基于LQR对直线倒立摆的稳摆控制研究及实现

针对倒立摆的稳摆控制问题,研究设计了一个LQR控制器。首先,考虑摆杆摆动的阻力矩,采用牛顿力学分析方法推导出直线倒立摆的数学模型,建立了其线性状态空间模型,并分析了系统的稳定性、能控性与能观性。通过采用仿真试凑确定加权矩阵Q、R,得到状态反馈增益矩阵K,完成LQR控制器的设计。之后,搭建了以开放式运动控制器为核心的倒立摆实验平台,在计算机上开发了实时人机交互程序,在运动控制器里编写了倒立摆控制算法。最后,进行了仿真与实测实验,验证了所设计的LQR控制器的有效性和可行性。

基于前馈补偿LQR与PID的矿井无轨胶轮车横纵向控制研究

无人驾驶技术是实现无轨胶轮车井下安全、智能、高效运输的重要方案之一,为了提高无人驾驶过程中的轨迹跟踪精度,提出了基于前馈补偿的横向线性二次型调节器(Linear Quadratic Regulator,LQR)与纵向比例积分微分(Proportion Integration Derivative,PID)位移速度调节器相结合的控制策略,实现车辆的横纵向协调控制。通过建立考虑轮胎侧偏特性的2自由度无轨胶轮车动力学模型和跟踪误差模型,并采用井下无轨胶轮车实车参数建立其电机模型,得到车辆的驱动制动输出。利用Carsim和Matlab/Simulink搭建联合仿真环境,分别在井下双车道工况、单车道工况与颠簸路面工况下进行了轨迹跟踪仿真验证。结果表明:在3种工况下车辆轨迹跟踪过程中的最大横向误差仅为5 cm,最大纵向误差仅为10 cm,速度误差控制在1 m/s以内,航向误差范围为±0.1 rad,前轮偏转角变化平稳未出现抖动现象。为验证控制器在井下实际环境下的跟踪性能,使用实验室小车于陕西某井下巷道进行了现场试验验证,结果表明:井下实际巷道下试验结果误差仍在合理范围内,解决了车辆运行过程中的速度和路径的时变问题,反映出该控制器具有较高的精度和较好的稳定性。

基于模糊LQR的Spar型海上浮式风力机载荷抑制

针对复杂环境变化易引起海上浮式风力机不稳定的问题,提出一种基于模糊LQR、模糊PI相结合且易于工程应用的桨距控制新方案,实现维持浮式风力发电机组输出功率稳定、抑制浮台运动、减少叶根及塔基疲劳载荷的目的。模糊PI根据发电机转子转速误差变化动态选择期望的PI增益,模糊LQR基于模糊规则自适应调整闭环反馈增益,在保证风力机输出功率和浮台稳定的基础上,进一步减小叶根和塔基疲劳载荷。基于FAST与Matlab/Simulink在不同环境条件下进行联合仿真,验证所提方案的有效性和优越性;通过时域、频域分析表明,与PI控制相比,所提方案在减少叶根处平面外载荷和塔基横向载荷方面有明显改善效果。

轮毂电机电动汽车空气悬架阻尼GA-LQR控制研究

针对轮毂电机驱动电动汽车因电机内部不平衡电磁力引起的负面振动加剧等问题,提出一种基于遗传算法的线性二次型调节器(GA-LQR)的空气悬架阻尼控制方法。建立包含轮毂电机和空气悬架系统的轮毂电机驱动电动汽车8自由度半车动力学模型,并进行实车试验验证模型;仿真分析路面激励和不平衡电磁力两者对电动汽车垂向振动的影响;根据最优控制理论提出LQR控制策略,并通过遗传算法对LQR控制中的加权矩阵Q和R进行全局搜索优化,构建了GA-LQR阻尼控制器。仿真结果表明:相较于被动悬架和LQR控制的空气悬架,基于GA-LQR控制的空气悬架对电动汽车各评价指标的改善效果明显,可有效抑制轮毂电机因偏心引起的不良振动,极大地提高车辆的乘坐舒适性。

