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。

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。

基于PSO的LQR车辆横纵向跟踪控制研究

为了解决LQR控制器在固定权重下对复杂道路的跟踪精度和稳定性较差的问题,该文提出一种基于PSO算法优化的预测前馈转角补偿横纵向系统控制方法。横向控制采用PSO优化的LQR控制器,纵向控制采用位置PID和速度PID的双PID控制器进行路径跟踪,位置误差通过PID控制器对前轮转角进行补偿,来解决车辆转向不足的问题。通过MATLAB/Simulink和Carsim进行联合仿真,结果表明,在侧方泊车实验中,最大横向误差降低了约51%;在避障换道超车实验中,最大横向误差减少了约49%。

EPSO优化的LQR活塞压力计的控制器设计

为解决全自动活塞式压力计在测量压力过程中测量时间长、系统稳定性差的问题,提出一种增广LQR的控制方式,利用增广LQR控制的快速响应、超调量小的特点实现快速压力检定、稳定系统。采用线性变化模型改进PSO算法(EPSO)去优化增广LQR控制器。利用MATLAB中的Simulink模块对所设计的控制系统进行仿真实验,验证设计控制系统的有效性。仿真结果表明,与常规PID、LQR控制器对比,使用EPSO优化增广LQR在对活塞式压力计进行控制时具有更强的鲁棒性和适用性。

7自由度半主动悬架整车模型PID-LQR控制研究

建立七自由度模型,PID控制理论和LQR控制理论相互结合,设计了PID-LQR控制器,对车身垂直加速度、悬架动行程、轮胎动位移、俯仰角加速度和侧倾角加速度进行优化控制.利用MATLAB/Simulink搭建了仿真模型,利用遗传算法优化各项性能指标权重,使用PID参数整定工具箱PID Tuner整定PID参数.为了突出PID-LQR控制的效果,加入被动悬架和采用LQR控制的半主动悬架进行对比,仿真结果表明,采用PID-LQR控制后,相比于被动悬架和采用LQR控制后的半主动悬架,PID-LQR控制方法控制效果显著,各项性能指标有不同程度优化.

改进粒子群算法在LQR半主动悬架的应用

针对车辆半主动悬架LQR控制中Q矩阵和R矩阵往往由经验取值的问题,提出一种基于改进粒子群算法的LQR控制方法。该算法采用随机惯性权重代替了传统粒子群算法的固定惯性权重,提高了求解精度和效率,得到了更加具有适应性的LQR控制矩阵系数。为验证此方法的有效性,基于天棚阻尼模型建立1/4车被动悬架模型和半主动悬架模型,利用线性二次最优控制建立LQR控制器,并利用优化算法得到新的控制矩阵。通过仿真对比被动悬架、LQR控制的LQR半主动悬架、改进粒子群算法优化后的优化LQR悬架的各项性能参数,发现优化LQR悬架在悬架动挠度没有受到影响的前提下,使车辆的垂向加速度和轮胎动载荷得到有效降低,提高了车辆的行驶平顺性和操纵安全性。

基于SOA-LQR控制的电控空气悬架系统

为研究电控空气悬架系统(ECAS)的控制策略,基于MATLAB/Simulink平台搭建了空气悬架模型,以白噪声路面作为系统输入,采用LQR最优控制器实现悬架力的输出,并以人群搜索算法作为控制器优化方式,完成对空气悬架LQR控制器中所包含的主要指标权重数据优化,仿真结果表明,优化后的LQR控制系统对于ECAS的性能提升具有较好效果,其中簧上质量垂直加速度、动挠度瞬态响应峰值相较无控制状态分别减小了45.84%和39.07%,均方根值则分别减小了54.98%和35.4%,整车平顺性得到较大改善。

