基于模型算法的注塑制品质量预测控制研究进展

介绍了模型算法在注射成型技术中的应用,综述了相关模型算法在注射成型各阶段的预测控制成效,最后提出模型算法在注塑制品质量预测控制中的未来研究方向和相关技术发展趋势。

双浮体直驱波浪发电装置建模分析与基于模型预测控制的能量提取算法研究

基于振荡浮体结构的直驱波浪发电装置具有损耗低、控制灵活等优点,近年来,逐渐成为波浪发电领域的研究热点。双浮体直驱波浪发电装置不需要海上固定平台,能够通过锚系结构在海水中工作,是一种工程可行的直驱波浪发电方案,但其动力学模型更为复杂,相关控制算法缺少实际装置测试。该文通过等效电路的方法对双浮体装置进行建模分析,指出采用张力锚结构可将双浮体装置等效为单浮体装置进行分析,简化控制器的分析与设计,从而建立基于模型预测控制的高效波浪能提取问题。提出一种结合波浪激励力辨识、预测与快速模型预测求解的控制算法,并且设计了双浮体直驱波浪发电装置,在不同波浪条件下进行了相关实验测试。实验结果表明,所提控制算法能够在有效降低运算复杂度的前提下提高装置的波浪能提取效率。

车辆轨迹模型预测控制器的算法研究

为提高无人驾驶汽车行驶控制中的跟踪精度和车辆稳定性,提出了一个改进的模型预测控制器(MPC)。首先,为解决高速转弯工况下轮胎侧偏刚度的强非线性特性导致的车辆失稳问题,建立了轮胎动态侧偏刚度估计器进行实时估计;在此基础上,利用改进粒子群算法对现有模型预测控制器的时域参数进行优化,以提高算法跟踪精度和稳定性;最后,为验证控制器的效果,选取合适的工况进行了联合仿真测试。结果表明,改进控制器在高速转弯的工况下,跟踪精度误差降为4.9%,横摆角误差降为2.6%,比传统模型预测控制器分别提高了67.8%和62.3%,比模糊控制算法优化的控制器分别提高了55.8%和58%。

基于海洋捕食者算法的波浪能转换装置模型预测控制

该文提出一种基于智能海洋捕食者算法的模型预测控制策略,实现了波浪能转换装置的动态最大能量捕获。提出的模型预测控制策略利用海洋捕食者算法来获取最优控制力,并采用非线性限制来控制功率的单向流动。通过相应的对比分析验证了海洋捕食者算法的优化准确性和快速收敛性。该方法还利用控制域来处理最优控制变量以便在算法的计算负担和优化准确度之间进行平衡。所提出的方法证明在处理多维的波浪能转换系统方面,特别是系统的非凸和非线性限制问题,具有较好的利用价值。仿真与实验结果证明提出的方法能较好地提高波浪能转换装置的输出功率,并满足典型海域工况下的实时需求。

基于紧约束鲁棒模型预测控制的无人车辆轨迹跟踪控制

针对无人驾驶车辆的轨迹跟踪问题,基于车辆非线性动力学模型,设计了一种紧约束鲁棒模型预测控制(MPC)方法。首先,利用魔术公式轮胎模型,结合车辆3自由度系统,构建了具有有界干扰的车辆线性离散误差模型;其次,采用紧约束控制策略设计系统的鲁棒优化问题;最后,通过在线优化得到最优控制序列,并离线构造之后多个时刻满足约束条件的可行控制序列。仿真结果表明,所提算法能够使车辆稳定快速跟踪上参考轨迹并有效提高系统计算资源利用率。

基于模型预测控制的燃料电池汽车能量管理控制策略研究

为了提高燃料电池汽车的经济性和部件的耐久性,提出一种基于实时模型预测控制(MPC)和庞特里金极小值原理(PMP)的燃料电池混合动力汽车能量管理策略。该策略采用模型预测控制实现燃料电池和电池之间的能量分配,降低总等效氢消耗;通过反向传播神经网络(BPNN)获得预测速度序列,利用极小值原理求解每个预测区间的最优控制问题。与基于规则的策略(RB)相比,该策略可以在保持电池荷电状态稳定的同时减少10.97%的总等效氢消耗量。

基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

基于模型预测控制的工厂化菇房空调调控方法

针对菇房空调系统在传统控制模式下易出现温度波动较大、运行能耗较高等问题,提出一种基于模型预测控制(Model Predictive Control,MPC)的食用菌工厂化菇房空调控制方法。首先基于等效电路法建立菇房阻容温度预测模型,利用遗传算法(Genetic Algorithms,GA)辨识模型内未知参数,建立以温度控制精度及系统能耗为优化方向的目标函数,然后以预测模型输出作为目标函数输入,最后通过粒子群优化算法(Particle Swarm Optimization,PSO)求解该目标函数,得到空调系统控制时域内的最优控制量。结果表明:基于MPC的温度控制方法能够有效在降低空调系统能耗的基础上提高温度控制精度,相较于传统阈值控制在温度控制精度上,平均绝对误差降低77%;在运行时间上,MPC控制方法平均每日能够减少1.2 h的压缩机运行时间,可节省10.4 kWh的电能。

