液位系统的模糊和LQR切换控制器设计

为了克服液位系统模糊控制的不稳定性和线性二次型调节器(linear quadratic regulator,LQR)控制的模型不确定性,设计了模糊和LQR切换控制器;根据系统液位反馈值设计模糊、模糊和LQR加权以及LQR控制并切换策略,确保在液位稳定的情况下实现控制器之间的平稳切换,避免了模糊和LQR直接切换时出现液位大幅度波动现象,并在Quanser公司的储联罐实验平台上进行实验研究,结果表明,模糊与LQR切换过程中液位平稳上升,模糊和LQR切换控制器提高了液位系统响应速度和稳定性。     

基于遗传算法的车辆4自由度主动悬架最优控制研究

文章首先建立车辆4自由度主动悬架系统模型,然后针对悬架系统的控制问题,基于结合遗传算法和最优控制理论,提出悬架系统的最优控制策略。该控制方法利用遗传算法对LQR控制器的加权矩阵Q和R参数进行自适应调整优化,不仅可以避免传统的主动悬架LQR最优控制器设计中存在人为主观因素的问题,还能实现悬架系统的自适应最优控制。仿真实验结果表明,在不同车速和路面等级的行驶工况条件下,相比于传统的LQR控制方法,基于遗传算法优化的LQR控制能提高主动悬架系统的控制性能,使车辆获得更优的乘坐舒适性和操纵稳定性,研究结果为探寻有效的主动悬架控制策略、改善车辆的行驶性能提供了有用的控制方法参考。     

基于主动建模的无人直升机增强LQR控制

为了解决无人直升机控制问题,通过把主动建模与LQR(Linear Quadratic Regulator)控制相结合,提出一种能补偿模型差的控制方法。该方法在悬停状态下,采用简化模型设计LQR控制器,并通过UKF(Un-scented-Kalman-Filter)在线估计简化模型与全状态模型的模型差,使用模型差作为补偿项对LQR控制增强。针对实际直升机动力学模型进行仿真,验证了基于UKF的估计和增强LQR控制的有效性。仿真实验结果证明,基于UKF的主动建模技术能够快速估计状态和参数变化,并且增强LQR控制能够使系统适应模型不确定性。     

三自由度直升机模型鲁棒控制器设计

鲁棒性是直升机的重要性能指标.针对三自由度直升机模型设计了基于线性二次型调节器(LQR)和模糊逻辑的鲁棒控制器.该控制器从控制率出发,首先采用LQR控制器来确保直升机模型的静态性能,然后设计积分切换函数与滑模切换控制分量来增强系统的抗干扰能力,接着采用模糊逻辑调整控制律以达到最佳效果.实验结果表明该策略具有较强的鲁棒性...     

基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明：仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。     

基于最优前轮侧偏力的智能汽车LQR横向控制

为提高智能汽车在大曲率高速工况下的车辆横向稳定性和跟踪精度,该文提出了一种基于最优前轮侧偏力的智能汽车线性二次型调节器(LQR)路径跟踪横向控制方法.通过构建基于"前馈+反馈"的LQR控制器对期望前轮侧偏力进行实时在线求解并使跟踪误差收敛,最终通过刷子轮胎模型将控制量转化为期望前轮转角.该方法有效地保持了车辆模型与轮胎...     

一种无模型终端滑模桥式起重机的控制方法

针对桥式起重机在不同运输任务中负载质量和吊绳长度多变的现象,提出了一种无模型自适应终端滑模控制方法.通过对系统模型部分反馈的线性化处理,利用自适应策略预测系统物理参数,在此基础上,提出了一种基于非奇异终端滑模面的无模型自适应控制器,并通过Lyapunov定理证明了该闭环系统的稳定性.将本文控制方法与LQR和EC控制方法进行仿真实验对比,验证了本文方法具有更优越的控制性能,且对系统物理参数摄动具有更强的鲁棒性;控制器不仅能够实现台车的精准定位和负载的快速消摆,而且可以实现台车的平滑启动.     