基于LQR控制和姿态预测的井下无人矿车路径跟踪研究

在新的时代背景下,智能技术已经成为井下无人矿车发展的主要趋势,路径跟踪控制技术是实现井下无人矿车智能化的关键,也是亟待解决的无人驾驶难题。为了进一步促进井下无人矿车的发展,文章从数学模型和轨迹跟踪控制方法两个方面描述了如何实现井下无人驾驶矿车的自动运行功能,并着重研究了LQR控制器的路径跟踪控制方法。基于这一研究基础,采用松鼠搜索优化算法对LQR控制器的参数进行优化,得到了LQR控制器的最优解。最后构建仿真环境进行模拟,结果显示实际路径与理想路径呈现较大程度拟合,说明这是一种可行的井下无人矿车路径跟踪控制的实现方案。

茶园自走式修剪机接触式循垄导航系统设计与试验

针对现有自走式茶园修剪机自动化程度低、驾驶员操控难度大等问题,该研究结合茶垄轮廓边界结构化特点,提出一种接触式自动循垄导航系统及其控制算法。设计了基于激光测距传感器的接触式自动循垄检测机构,通过分析修剪机相对于茶垄的4种位姿状态,推导出修剪机的运动学导航模型,进而获取修剪机的位姿信息。基于运动学导航模型设计LQR(linear quadratic regulator,线性二次型调节器)算法控制器,以检测机构实时获取的修剪机位姿信息为输入,经导航控制器计算后输出转向信号至步进电机实现自动纠偏。茶园田间试验结果表明,修剪机以0.2、0.4与0.6 m/s速度进行自动循垄,最大绝对偏差不超过0.134 m,平均绝对偏差最大值不超过0.107 m,标准差最大值不超过0.105 m,平均绝对偏差与标准差随着行驶速度的增大而增大,但均不超过0.15 m,满足自走式修剪机在实际茶园环境下的循垄精度要求。研究结果可为茶园自走式修剪机的自动导航提供技术参考。

考虑复杂扰动的轻型商用车路径跟踪混合控制方法

外界扰动、模型不确定性和参数摄动等复杂扰动直接影响智能车辆路径跟踪控制的精度和行驶安全性。商用车的载重特性使其在行驶过程中受到的复杂扰动更为明显,为提升自动驾驶商用车路径跟踪精度和平顺性,提出一种路径跟踪混合控制方法。首先,建立鲁棒性强的基于扩张观测器的滑模控制器和变化平稳的增量式LQR控制器,其中增量式LQR的参数使用粒子群算法整定。然后,使用模糊控制器将两者相结合,根据车速和横向误差调整权重系数,在提升系统鲁棒性的同时削弱抖振。最后,进行了仿真分析和实车试验。试验数据表明,SMC+LQR具备较好的控制效果,能应对外界的复杂扰动。

无人驾驶车辆路径跟踪混合控制策略研究

针对单一控制算法无法同时满足无人驾驶车辆对路径跟踪精度和控制器求解速度需求的问题,提出一种基于线性二次型调节器(LQR)和模型预测控制(MPC)的混合控制策略。该策略在低速工况下使用线性二次型调节器、在高速工况下使用模型预测控制算法进行路径跟踪控制,在此基础上设计基于有限状态机(FSM)的控制算法切换机制,并通过遗传算法(GA)对控制参数进行优化,基于CarSim和MATLAB/Simulink仿真平台对混合控制策略进行仿真验证,并进一步完成了实车试验。试验结果表明,所设计的混合控制策略能够在提高跟踪精度的基础上缩短计算时间,与单一控制算法相比,平均横向误差和平均航向误差分别减小了26.3%和39.6%,平均计算时间缩短了10.9%。

基于遗传算法的LQR算法中权矩阵的优化分析

LQR控制算法是目前结构主动控制设计分析时最广泛采用的方法。在LQR算法中,权矩阵Q和R的选取直接影响着结构的动力反应和控制力。目前如何确定最优形式和大小的Q和R以获得全局最优控制力仍然是个难题。采用遗传算法,在一定的目标函数下对LQR算法中权矩阵Q和R进行优化,使其控制效果能够满足结构性能要求,并对优化结果下的动力反应进行了分析比较和结果的验证。