采用转角补偿LQR的自动驾驶集卡路径跟踪控制

为了解决自动驾驶集卡中半挂车在行驶过程中的路径偏移问题,提出了一种引入铰接角偏差和转角补偿的线性二次调节器(LQR)控制方法。基于集卡三自由度动力学模型建立了考虑铰接角偏差的路径跟踪误差模型;通过采用比例-积分-微分(PID)算法进行转角补偿设计了LQR路径跟踪控制器;通过MATLAB/Simulink和TruckSim搭建联合仿真平台,在不同工况下进行仿真分析验证。结果表明:通过采用提出的路径跟踪算法,引入PID转角补偿,牵引车平均距离偏差降低62%以上,半挂车平均距离偏差降低31%以上,航向偏差和铰接角偏差也均有所改善。因此,该文提出的控制算法具有较好的路径跟踪性能,提高了对期望路径跟踪的精度和稳定性。

基于改进人工蜂群算法的受电弓LQR控制器设计

针对受电弓LQR控制策略中性能指标的权重系数依靠人工经验选取不足的问题,建立SS400型受电弓三元质量模型,设计受电弓LQR控制器,以接触力标准差和弓头位移标准差之比为评价指标建立目标函数,由于标准人工蜂群算法存在的收敛速度慢、易陷入局部最优的缺点,通过改进蜂群算法的选择策略和搜索方式对LQR控制器的权重系数进行优化。在MATLAB/Simulink环境中建立弓网耦合模型分别在250 km/h、300 km/h的速度下进行仿真,通过与被动控制和标准蜂群算法寻优的结果对比,改进后弓网接触力标准差与弓头位移标准差分别优化了52.8%、37.5%、27.8%、31.8%、40.5%、43.1%、9.3%、7%,显著改善受电弓受流质量。

基于LQR控制的两轮自平衡小车设计

采用LQR控制算法,实现一种两轮自平衡小车的系统设计.搭建了以STM32F103RCT6为主控制器、MPU6050模块为姿态数据采集、N10激光雷达模块为测距的硬件系统.根据两轮自平衡小车的数学模型,利用LQR控制算法实现小车系统的平衡控制,使用Matlab/Simulink进行系统仿真及分析,并在硬件平台上进行实际测试.实验结果表明:小车功能多样、系统运行平稳、抗干扰能力强、调节速度快,具有应用推广价值.

主动悬架的遗传算法优化LQR控制策略研究

为了提高车辆的行驶平顺性和操纵稳定性,本文提出了一种基于遗传算法的线性二次型调节器(linear quadratic regulator,LQR)控制,求解最佳权重矩阵参数的方法。此控制算法克服了传统的LQR控制方法中,由经验主观性确定的权重矩阵Q和R的缺点,使其达到最优的控制效果。本文首先建立了1/4车辆主动悬架模型和道路输入模型,并将遗传算法优化的LQR控制器应用于主动悬架系统中。以主动悬架作为被控对象,车身垂向加速度、悬架弹簧动挠度以及轮胎动位移作为评价指标,通过仿真分析,相比被动控制和LQR控制的主动悬架系统,此优化算法可以显著减小车身垂向加速度与悬架弹簧动挠度,而轮胎动位移的影响不大,从而验证了控制策略的有效性。

基于前馈+预测LQR的智能车循迹控制器设计

为提升智能车辆循迹性能,基于线性二次调节器(linear quadratic regulator,LQR)理论和滑模理论,提出了一种兼顾横纵向跟踪精度与转向稳定性的横纵向控制器。首先,构建了基于二自由度横向动力学模型的前馈LQR控制器。针对模型线性化后前馈LQR控制器转向稳定性降低的问题,结合恒定转弯率和速度(constant turn rate and velocity,CTRV)模型设计预测控制器,建立了基于实时车速-曲率模糊自适应预测时间的前馈LQR控制器。此外为提升纵向车速跟踪稳定性和跟踪精度,提出了一种基于滑模控制理论的纵向跟踪方法。并进行了联合仿真和硬件在环实验验证。结果表明:文中提出的横纵向控制器有效解决了跟踪精度与稳定性两者难以兼顾的问题,提升了智能车辆循迹性能。