考虑参数估计的MPC算法的商用车车道保持控制

设计了一种考虑参数估计的模型预测控制(MPC)算法的、智能辅助驾驶的商用车的车道保持算法,对于难以直接测量的质量和横向速度进行估计。建立车辆动力学模型和状态误差方程,通过扩展Kalman滤波(EKF)和递推最小二乘法(RLS)分别对车辆的横向速度、质量进行估计。基于估计得到的车辆参数,设计MPC车道保持控制器。构建硬件在环(HIL)仿真平台,设置不同的测试工况对车道保持算法进行了验证。结果表明:与普通MPC相比,在偏移回正工况中,车辆纠偏消耗的时间减少28.6%,并且超调量更小;高速路工况的横向位置偏差的均方根误差减小了4.2 cm。该方法提升了纠偏能力和跟踪精度,降低了传感器成本。

融合激光雷达料位测算的锅炉燃烧优化模型预测控制

提出了一种融合激光雷达料位测算的锅炉燃烧优化控制策略。该控制策略通过激光雷达对生物质的入炉给料量进行实时在线监测,并采用最大互信息系数(MIC)方法分析其对于主汽压力、燃烧室温度、出口烟气氧量等关键参数的时延长度,结合经过特征筛选的锅炉特征参数,构成模型样本集;通过粒子群优化(PSO)算法进行参数优化,获得燃烧过程外源自回归(ARX)模型,并采用模型预测控制的方法优化锅炉燃烧。以700t/d生物质燃烧发电锅炉为测试对象,该控制策略在主汽压力与燃烧室温度约束下实现了烟气氧量优化。实验结果与对比分析表明:(1)该预测模型具有较高的精度与泛用性,能满足预测控制的要求;(2)相较于PID与模糊控制,该控制算法拥有更高的控制性能,在仿真结果中氧量与其设定值的平均偏移能控制在±25%以内。该控制策略理论上具有较好的实践意义,可为生物质发电锅炉的智能化稳定燃烧提供解决方案。

基于模型预测控制的翼伞航迹跟踪

翼伞是一种既可以在空中展开又可以在地面折叠的伞状装置,其具有的高度不稳定性和复杂气动特性给翼伞控制带来了很大挑战。本文提出了一种基于模型预测控制(MPC)的翼伞航迹跟踪控制方法。首先,建立了翼伞运动学和动力学模型,包括了翼伞的位置、速度、加速度等状态变量,以及翼伞运动受到的气动力和气动力矩。然后,采用模型预测控制方法,利用已知的翼伞模型和环境模型进行预测,通过优化算法计算出最优的控制输入,实现对翼伞航迹的跟踪控制。最后,通过仿真试验验证了所提出的控制方法的有效性。相比传统的翼伞跟踪方法,本文提出的方法显示出更优的跟踪性能,该方法能够有效抑制外部扰动的影响,具有良好的控制精度及鲁棒性,有一定的工程应用价值。

基于模型预测控制的松散回潮自适应控制系统

为解决松散回潮的传统控制自适应差、控制不稳定等问题。根据松散回潮机工作原理与烟叶吸湿性机理,筛选出物料入口含水率、加水量、回风温度3个关键变量,以物料出口含水率为目标值,建立预测模型,针对因模型偏差导致的控制误差,在模型预测控制的基础上,运用神经网络模型中反向传播算法,根据松散回潮生产特性优化损失函数,使预测模型在控制过程中自迭代、自适应,提高了模型的自适应速率。系统优化后,松散回潮出口水分平均标准偏差由原0.29下降至0.20,同比下降32%,平均cpk由1.132提升至1.479,同比提升30%。有效提高了松散回潮过程控制能力。

基于CTM模型的入口匝道模型预测控制

入口匝道车流的无序汇入会影响快速路主线车辆的正常行驶,造成交通拥堵甚至交通事故。为了使城市快速路交通流保持稳定有序,提出一种基于元胞传输模型(Cell Transmission Model,CTM)的入口匝道模型预测控制方法。最优控制模型采用CTM交通流模型作为过程模型,综合考虑通行效率、匝道队列和控制信号波动构建目标函数,使用粒子群优化算法(Particle Swarm Optimization,PSO)求解。仿真结果表明,相比于无控制算法,提出的匝道模型预测控制方法可以有效缓解交通拥堵、减少通行时间,使快速路系统取得良好的交通表现。

