制,最后通过Lyapunov稳定性理论证明所得闭环系统的半全局一致最终有界。仿真结果证实该算法的有效性。     

基于C-R模糊模型的非线性预测控制

Cao和Ress提出的模糊模型（称为C-R模糊模型）由模糊推理和局部线性解析模型两部分组成，用隶属函数加权局部模型构成系统的全局非线性模型。本文提出了一种新的结构上与阶跃模型相类似的C-R模糊阶跃模型。并用DMC动态矩阵控制算法，求解基于该模型的非线性预测控制问题，得出了预测控制算法的解析形式，该方法克服了一般非线性预测控制算法求解困难的缺陷。     

基于支持向量机的非线性模型预测控制

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它把非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了一种基于支持向量机的模型预测控制结构,并使用一个新的随机搜索优化算法来求解预测控制律,计算机仿真证明了所设计的控制算法的正确性和有效性。     

一类非线性时滞系统的模糊预测控制

利用模糊T-S模型对一类输入受限的非线性时滞系统进行建模;在此基础上,提出了模糊预测控制,推导了预测性能指标上界,将稳定性约束,输入约束变换成容易求解的线性矩阵不等式形式。采用了并行分布补偿预测控制器,基于李雅普诺夫函数和线性矩阵不等式方法给出滚动时域优化的充分条件,证明了闭环系统的稳定性,仿真结果验证了所提方法的有效性。     

非线性系统中多传感器滤波跟踪型数据融合算法的研究

在非线性系统中，常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法，但是这种融合算法的跟踪精度并不是很高。本文根据对滤波器跟踪型数据融合的研究，提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明，在利用激光干涉仪进行目标跟踪时，这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法，但是，从仿真结果可以看出，两种融合算法的差别不大，结果基本相同，因此，在非线性系统中，基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

一类非线性系统的自适应模型跟随控制

讨论了一类非线性系统的自适应模型跟随控制问题。首先给出了系统的一般描述,然后研究了该系统模型跟随控制的存在条件，最后讨论了如何设计前馈控制和反馈控制矩阵的迭代调节律,使得系统输出能够快速地稳定地跟随参考模型输出。仿真结果表明了这一控制方案具有良好的非线性跟随效果。     

一类基于神经网络的非线性模型预测控制

在研究非线性对象输入/输出数据的基础上，将对象输出的Taylor级数展开式取线性项作为预测模型，提出一种非线性系统模型预测控制算法，为了保证预测模型的准确性，以神经网络做辩识器估计系统建模误差，对非线性对象进行单频预测控制，理论上已证明三层BP网能任意逼近L2上的非线性函数，本文通过仿真研究也表明了当神经网络逼近系统建模误差时，所提出的预测控制算法对复杂非线性对象能达到良好的控制效果。     

非线性模型预测控制的智能算法综述

从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。     

非线性双容水箱建模与预测控制

应用流体力学理论对双容水箱液位系统进行力学分析，采用机理建模方法，建立非线性数学模型。应用实测数据拟合模型参数，采用三组仿真，实测阶跃响应曲线，验证了机理模型．采用有约束一步非线性预测控制算法，并考虑了控制工程中多种实际约束问题，对双容水箱液位系统进行了实际控制。实验结果初步验证了控制算法，并进一步验证了模型的有效性。