Predictive Control Model Based on the MPC Algorithm on Three Different Road Sections

Predictive control is an advanced control algorithm,which is widely used in industrial process control.Among them,model predictive control(MPC)is an important branch of predictive control.Its basic principle is to use the system model to predict future behavior and determine the current control action by optimizing the objective function.This paper discusses the application of MPC in the prediction and control of the speed of vehicles to optimize traffic flow.It is a valuable reference for alleviating traffic congestion and improving travel efficiency and smoothness and provides scientific basis and technical support for future highway traffic management.

Speed Regulation Method Using Genetic Algorithm for Dual Three-phase Permanent Magnet Synchronous Motors

Dual three-phase Permanent Magnet Synchronous Motor(DTP-PMSM)is a nonlinear,strongly coupled,high-order multivariable system.In today’s application scenarios,it is difficult for traditional PI controllers to meet the requirements of fast response,high accuracy and good robustness.In order to improve the performance of DTP-PMSM speed regulation system,a control strategy of PI controller based on genetic algorithm is proposed.Firstly,the basic mathematical model of DTP-PMSM is established,and the PI parameters of DTP-PMSM speed regulation system are optimized by genetic algorithm,and the modeling and simulation experiments of DTP-PMSM control system are carried out by MATLAB/SIMULINK.The simulation results show that,compared with the traditional PI control,the proposed algorithm significantly improves the performance of the control system,and the speed output overshoot of the GA-PI speed control system is smaller.The anti-interference ability is stronger,and the torque and double three-phase current output fluctuations are smaller.

LOW COST IMPLEMENTATION OF SPEED SENSORLESS INDUCTION MOTOR CONTROL USING STATOR FLUX ORIENTATION

The control platform of the induction motor （IM） with low costs is developed by using DSP MC56F8013 with a good performance/price rtaio. The control algorithm for the speed sensorless IM is studied based on the stator flux orientation （SFO）. The algorithm structure is simple to be implemented and cannot be influenced by motor parameters, The improved stator flux estimation is used to compensate errors caused by the low pass filter （LPF）. A new speed regulator is designed to ensure the system working with the maximal torque in the transient state. The system simulation and the prototype experiment are made. Results show that the con- trol system has good dynamic and static performance.

Research on cubic polynomial acceleration and deceleration control model for high speed NC machining

To satisfy the need of high speed NC (numerical control) machining, an acceleration and deceleration (acc/dec) control model is proposed, and the speed curve is also constructed by the cubic polynomial. The proposed control model provides continuity of acceleration, which avoids the intense vibration in high speed NC machining. Based on the discrete characteristic of the data sampling interpolation, the acc/dec control discrete mathematical model is also set up and the discrete expression of the theoretical deceleration length is obtained furthermore. Aiming at the question of hardly predetermining the deceleration point in acc/dec control before interpolation, the adaptive acc/dec control algorithm is deduced from the expressions of the theoretical deceleration length. The experimental result proves that the acc/dec control model has the characteristic of easy implementation, stable movement and low impact. The model has been applied in multi-axes high speed micro fabrication machining successfully.

基于径向基函数神经网络算法的高频转阀阀芯稳定性

针对伺服电机驱动高频转阀时受液动力矩变化影响造成高频输出精度下降的问题,以液压马达作为动力源,提出一种基于径向基函数神经网络算法的转阀阀芯转速控制策略。首先,搭建高频转阀阀芯转速控制系统的数学模型;其次根据数学模型在MATLAB/Simulink平台搭建仿真模型,对不同算法作用下阀芯转速控制特性进行仿真分析;最后建立高频转阀转速控制系统实验台,对不同算法作用下阀芯转速控制特性进行实验研究和理论验证。结果表明:与常规PID控制方法相比,基于径向基函数神经网络的高频转阀转速控制策略转速控制系统阶跃响应所需调整时间最少为0.16 s,超调量小;三角波与正弦波转速跟踪误差均值下降最大值分别为46.51%、53.69%;6 MPa、10 MPa下,转速稳态误差均值分别下降34.92%、38.26%。径向基函数神经网络算法有效提高了高频转阀阀芯转速控制精度。

