高速列车分布式速度协同跟踪控制方法研究

针对高速列车运行过程中受外界干扰而导致的各车厢速度不同步问题,提出了一种基于改进扰动观测器的高速列车分布式速度协同跟踪控制一致性算法。首先,建立高速列车分布式模型,其次,将高速列车与多智能体系统相结合,设计分布式速度协同跟踪控制算法;同时利用改进的扰动观测器估计系统的复合未知扰动,并将其观测值反馈补偿给控制器,以消除复合未知扰动对高速列车运行的影响;通过Lyapunov稳定性理论分别证明了控制器和观测器的稳定性。最后,通过仿真对所提方法进行验证,所提方法的速度跟踪精确度达到了99.9%。

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.

快速一致性控制算法下的多UAV分布式协同控制

多无人机系统中,系统状态的一致性是实现多无人机分布式协同控制的基础,一致性控制算法是多无人机系统实现状态一致的有效方法。通信约束条件下,无人机平台基于局部交互信息,通过一致性控制算法,控制系统状态演化一致。为解决改变通信拓扑结构和多跳路由通信的不可操作性问题,引入状态差值和预测状态,设计新的快速一致性控制算法。给出新算法收敛性和快速性的相关定理,并进行了严格的数学证明,在分布式协同控制结构下实现多无人机快速任务协同。理论分析和仿真实验验证了算法的可行性和有效性。

DoS攻击下信息物理系统的分布式协同控制

针对具有复杂非线性动态的信息物理系统(CPS)在拒绝服务(DoS)攻击下的跟踪协同控制问题,提出了一种分布式间歇控制方法。首先,将CPS建模为一类二阶非线性多智能体系统,通过在控制器中引入间歇机制来设计分布式控制器。其次,使用驻留时间分析方法对DoS攻击的持续时间和频率进行了详细分析,以保证DoS攻击下系统可以实现跟踪协同。此外,通过构造合适的李雅普诺夫函数和利用数学归纳法,分析所得误差系统的稳定性,最终得到跟踪协同的充分条件。值得注意的是,该结果为控制增益的设计提供了更高的灵活性。最后,通过仿真验证了所提理论结果的有效性和可靠性。

基于分布式网络化指控体系的协同跟踪设计

针对当前干扰防空环境下的作战特点,通过对网络化作战需求的分析,建立了一种分布式的网络化指挥控制体系架构,并结合协同跟踪的具体作战运用,设计了基于此分布式体系的协同跟踪作战流程,并建立了效能验证模型。对比一般的集中式指挥控制体系,基于分布式的体系具有生存性强、作战使用效能高的特点。

高速列车分布式super-twisting滑模控制研究

针对不确定因素及外界干扰下高速列车分布式协同控制问题,提出基于super-twisting滑模一致性算法的高速列车速度跟踪控制策略。首先,考虑列车受到的外部干扰、基本阻力及车厢间耦合作用力,构建高速列车多智能体模型;其次,利用相邻车厢的位移和速度信息设计一致性滑模函数,引入super-twisting算法削弱控制输入抖振;最后,设计分布式二阶滑模控制律,并采用Lyapunov理论验证算法稳定性。以高速列车实际参数进行仿真研究,并加入外界干扰,利用本文方法、普通一致性、PID一致性及滑模一致性方法进行仿真。结果表明,相较于其他3种方法,所提算法能使车厢单元快速、精准跟踪目标速度曲线,速度误差在(-0.8~1.1)×10^(-3)m/s内,同时使相邻车厢距离保持在安全范围内,且控制输入较平滑,对外部干扰有较好的鲁棒性。

多UAV集群固定拓扑分布式控制方法研究

通过定高飞行假设,建立了集群运行的简化空间模型、基于静止坐标系和运动坐标系的集群控制模型和分布式控制结构。将既定加速度量和势差加速度量按比例结合,控制UAV跟踪轨迹形成并保持集群状态。基于UAV模型和智能体的仿真结果表明,该模型及算法能够实现稳定的UAV固定拓扑集群行为,且具有优越的队形保持和速度控制性能。

无人艇全分布式动态事件触发编队控制

针对通信资源受限的多无人艇(USV)编队控制问题,本文提出了一种动态事件触发数据传输机制以降低通信频率,减少控制算法对系统带宽的占用.首先,基于滑模和自适应控制算法设计一种全分布式编队控制器,使得所有编队成员在保持预设队形的同时能够完成对期望轨迹的跟踪.与现有编队控制器相比,该控制器不需要通信网络的全局信息.然后,基于Lyapunov稳定性理论证明了编队跟踪误差以及所有闭环信号都能达到稳定状态.此外,该算法能够保证触发时间序列不表现出Zeno行为.最后,通过数值仿真验证了全分布式编队控制器的有效性.