车辆悬挂LQR主动控制权矩阵权重参数优化

针对LQR主动控制算法权矩阵Q和R的取值困难的问题,为降低权矩阵取值复杂度,分别设计权矩阵Q和R的权重参数λ和ξ。建立优化目标函数f,并分析了λ和ξ对f的影响。利用遗传算法(Genetic Algorithm,GA)的快速搜索能力,通过降维寻优,得到目标函数最优解。对GA-LQR的振动控制性能分析结果表明,GA-LQR对乘坐舒适性和操纵稳定性的改善比LQR明显,目标函数f的值更小。该LQR权矩阵权重参数优化方法简单有效,适用于车辆工程领域。

主动调频液柱阻尼器基于遗传算法的LQR控制优化设计

ATLCD由调频液柱阻尼器(Tuned Liquid Column Damper,TLCD)发展而来,在TLCD液柱端部连接气压控制箱,通过引入控制气压对结构实施主动控制。采用被动TLCD优化设计方法设计阻尼比及频率比,采用LQR算法确定ATLCD系统的主动控制力,并对LQR算法中权矩阵采用遗传算法进行优化。以一五层钢框架结构为例,顶层装ATLCD用LQR算法进行主动控制,加载El-Centro地震波进行时程响应分析,比较无控结构及被、主动控制结构的时程响应结果表明,采用ATLCD的减振效果明显优于采用被动装置。

基于LQR指标的鲁棒PID整定方法及鲁棒稳定性裕度评估

根据 L QR指标 ,结合最小最大原理 ,使用改进遗传算法作为优化搜索算法 ,提出一种新的鲁棒 PID参数整定方法 .该方法有三个优点 :首先能通过选取衰减系数和自然频率来获取期望的闭环特性 ,并获取近似的 L QR权矩阵 ;其次为 PID控制器增加了一定程度的预测性能 ,最后用本方法设计的控制器对模型误差和外部干扰都表现出一定的鲁棒性 .仿真实例证实了该方法的有效性 .

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LQR算法的倒立摆动态可视控制系统

针对倒立摆系统的非线性特点,利用LQR算法实现了对倒立摆系统的小车位置和摆杆角度的同时控制。为了生动直观地演示这一控制效果,提出了使用组态软件对倒立摆系统进行动态可视化处理的实现方案。仿真计算和组态设计结果表明,该方案不仅直观地证明了LQR算法在倒立摆系统中的应用价值,而且在实际教学过程中取得了良好的教学效果。

改进教与学优化算法的LQR控制器优化设计

为了快速有效地确定线性二次最优控制(linear quadratic regulator,LQR)问题中的加权矩阵Q和R,针对主动悬架LQR控制器权系数设计问题,提出一种改进的教与学优化算法进行LQR优化设计。算法对基本教与学优化算法中的"教"与"学"阶段进行了进一步的改进,同时提出一种"自我学习"策略。通过仿真实验表明,和基本教与学算法、粒子群算法、遗传算法相比,本文算法在对主动悬架LQR控制器优化时,具有收敛速度快,求解精度高和稳定性强等优势。

多种群遗传算法的倒立摆LQR控制器设计

针对传统遗传算法在设计倒立摆LQR控制器时,算法会因个别超常个体或群体较快趋于单一化而导致不能得到满意控制参数的问题,利用Sheffield遗传工具箱,设计了多种群遗传算法。算法的开始引入了多个种群同时进行优化搜索,不同的种群采用不同的交叉概率和变异概率,种群之间采用移民算子建立联系,各种群产生的最优个体通过精华种群实现留优。在Simulink环境下建立模型并计算性能指标,Simulink环境下的输出值作为多种群遗传算法的目标函数值。仿真结果表明,在存在建模误差的情况下,本算法稳定性好、遗传代数小,有效地避免了早熟,更为适合复杂问题的优化。