基于强化学习的柴油机调速算法研究

为了更好地调节柴油机转速,提出一种强化学习–比例积分微分(proportional integral derivative, PID)控制器,并应用到了柴油机转速控制中。基于连续动作空间的柔性动作–评价(soft actor-critic, SAC)算法,结合连续型PID控制器,设计了一种强化学习–PID控制器,可代替传统PID控制的转速环。优化设计了基于演员–评论家(actor-critic)框架的输入输出和奖励函数以匹配柴油机特性,采用随机动作增加寻优效率,形成SAC-PID控制柴油机转速的网络交互结构,达到快速调整转速,减小稳定时间的效果。构建了以柴油机D6114为原型机的MATLAB/Simulink平均值模型,并利用试验数据验证了仿真模型的有效性。利用平均值模型,仿真验证了该控制算法效果。经过仿真验证本算法使柴油机转速响应曲线超调量更小,响应时间更快,鲁棒性更强,SAC-PID控制负载瞬态调速率和稳定时间均已达到1级精度指标。仿真对比验证了SAC算法的联合控制效果,结果表明其较其他算法更佳。

ML组合的CYGNSS海面风速反演质量控制模型

卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出一种基于机器学习(ML)组合的海面风速反演模型。在基于CNN回归模型的CYGNSS反演海面风速基础上,ML分类模型生成CNN回归结果的质量标志位,该标志位可以检测并删除CNN回归结果的异常值,进一步提高风速反演结果的数据质量,ML分类模型能够更好地考虑各种数据误差之间的相互作用,而不是单独使用每个条件的阈值,以达到更优的海面风速反演精度的效果。实验对比了Logistic回归(LR)、决策树(DT)、朴素贝叶斯模型、K最邻近(KNN)算法、神经网络(NN)模型、支持向量机(SVM)算法等6个分类模型,其中,基于KNN算法的分类模型对风速反演质量控制的效果最优。所提风速反演组合模型显著提高了反演结果的精度,在0~20 m/s区间内,异常样本过滤率为81.27%,在所有被过滤的数据中,过滤正确率为86.03%;风速反演误差的均方根误差从无ML分类模型的1.7 m/s降低到有ML分类模型的1.44 m/s,其中,训练样本为0~10 m/s的反演结果精度提升效果较为明显,证明了所提风速反演组合模型对风速质量控制的有效性。

基于ASP-SAC算法的列车自动驾驶速度控制

随着经济建设的绿色转型以及人工智能的快速发展,城市轨道交通已成为居民日常出行的重要方式,在保障安全性、高效性和准点性的前提下,列车运行的节能性和舒适性需求也越来越被关注。合理的运行策略能够有效实现多种目标需求下的列车自动驾驶速度控制,强化学习作为一种智能决策方法,能够有效解决这一控制问题。首先,通过综合分析技术、安全性和乘客体验等方面的因素,基于专家经验动作划分和状态信息熵将软演员-评论家(SAC)改进为动作状态经验优先软演员-评论家(ASP-SAC)方法,用于研究列车自动驾驶速度控制问题。其次,将问题马尔可夫形式化,搭建了列车运行环境,确定了状态空间、动作空间以及基于目标控制的奖励函数。最后,以北京地铁亦庄线的一段区间数据为例进行试验,对ASP-SAC方法进行验证并与其他一些算法在相同环境下进行性能优劣比较。研究结果表明:该方法对于多目标控制需求下的列车自动驾驶速度控制问题具有可行性,与未改进前相比算法效率提高22.73%,与PPO算法相比提高29.17%,改进效果良好。同时,列车运行时在安全性、舒适性无误的情况下,准时性、精确性和节能性都强于SAC、DQN、PPO以及PID算法,其中能耗分别减少3.64%、5.62%、4.38%、7.35%,控制效果良好。此外,该方法亦具备鲁棒性,在列车自动驾驶速度控制方面具有一定的优越性和可参考性。

高质量加工五次多项式速度规划算法研究

通过分析直线、指数、S曲线以及正弦函数几种常用的加减速算法,针对传统的速度规划算法存在的加工曲线不连续以及加工过程出现振荡、加工精度低等问题,提出适用于高质量加工的五次多项式速度规划算法,将整个加工过程分段,细化每一段的方程,并介绍对于待定的NURBS曲线使用五次多项式速度规划算法进行插补的过程,针对快速插补和实时插补两个阶段进行优化。结尾根据仿真加工实验图像得出结论,该算法实现了加工过程中运动曲线的连续变化、柔性变化。并将加工精度控制在理想范围之内,适应于高质量的加工。