基于蛇算法的主动悬架线性二次型调节器优化设计

针对车辆主动悬架系统的线性二次型调节器(LQR控制器)在设定权重系数矩阵Q和R时具有主观性、效率低的缺点,提出一种基于蛇算法(SO)优化LQR控制器权重系数矩阵的策略。通过对1/4车辆主动悬架系统的动力学分析,设计了LQR控制器;将主动悬架与被动悬架各性能指标的积分比值进行加权求和构建了目标函数L;模仿蛇群生活习性的SO算法在搜索空间中求解出了函数L的最小值和LQR控制器的最优权重系数矩阵。为验证该策略的有效性,分别以C级路面、正弦冲击路面为激励,在车身加速度(SMA)、轮胎动载荷(DTL)、悬架动行程(SWS)三方面将SO优化LQR控制的主动悬架与被动悬架、传统LQR控制的主动悬架、遗传算法(GA)优化LQR控制的主动悬架、粒子群算法(PSO)优化LQR控制的主动悬架进行了仿真对比。结果表明:SO优化LQR控制的主动悬架可在C级路面上分别对SMA、DTL、SWS的均方根优化达59.47%、37.89%、42.12%;在正弦冲击路面上稳定时间为1.4s,分别对SMA、DTL、SWS的超调优化达79.21%、59.22%、16.33%,提升了车辆的行驶平顺性、路面附着性和操作安全性。     

城市单路口交通信号两级模糊优化控制与仿真

该文提出交通信号两级模糊控制的两种优化方法.首先,针对两级模糊控制器在低流量下考虑多维交通状态变量致使路口交通状态弱化,提出一种两级组合模糊控制器,其采用0-1组合思想,立足路口交通状态特征选取模糊控制器的交通状态变量的组合及结构.接着,针对模糊控制器参数经验设置及不具备学习能力,提出一种两级模糊在线优化控制器,其引入滑动时间窗思想,采用混合遗传算法在线同时优化模糊控制器隶属函数和控制规则的参数;最后,开发两级模糊在线优化控制的Paramics仿真平台,对两种模型进行效用评价;仿真结果表明所提出的方法分别从模糊控制器结构和参数优化的角度改进了两级模糊控制器的不足,控制效果符合交通管理者的控制目标.     

三自由度直升机多模型LQR控制方法

针对三自由度直升机模型,为实现快速准确的跟踪控制,在现有线性二次型调节器(Linear Quadratic Regulafor,LQR)最优控制理论的基础上,利用多模型切换控制的思想,建立多个模型,设计多模型LQR控制器,选择最贴近当前状态的模型,并将其所对应的控制量作用于直升机模型。MATLAB仿真及实物控制结果显示,控制响应时间缩短,跟踪误差减小,表明该方法是有效的,可以提高跟踪控制的快速性和准确性。     

三自由度直升机多模型LQR控制方法

针对三自由度直升机模型,为实现快速准确的跟踪控制,在现有线性二次型调节器(Linear Quadratic Regulafor,LQR)最优控制理论的基础上,利用多模型切换控制的思想,建立多个模型,设计多模型LQR控制器,选择最贴近当前状态的模型,并将其所对应的控制量作用于直升机模型。MATLAB仿真及实物控制结果显示,控制响应时间缩短,跟踪误差减小,表明该方法是有效的,可以提高跟踪控制的快速性和准确性。     

基于改进人工蜂群优化的精馏过程再沸器控制

该文提出一种基于改进ABC优化微分先行PID控制器的方法,即首先采用跟随蜂阶段基于当前局部最优解搜索策略、采蜜蜂和跟随蜂阶段邻域搜索概率提高传统ABC算法的收敛速度和局部搜索能力,然后将以误差性能指标ITAE为目标函数,运用改进的ABC对已建立的Simulink控制系统模型进行PID控制器参数的优化.仿真结果表明,采用该文方法,可以自动的确定精馏过程再沸器控制中PID控制器最优参数,使整个系统获得较好的控制性能.     