高速动车组分布式全局快速终端滑模控制策略

速度跟踪控制是高速动车组自动驾驶的关键技术之一。通过分析列车运行过程的动力学关系,将车钩系统描述为弹簧-阻尼器系统,并考虑列车受到的附加阻力,以及由于列车车钩形变产生的列车长度变化等,建立高速动车组纵向多质点动力学模型。在此模型基础上,设计分布式全局快速滑模控制器,此策略连续的控制率消除了传统滑模控制的抖振问题,控制器考虑动车与拖车的不同动力分配和牵引电机的输出功率上限,分别对动车与拖车的控制力进行不同的饱和限制。基于李雅普诺夫稳定性原理,证明了提出的控制算法的收敛与稳定。仿真结果表明,此高速动车组多质点模型能较为准确地反映列车运行中车钩的状态与受到的附加阻力,基于该模型的带有输出限制的分布式全局快速终端滑模控制器,使车钩纵向冲动更小,速度跟踪性能更优。

面向空地协同作战的无人机-无人车异构时变编队跟踪控制

本文研究了无人机自主伴飞协同侦察技术中的异构集群系统空地协同时变编队跟踪控制问题,要求多无人机与无人车在形成期望时变编队构型的同时,实现对领导者参考轨迹的跟踪。首先,对无人机与无人车进行单体运动学与动力学建模,并引入代数图论概念,建立异构集群系统的协同控制模型。然后,引入虚拟领导者刻画编队整体的运动轨迹,并基于对虚拟领导者状态的分布式观测器,对各无人机-无人车构造分布式编队跟踪控制器。进一步分析异构集群系统实现时变编队跟踪的可行性条件,给出编队跟踪控制器中各参数的选取方法。最后,给出了一个仿真例子来验证所设计控制器的有效性。

模型不确定下无人艇协同目标跟踪控制

本文针对感知信息不完全、模型参数不确定、海洋环境扰动下的多无人艇系统,文章提出了分布式分层协同目标估计与控制结构.在通信层级,本文设计了基于单向通信拓扑的分布式扩张状态观测器,实现了对非合作目标速度与位置的分布式估计;在控制层级,设计了仅需要相对视距距离的降维扩张状态观测器,不仅实现了对未知动力学不确定性的估计,而且简化了观测器的结构.本文设计了基于降维扩张状态观测器的抗干扰位置跟踪控制律,提高了协同目标跟踪的抗干扰能力.文章采用级联系统稳定性分析证明了闭环系统是输入状态稳定的.此外,本文证明了闭环系统内跟踪误差是一致最终有界的.仿真结果验证了所提方法的有效性.

光电跟踪系统中精密控制技术研究进展

精密控制技术离不开光机电结构配置、电机驱动、传感器、控制算法以及载荷平台的发展,它是实现高精度光电跟踪的必要手段。无论固定地基平台还是运动平台,扰动抑制、目标跟踪以及分布式智能协同的三大关键技术始终是光电跟踪控制系统面临的技术难点。本文综述了针对上述几大关键问题的精密控制技术,展示了一些先进和前沿控制技术的研究成果,同时指出未来重点研究方向的主要思路。根据扰动影响的不同机理,从精密驱动、惯性稳定、振动控制三个方面介绍了相应扰动抑制技术的研究进展以及热点,并强调基于Stewart平台的振动与指向一体化技术是空间光电跟踪系统的重要技术方向。复合轴控制系统仍然是提高目标跟踪最有效的根本方式,最基本的技术问题是提高精跟踪倾斜镜跟踪系统的性能。观测器控制尤其是仅有误差测量的观测器技术特别适用于复合轴光电跟踪系统,发展三级或者更高级的复合轴系统应该特别注意高性能电机的应用。最后,提出多智能协同光电系统是光电跟踪领域未来重点的发展方向,需要研究多智能体的协同定位、编队控制以及载荷平台一体化等精密控制技术。

高速动车组制动过程的建模及跟踪控制

通过分析动力分散式高速动车组多动力单元制动过程中制动力和速度之间的关系,根据动车组制动过程中的运行数据和制动特性曲线,建立高速动车组制动过程多动力单元的分布式三阶自回归模型;采用多变量广义预测控制方法,实时生成各动力单元所需制动力,实现制动过程中对动车组各动力单元给定速度的跟踪控制。采用MATLAB软件和给出的建模方法以及跟踪控制方法,以CRH380A型高速动车组为例进行跟踪控制仿真。结果表明:由仿真计算得到的动力单元速度与其实际速度的最大正负误差之绝对值均小于2km·h^(-1),均方根误差小于1km·h^(-1),均满足高速动车组运行过程的速度误差要求,验证了所建模型的准确性;高速动车组在制动过程中各动力单元对给定速度跟踪控制的最大绝对误差仅为0.195 8km·h^(-1),大大优于传统的多变量比例积分微分控制方法,满足制动过程中对动车组运行安全、舒适和停靠准确的要求。