超高速飞行器自适应模糊超螺旋控制律设计

针对超高速飞行器多源扰动下高精强鲁棒控制需求,提出了一种自适应模糊超螺旋控制律。首先,给出控制导向的超高速飞行器姿态模型;其次,采用广义超螺旋算法设计控制器,实现滑模变量与跟踪误差的高精收敛;同时,引入高阶齐次观测器估计飞行器复杂扰动,并在控制律中做前馈补偿以提高算法鲁棒性。针对控制增益选取问题,基于模糊算法,通过融合专家经验,建立控制增益与滑模变量直接关联。相较传统自适应方法,该自适应律可实现控制增益快速调节整定,同时兼顾系统响应速度、鲁棒性与抖振抑制需求。最后,以考虑复杂多源干扰的超高速飞行器为对象进行仿真,结果证明了自适应模糊超螺旋控制律的有效性。

考虑智能网联车辆影响的八车道高速公路施工区可变限速控制方法

为提升车联网环境下高速公路施工区交通运行效率及安全水平,提出了一种基于强化学习的可变限速控制方法.选取智能驾驶模型和真车试验模型,分别对传统人工车辆和智能网联车辆的跟驰行为进行建模,构建了以瓶颈下游路段交通流量为效率指标、瓶颈路段速度标准差为安全指标的复合奖励值,利用深度确定性策略梯度算法,分车道动态求解最佳限速值.仿真结果表明,所提可变限速控制方法在不同智能网联车辆渗漏率条件下均能有效提升交通流运行效率和安全水平,且在智能网联车辆渗漏率较低时,提升效果更加显著.当智能网联车辆渗漏率为1.0时,瓶颈下游路段交通流量提升10.1%,瓶颈路段速度标准差均值下降68.9%;当智能网联车辆渗漏率为0时,瓶颈下游路段交通流量提升20.7%,瓶颈路段速度标准差均值下降78.1%.智能网联车辆的引入能够提升至多52.0%的瓶颈下游路段交通流量.

基于FOA优化PID参数的永磁同步电机转速控制

为提高永磁同步电机转速控制的效果,提出一种基于果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)优化比例积分微分控制(proportional-integral-derivative control)的方法。其中,以PMSM调速系统为背景,构建调速系统的PID方法,然后构建FOA优化PID参数的PID控制器,以实现永磁同步电机转速系统的自适应控制。仿真结果表明,FOA-PID方法具有响应速度快、超调小、抗干扰能力和速度调节能力强的特点,在固定负载改变转速条件下,仅需0.02 s即可达到稳定状态,有效改善了永磁同步电机转速控制系统的控制性能;相较于标准PID和RBF-PID方法,FOA-PID方法在正向起动转速情况下的超调量为1.36%,分别低5.73%和1.12%;在负向起动转速情况下,FOA-PID方法的最大超调量为0.56%,分别低15.13%和8.22%。由此得出,本FOA-PID方法可行,具有一定的优越性。

金属弧焊机器人加工轨迹智能规划研究

针对金属弧焊机器人加工轨迹运动规划精度低的问题,提出一种基于改进梯形速度规划算法的弧焊加工轨迹智能规划方法。该方法首先根据D-H法构建机器人的运动学模型,根据拉格朗日法构建机器人的动力学模型;然后应用加速度规划改进后的梯形速度规划算法进行运动规划;最后基于稳健控制的运动修正方法对初步运动规划结果进行修正。仿真实验结果表明:相比于梯形速度规划算法,改进的梯形速度规划算法具有更高的运动规划精度;基于稳健控制的运动修正方法的加入,使运动规划精度、抗干扰性都得到提升,且提高了机器人关节的使用寿命;该方法具有较好的弧焊加工轨迹智能规划性能,基本满足研究需求。

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

基于位置偏差调速的激光跟踪运动控制方法

跟踪算法和伺服算法的设计是实现激光跟踪运动控制的关键,决定激光跟踪运动的速度及其稳定性。为获得更好的跟踪性能,基于工业控制器及其伺服算法,提出一种基于实时角度位置偏差动态调节轴系运动速度的激光跟踪算法;首先,分析基于位置偏差动态调速实现连续稳定跟踪的控制原理;然后,建立被控对象的数学模型及包含此跟踪算法的跟踪系统数学模型,并完成激光跟踪的仿真测试;最后,搭建激光跟踪实验平台,对跟踪算法进行实验验证,最终实验结果表明,激光束能够很好跟踪动态目标,电机运行平稳流畅,跟踪能力优于7(°)/s。该控制方法为激光跟踪测量系统的搭建提供技术参考。