基于粒子群优化-蚁群融合算法的分布式电驱动车辆模型预测转矩协调控制策略

针对分布式电驱动车辆多动力源耦合作用和高度非线性造成的动力学控制难题,以7自由度整车动力学模型为预测模型,以粒子群优化-蚁群融合算法为优化方法,提出一种基于粒子群优化-蚁群融合算法的模型预测转矩协调控制策略,并搭建了仿真实验和实车试验平台,进行了多种工况试验。试验结果表明,新提出的转矩协调控制策略能够根据试验工况调整控制模式,实现动力性、经济性和操纵稳定性的综合最优控制效果。

基于模型预测控制算法的喷雾降温控制

喷雾降温系统应用广泛,但现有喷雾降温系统存在控制精度不高,资源节约效果差等问题。通过对液滴蒸发模型进行分析,建立喷雾降温系统数学模型,设计了基于模型预测控制算法的喷雾降温控制。在MATLAB环境下使用该算法对喷雾降温模型进行仿真,对系统状态、系统输入和跟踪信号进行分析。结果表明,相较于传统的PID控制方法,所提出的模型预测控制算法在响应速度、控制精度和经济效益方面均表现出更好的性能。该研究为实际喷雾冷却应用提供了有价值的参考,提高了系统的控制精度和使用效率。

一种简化模型预测控制算法─SMPC

该文对一种简化模型预测控制算法SMPC进行了分析、数字仿真与实际研究。该住制算法简单易实现，鲁棒性强，只有一个调整参数，因此在线整定参数十分容易，具有实用价值．数字仿真与实验装置的实验均表明了该算法的控制质量优于常规PID算法，结果令人满意。

基于模拟退火算法的模型预测控制策略

传统的模型预测控制(MPC)存在权重因子无法准确设计、开关状态循环预测以及响应速度慢的问题。提出了一种基于模拟退火(SA)算法的模型预测控制策略(SA-MPC),通过建立预测模型和构造目标函数,采用SA后台直接全局寻优,实现环流控制和SM电容电压均压控制。所提策略无需整定权重因子,无需循环试凑开关状态,提升了响应速度和精度,有效抑制了相间环流和降低了子模块电压波动幅度。通过搭建模块化多电平换流器(MMC)系统模型,仿真验证了所提策略的可行性与有效性。

基于序列二次规划算法的插电式混合动力汽车模型预测控制策略

为提升插电式混合动力汽车(PHEV)的车速预测精度和燃油经济性,提出基于序列二次规划(SQP)算法的模型预测控制能量管理策略。以卷积神经网络(CNN)构建的车速预测模型为基础,选取三类典型历史工况数据作为CNN车速预测模型的训练集,使用鲸鱼优化算法(WOA)优化CNN参数,通过优化的WOA-CNN模型预测未来时域内的车速;采用SQP算法对模型预测控制策略进行求解,且与基于规则的电量消耗和电量保持(CD-CS)策略和基于全局优化的动态规划(DP)策略的控制结果进行对比分析,验证所提策略的有效性。结果表明:通过WOA-CNN模型可提高车速预测精度,为4.88%~8.39%;与DP控制策略相比,本文提出策略的燃油消耗量高出1.98%,但计算时间减少了74.32%,能量管理的实时性得到大幅提升;与CDCS控制策略相比,提出策略的节油率为20.37%。综合考虑,本文提出策略的整车能量消耗和计算成本较优,可合理实现对PHEV转矩分配的智能控制。

基于模型预测的二维视觉云台控制算法研究

视觉伺服是一种利用从视觉传感器中提取的反馈信息来控制机器人运动的技术,云台视觉伺服控制就是将视觉传感器获得的信息反馈给控制器,实现对云台的闭环控制,使目标始终出现在相机的中心位置。首先利用核相关滤波跟踪算法(KCF算法)得到待追踪目标在像平面中的像素坐标,基于图像雅可比矩阵及云台速度雅可比矩阵,建立像平面中特征点像素移动速度与二维云台各关节回转速度之间的数学模型,根据数学模型采用模型预测控制方法构建控制器,计算得到二维云台各个关节的最优控制速度,便于系统对目标进行最佳的跟踪,保持待追踪目标始终处于像平面的中心位置。最后在搭建的实验平台上进行运动目标跟踪实验,实验结果表明,所设计的系统具有较好的目标跟踪效果,验证了跟踪算法的可靠性。

无人驾驶技术应用(下)——基于改进模型预测控制算法的无人物流车辆控制系统的设计

4.约束函数的设计车辆在启用车道保持功能时,需要设计约束函数对模型预测控制器进行约束,满足车辆行驶的安全性、稳定性和可靠性。车辆保持系统的动力学控制主要集中在车辆的横向控制中,因此需要对车辆的前轮转角u2及前轮转角的增量△u_(2)进行约束。