无人机集群分布式跟踪抗扰控制设计与实验验证

研究了存在外界未知扰动下分布式无人机集群轨迹跟踪问题,设计了一种新的无人机集群非线性鲁棒轨迹跟踪策略。首先,基于切向坐标系构造了无人机编队模型,并设计了协同控制律;其次,针对轨迹跟踪问题设计了一种基于误差符号函数积分(RISE)的鲁棒控制算法,用于补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性;然后,基于Lyapunov分析的方法,证明了无人机编队系统协同误差全局渐近收敛,以及位置跟踪误差半全局渐近收敛;最后,在四旋翼无人机编队实验平台上进行了无风扰和有风扰条件下无人机集群轨迹跟踪实验,并与常规滑模控制算法进行了性能对比实验。实验结果表明,所设计的控制律可以实现多无人机的协同轨迹跟踪,且具有较强的抗外界干扰能力。

二阶系统包容控制算法及其收敛速度分析

针对具有多领航者的二阶系统分布式协同控制问题,提出了一种一般性的包容控制算法,并基于控制增益系数和系统信息拓扑拉普拉斯矩阵的特征值给出了系统收敛的充分必要条件.在此基础上,进一步研究了控制增益系数和系统信息拓扑对系统收敛速度的影响,给出了取得极大收敛速度的控制增益系数解析表达式,并利用Weyl定理证明了增加系统中的信息链路可以提高系统收敛速度.最后,系统仿真验证了所得结论的正确性.

基于WSN的多目标跟踪及反馈控制平台

针对多目标跟踪易产生网络冲突与超声波传感器之间的干扰问题,搭建多目标实时跟踪及反馈控制平台,提出一种有效的传感器节点调度策略。对于网络中分布式的异步测量问题,研究扩展卡尔曼滤波定位算法,实现多目标实时定位跟踪。实验结果表明,该策略有效避免多目标跟踪造成的超声波测量干扰和网络冲突,实现机器人网络化实时反馈控制和多机器人协同控制。

智能分布式驱动汽车路径跟踪/制动能量回收协同控制策略研究

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题,充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势,设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数,以综合优化各工况下的控制目标。高附路面下,制定满足最大能量回收值的全局参考车速,在线优化路径跟踪指令,实现最优能量回收的同时减小系统运算负荷;低附路面下,优先考虑车辆的路径跟踪性能和行驶稳定性,在多目标代价函数中取消对全局参考车速的跟随要求,增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解,得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配,最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件,搭建控制器在环仿真平台,并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明:高附路面下,所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间;低附路面下,与使用高附控制策略相比,能够保证车辆的路径跟踪准确性与行驶稳定性,同时可提升7.8%的能量回收值;控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。

面向道路交通监控智能摄像头的自主协同跟踪模式

在面向道路交通监控的嵌入式智能摄像头中引入动态角色和分布控制的思想,设计实现了一种摄像头自主协同目标跟踪模式。在本模式中摄像头之间能够动态组织对异常车辆目标的协同跟踪,跟踪过程由前端摄像头自主控制完成。这种分散控制模式能够有效减缓交通监控系统中后端服务器的工作压力,并降低大量实时视频数据在路网中传输对道路信息网络带宽的要求,同时又使监控系统具有较强的灵活性和容错能力。

固定翼无人机编队协同控制算法及避撞研究

首先以leader-follower结构的固定翼无人机编队为研究对象,建立了飞行动力学模型;分别对编队中的长机和僚机设计协同编队控制律,尤其是对僚机控制律进行改进,通过控制无人机的速度和滚转角实现僚机的状态跟踪控制;在主从编队的基础上,引入分布式拓扑结构,实现相邻无人机之间的信息交互,并以此为基础增加避撞策略。最后,通过数据仿真对编队控制算法和避撞策略进行模拟实验,证明了无人机编队能有效地完成编队任务,并且避免编队内的互相碰撞。

大型水下并联机器人的多绞车协同控制

针对大型水下并联机器人受复杂多机并联驱动结构及未知扰动影响,精准控制难度大的问题,基于机器人结构特性建立机器人本体及驱动机构的数学模型,提出基于改进偏差耦合控制的多绞车协同控制策略,并基于非线性干扰观测器、自适应控制输入饱和控制、快速非奇异终端滑模控制和李雅普诺夫理论设计一种高效的速度鲁棒跟踪控制器。通过多工况数字仿真验证了基于偏差耦合控制的多绞车协同控制方案能有效实现电机间的转速同步,且具有很强的抗复杂扰动能力。研究结果表明该多电控绞车协同控制方案合理、高效,可为大型水下并联机器人的潜浮控制奠定基础,该技术具有广阔的应用前景。