基于改进鲸鱼优化PID的无刷直流电机转速控制算法

针对鲸鱼优化算法易陷入局部最优以及无刷直流电机(brushless DC motor,BLDCM)速度控制响应慢、超调量大等缺点,提出一种改进鲸鱼优化算法(improve whale optimization algorithm,IWOA)优化PID(proportional integral derivative)参数的无刷直流电机速度控制算法.该算法采用高斯变异因子、自适应权重因子和动态阈值相结合对鲸鱼优化算法进行优化.仿真实验结果表明,改进鲸鱼优化PID的无刷直流电机转速控制算法具有更快的收敛速度以及较小的超调现象,鲁棒性也更好.

基于ABMSSA的PP算法分布式自动驾驶轨迹跟踪控制策略

针对在轨迹跟踪控制中横向纯追踪控制算法前视距离的选取受车辆速度影响较大的问题,本文设计了一种改进樽海鞘优化算法对纯追踪控制中的前视距离进行实时调整优化。首先在纯追踪控制模型的基础之上,采用横向误差作为主要决策参数,设计了改进樽海鞘优化算法的目标函数,同时还在算法中引入布朗运动和自适应权重以防止陷入局部最优解和提高算法的收敛速度。其次本文还设计了纵向双环PID控制算法用于实现智能体车辆对于参考速度的跟踪。最后在智能体车辆实际平台上对所提出的基于分布式纵向双环PID控制算法、横向前视距离优化的纯追踪控制算法进行实验验证,并且设置多组对比实验。结果表明采用基于前视距离优化的纯追踪轨迹跟踪控制控制算法具有最优控制性能,其中最大横向误差为0.068 m,平均横向误差为0.014 m,相较于模糊优化其控制精度提升了24.73%。

智能跑步机跟随速度自适应控制方法研究

当前跑步机都是外部速度跟随机器完成控制,在变速过程中智能化程度较低,导致变频调速精度和稳定性控制过程很被动,影响了整体的智能化效果。为此,提出智能跑步机跟随速度自适应控制方法。通过设备完成人体静止及运动状态实时数据采集,利用卡尔曼滤波算法结合采集的数据,实现用户加速度预测,根据预测结合用户在跑步机上的受力情况,带入跑步机速度控制器,实现其跟随速度的自适应控制。实验结果表明:所提方法在接近0.2s时达到理想速度,变频调速精度高于95%,证明该方法的稳定性好、响应速度快且调节精度高,整体控制效果好,更能满足用户对于智能跑步机的自适应变速要求。

基于BAS-PSO优化自抗扰的高速列车速度跟踪控制

针对高速列车自动驾驶系统,采用基于天牛须粒子群(BAS-PSO)优化自抗扰控制(ADRC)的算法,设计速度跟踪控制器。基于列车动力学模型设计自抗扰控制器,并以ITAE作为目标函数,利用BAS-PSO实现参数整定。选用CRH380A型动车组参数,通过MATLAB进行仿真验证,对比BAS-PSO、PSO以及改进鲨鱼优化ADRC算法对列车目标速度曲线的追踪效果,其中基于BAS-PSO优化ADRC算法的列车目标速度曲线跟踪误差保持在±0.4 km/h的范围内,相比另外两种算法更加紧密地贴近目标速度曲线。结果表明,基于BAS-PSO优化ADRC具有跟踪误差小、抗干扰能力强的优点。

基于线控底盘的无人驾驶轨迹跟踪控制研究

为提高结构化工况下无人驾驶汽车轨迹跟踪的精确性,提出一种融合纵向车速跟踪控制器的预瞄轨迹跟踪控制算法。针对四轮转向的特性,基于传统纯跟踪算法设计了四轮转向纯跟踪控制模型;针对纯跟踪算法跟踪效果受车速影响较大的缺陷,设计了纵向车速跟踪控制器并采用n维插值表方式在不同曲率处设置不同车速;将四轮转向纯跟踪算法融合纵向车速跟踪控制器,以达到更好的跟踪效果。仿真与实车试验表明,试验平台可较精确地跟踪规划轨迹并平稳抵达目标终点,实车轨迹跟踪过程中最大横向误差控制在0.497m。