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。

无人驾驶农机装备的模糊PI-LQR转向控制算法

无人驾驶农机装备转向系统处于小流量、小角度控制时会出现非线性和时滞,这会导致转向控制超调或者控制时滞,进而导致无法快速准确地跟踪到路径预瞄点。针对这个问题,本文提出了一种模糊比例积分-线性二次型调节器(PI-LQR)数据融合的内外环控制算法。该算法以模糊PI控制为内环,基于转角误差和转角误差变化率,通过模糊逻辑运算自适应调节PI参数,进行转向角度的闭环控制。以LQR控制为外环,基于农机装备XY-横摆角控制,融合内环的转角误差,进一步提升无人驾驶农机装备转向的精准控制。Carsim和Matlab/Simulink联合仿真表明:通过100 m长的双移线路径下,最大横向误差为0.18 m,最大横向摆角误差为0.067 rad。实车测试表明:通过100 m长的双移线路径下,最大横向误差0.26 m,相较于PID纯跟踪控制算法,最大横向误差减少了0.19 m。

遥控武器站伺服系统的模糊LQR控制方法

针对遥控武器站伺服控制系统中存在负载力矩变化大、跟踪精度要求高等特点,提出一种模糊LQR控制策略,运用于武器站转速控制,以解决PI控制器存在快速性和稳态精度之间的矛盾,以及鲁棒性较差的问题。基于永磁同步电机转速跟踪模型设计了LQR控制器;针对LQR控制器权重系数固定、调参困难,且电机在不同转速和负载条件下运行时参数适应性较差的问题,提出了一种基于转速跟踪误差的LQR权重系数模糊调整策略,并以此设计模糊LQR控制器。通过仿真与实物试验,验证了控制器的控制性能。结果表明,设计的模糊LQR控制器在不同转速下均具有较高的跟踪精度与稳定性,同时对负载扰动和系统参数摄动具有较强的鲁棒性。

基于GA-PSO的智能汽车横向LQR控制器优化设计

针对线性二次型调节器(LQR)在智能汽车横向控制中,系数矩阵Q和R选取困难导致的控制精度低和参数整定效率低的问题,提出了一种遗传粒子混合优化(GA-PSO)方法。基于车辆二自由度模型设计了横向LQR控制器和前馈控制器,以该模型下控制器自身能量损失函数作为代价函数对系数矩阵进行优化,并对比了GA-PSO和粒子群优化(PSO)算法的优化效果。CarSim/Simulink联合仿真结果表明,经GA-PSO算法优化后的控制器跟踪精度和计算效率分别提高了47.06%和63.54%,且优化后的控制器具有较强的鲁棒性。

考虑模型失配的波浪发电系统功率优化LQR控制

为降低复杂海况对波浪发电系统的影响,改良目标价值函数,设计线性二次型最优控制器,约束系统运动状态同时提升波能捕获能力。通过调整权重矩阵求取最优反馈增益,获得理想q轴电流并采用空间矢量控制策略跟踪控制之,平衡系统物理约束与功率捕获关系;模型失配时根据理想模型与实际装置位移差值,基于HJI理论设计RBF鲁棒控制器,补偿系统失配运动状态与功率。仿真结果表明:在不规则激励力下,所提控制策略动态性能好、鲁棒性强,在满足系统物理约束的同时可有效提高波能捕获能力,补偿系统因失配减少的功率。

基于WOA- LQR的无人水翼航行器横航向控制

针对一种新型的无人水翼航行器在航行过程中受到不规则海浪干扰时的横向姿态与航向控制问题,首先建立无人水翼航行器横向四自由度运动的非线性数学模型,并对数学模型进行线性化处理;然后针对普通线性二次型调节器(linear quadratic regulator, LQR)控制算法手动调试参数效率较低且控制效果难以达到最优的问题,使用鲸鱼优化算法(whale optimization algorithm, WOA)对LQR控制器的参数进行寻优以增强控制效果;最后在不同强度的随机海浪干扰下对航行器的横向姿态与航向控制进行仿真,验证了鲸鱼算法优化LQR的有效性。