货物旋转对三向叉车横向稳定性影响及控制策略研究

文章考虑了三向叉车在装载货物运行的情况下,其货叉带动货物旋转引起整车的合成重心变化,进而提出一种考虑货物旋转情况的叉车横向稳定性模型。针对三向叉车的合成重心变化导致其横向稳定性不足的问题,首先在该文建立的叉车模型基础上运用线性二次型调节器(linear quadratic regulator, LQR)最优控制法,提出一种基于天牛须搜索的粒子群算法(particle swarm optimization based on beetle antennae search, BAS-PSO)来优化LQR状态矩阵加权系数的方法,进而设计LQR转向控制器;然后基于BAS-PSO优化的LQR转向控制器实现对理想横摆角速度和理想质心侧偏角的快速跟随;最后在双移线换道工况下进行仿真分析,验证了上述控制策略能有效抑制质心侧偏角的偏移,更好地实时跟踪理想横摆角速度,三向叉车在其货叉装载货物进行旋转操作时的横向稳定性得到了明显改善。     

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.     

精馏塔的神经元PID解耦控制研究

本文针对精馏塔这一多变量、非线性耦合对象,提出了一种神经元PID解耦控制方法。该方法在精馏塔精确模型补偿解耦控制基础上,采用神经元PID控制器进行控制。分析了控制器的结构及其学习算法,进行了PID和神经元解耦控制仿真实验,仿真结果表明该方法优于常规PID控制效果。     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

基于T-S模型的不确定切换系统的鲁棒H_∞可靠控制

提出一种基于局部T-S模型不确定切换系统的可靠控制方法,将输入空间划分为若干个区域,在每一区域内构建局部T-S模型并设计相应的控制器;这样由于模糊论域的变小而提高了逼近精度,然后再通过多模型切换控制,实现对整体非线性系统的逼近与控制.在此,利用并行分布补偿技术(PDC),借助于LMI和凸优化方法,得出系统鲁棒H∞可靠控制器的解析式.     

车辆悬架LQR控制器权值优化方法

线性二次型最优控制(LQR)算法是汽车主动悬架控制策略的一种重要方法,其控制性能取决于悬架系统变量的加权系数。权值系数的选取成为LQR控制器设计的难点。针对权值系数没有固定解析方法而无法保证悬架系统达到最优控制性能的问题。提出一种基于遗传算法的权值系数优化方法,以1/4主动悬架的车身垂向加速度、悬架动挠度和轮胎动位移性能指标作为目标函数对LQR控制器的权值系数矩阵进行优化设计。仿真结果表明,与被动悬架控制相比,方法不仅能提高LQR控制器设计效率,而且可以有效提高车辆行驶的平顺性。     

基于优化列车模型上的多模软切换的高速列车速度控制

针对高速列车速度控制的快速性、精度以及多模态切换控制的振荡等问题,提出一种基于T-S型模糊加权的多模软切换控制方法.在建立高速列车运动学模型的过程中,结合真实的列车参数进行了模型参数寻优设计;传统的单质点模型不考虑列车长度,在变坡点会出现较大的速度计算误差,因此结合真实的线路数据提出了附加阻力优化计算方法.再采用T-S型模糊推理对模糊控制、模糊PID控制及PI控制进行软切换控制设计.根据分析结果可知,附加阻力优化计算方法有效地提高了变坡点附近受力计算的精度,减小了速度控制的误差.针对优化后的列车模型所设计的多模软切换控制在兼顾多种控制方法优点的同时,克服了切换控制的振荡问题,提高了高速列车速度控制的精度和舒适度.     

基于免疫遗传算法优化的模糊神经元网络控制器在全阶精馏塔模型中的控制仿真研究

本文提出了一种免疫遗传算法优化的模糊控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力,提高了模糊控制器的控制精度和抗干扰能力。将该控制器用于全阶精馏塔模型仿真,仿真结果表明该控制器可以有效地消除静态误差,并在控制过渡过程中也有很好的鲁棒性,实际应用效果也表明了该方法的优越性。