非线性递减权值PSO优化下的LQR轨迹跟踪研究

针对二次线性调节器(LQR)权重矩阵选取困难导致的自动驾驶车辆控制精度低、系统适应度欠佳等问题,设计了一种非线性递减权值粒子群算法(NLDW-PSO)。基于二自由度车辆动力学模型,构建了横向跟踪误差模型,设计了前馈控制消除了LQR稳态误差;并设计以横向偏差、航向偏差和前轮转向角为评价函数,将系统输出误差状态量反馈至NLDW-PSO算法,所设计的非线性递减惯性权重因子通过提升粒子群体寻优性能,从而自适应调整LQR权重系数更新策略,形成闭环优化控制,最终求解得到系统目标函数极值。将所设计控制器的跟踪效果进行了对比,Carsim/Smulink联合仿真结果表明所提出NLDW-PSO优化LQR算法的跟踪控制效果最优,横向距离偏差最大值为0.076 m,横向距离偏差均值相较于固定权重系数LQR降低了69.74%,显著提高了车辆跟踪控制精度和自适应能力,且对速度变化具有较强鲁棒性。

基于LQR的新能源虚拟惯量自适应控制策略

为提升基于直流电容能量虚拟惯量控制的新能源并网变流器对电力系统的惯量支撑能力,提出了一种基于线性二次调节器(LQR)的自适应虚拟惯量控制方法。在分析虚拟同步机(VSG)动力学特性的基础上,获得惯量参数和系统频率响应特性的数学关系,并建立了基于LQR的自适应惯量控制模型,通过LQR代价函数寻找最优反馈矩阵,使状态变量快速趋近于零且以最少的输入能量来满足控制需求。仿真结果表明,该方法能够使得新能源并网变流器根据系统频率波动情况对有限直流电容能量进行优化分配,快速阻尼频率变化,改善了系统频率响应特性,提升了新能源并网变流器对电力系统的惯量支撑能力,保障了电力系统的稳定性。

风力发电机叶片MRD模糊LQR减振控制研究

针对在载荷作用下风力机叶片面内外振动控制问题,基于磁流变阻尼器MRD(Magnetorheological Damper)开展风力机叶片减振控制研究,采用模糊控制和LQR(Linear Quadratic Regulator)控制算法相结合的策略对MRD的阻尼力进行最优控制设计,以实现风力机叶片最优减振控制。首先,介绍MRD的原理和力学模型;其次,以NREL-5MW风力发电机组为数值仿真对象,建立风机叶片MRD动力学模型;最后,设计相应的模糊LQR半主动控制算法,跟踪识别风力机叶片在载荷作用下的动力响应。结果表明:与MRD叶片响应相比,模糊控制及模糊LQR控制策略均具有良好的减振效果,均使叶片面内外响应明显减小。此外,对比分析发现模糊LQR控制效果相比模糊控制效果更好,且叶片减振效果接近LQR主动控制下的位移响应,同时也充分表明该控制方法的合理性和优越性。

基于改进PID-LQR的导弹稳定控制方法研究

导弹稳定控制系统是提高导弹制导性能的关键技术之一,一直以来都是研究的热点和重点。以导弹纵向平面为例,建立了导弹稳定控制的状态空间模型,推导了LQR控制算法,在传统LQR方法的基础上,结合PID算法提出了一种改进的PID-LQR导弹稳定控制方法。通过仿真分析,比较了所提方法和传统LQR方法、改进LQR方法、模糊PID-LQR方法的控制性能,并对建立的导弹模型参数进行了拉偏试验,仿真结果表明所提出的方法优于其他3种方法,具有良好的控制性能和鲁棒性。

基于DBO-LQR和MPC的智能车轨迹跟踪控制

为提高智能车辆轨迹跟踪的精度和稳定性,提出1种基于蜣螂优化(DBO)算法优化的线性二次型调节器(LQR)与模型预测控制(MPC)的横向、纵向控制策略。构建车辆动力学模型和基于Frenet坐标系下的横向误差模型,设计带有前馈的横向LQR控制器,利用蜣螂优化算法确定LQR控制器权重系数;基于MPC实现纵向速度和位置的跟踪,利用纵向速度联结横向控制器与纵向控制器,同时对车辆的速度和转向进行控制;最后基于CarSim和Matlab/Simulink联合仿真平台在不同道路工况下进行仿真实验,验证所提策略的有效性。结果表明:在城市道路泊车、城市道路换道、高速公路换道3种工况下,车辆的最大横向跟踪误差均小于0.010 m、航向偏差在0.0250 rad内;横摆角速度及前轮转角变化比较平稳、无明显抖动,所提策略可有效提高车辆跟踪轨迹的精度和稳定性。