基于非线性扰动补偿的超局部无模型永磁同步电机电流预测控制

在电机运转过程中,电机参数会发生变化,产生参数漂移,同时电机会受到内外部未知扰动,导致控制性能下降,抗干扰性和鲁棒性较差。为解决这些问题,提出非线性扰动补偿的超局部无模型电流预测控制方法。只利用电流环的输入和输出,建立超局部无模型电流预测控制模型,不涉及任何电机参数,解决了因参数变化导致的模型失配问题。针对系统总扰动,建立非线性扰动补偿模型,能够较为准确和稳定地估计系统总扰动,并进行前馈补偿,实时更新控制信息,仅需调节两个控制参数。为防止产生较大的电流,建立电流限幅控制,提高电机控制性能。仿真和实验结果表明,提出的控制方法对于参数变化和外部扰动,具有较强的鲁棒性、抗干扰能力,能够实现较快的动态响应,减小电流纹波,降低电流静差,获得较优的电流环动静态性能;抑制转速脉动和超调量,稳定跟踪额定转速,有利于电机的平稳运行。

自动驾驶汽车的无偏移非线性模型预测控制研究

为解决自动驾驶汽车运动控制中基于横向-纵向耦合结构的无偏移非线性模型预测控制(OF-NMPC)的稳态误差问题,使用无迹卡尔曼滤波器观察控制器状态和扰动,并纳入模型预测和参考值计算以消除稳态误差。仿真和实车试验结果表明,所提出的OF-NMPC算法可有效消除稳态误差,提高系统的动态性能。

基于非线性模型预测的四旋翼无人机轨迹跟踪控制

针对四旋翼无人机轨迹跟踪控制器跟踪性能不稳定的问题,提出一种基于非线性模型预测控制(nolinear model predict control,NMPC)的轨迹跟踪算法。首先,建立四旋翼无人机的动力学模型,定义四旋翼无人机的位置和姿态为状态量,螺旋桨转速为控制输入量,建立非线性状态空间方程作为控制算法的预测模型。其次,定义最优化函数和四旋翼无人机控制约束,将轨迹跟踪控制问题转换为非线性最优化求解问题。最后,通过多重打靶法求解得到的最优控制量作为四旋翼无人机的输入信号。为验证NMPC算法的跟踪性能,在Matlab中搭建仿真平台进行对比实验,结果表明,与PID和串级模型预测控制(model predict control,MPC)及改进MPC方法相比,NMPC算法能够在满足约束的情况下完成轨迹跟踪任务,误差小、精度高,并具有抗干扰能力。

四足机器人整机非线性模型预测控制

四足机器人运动控制的研究对于推动机器人技术的发展具有重要意义。提出了一种以非线性模型预测控制(NMPC)和整机控制(WBC)结合的四足机器人运动控制算法。为了提高计算效率,将四足机器人的本体假设为一个单刚体模型(SRBD),为了使四足机器人的运动控制更为稳定和精准,使用实时迭代的方案,让NMPC以25 Hz的频率进行在线规划,WBC以500 Hz的频率实时控制机器人运动状态。通过在仿真环境中的机器人全向行走,验证了NMPC和WBC结合的四足机器人运动控制算法的有效性和优越性。

约束非线性系统理想点多目标安全预测控制

考虑具有状态和控制约束的仿射非线性系统多目标安全控制问题,本文提出一种保证安全和稳定的多目标安全模型预测控制(MOSMPC)策略.首先通过理想点逼近方法解决多个控制目标的冲突问题.其次,利用控制李雅普诺夫障碍函数(CLBF)参数化局部控制律,并确定系统不安全域.在此基础上,构造非线性系统的参数化双模控制器,减少在线求解模型预测控制(MPC)优化问题的计算量.进一步,应用双模控制原理和CLBF约束,建立MOSMPC策略的递推可行性和闭环系统的渐近稳定性,并保证闭环系统状态避开不安全域.最后,以加热系统的多目标控制为例,验证了本文策略的有效性.

基于非线性MPC的电动赛车驱动防滑控制

文章采用非线性模型预测控制(model predictive control,MPC)方法实现轮边驱动电动赛车的驱动防滑控制。为了实现电动赛车良好的纵向加速和轮胎抓地性能,将车轮滑移稳定区作为非线性模型预测时域约束,建立轮边电机滑移率控制模型;结合赛车空气动力学套件和轮胎特性,在MATLAB/Simulink软件中建立驱动防滑模型成本函数来平衡目标滑移率、目标扭矩变化率和最大扭矩限制等多个目标;通过CarSim和MATLAB/Simulink的联合仿真并结合半实物在环台架试验验证模型的有效性和可靠性。联合仿真和试验验证结果表明,该文方法可以有效地提升赛车的纵向性能。

一种改进非线性模型预测轨迹跟踪控制方法研究

在狭窄场景中(如停车场)车辆运动空间有限并与障碍物距离较近,车辆在行进过程中容易造成擦碰。为避免此类事故的发生,需要进一步优化车辆跟踪控制算法,以提高其控制精度和计算效率。为此,提出了一种改进的非线性模型预测车辆轨迹跟踪控制方法。该方法采用改进的二阶龙格库塔方法对汽车前进/倒车运动学模型进行离散化处理;针对非线性优化导致的计算负担问题,提出一种基于动态的移动分块矩阵策略来约束控制量,以减少独立输入量的数目,降低计算复杂度。仿真结果表明:所提的控制方法相较于前馈PID以及原NMPC,在横向误差方面分别减小了50.4%、28.21%;在航向误差方面分别减小了19.58%、12.53%。在梯形和弯曲轨迹下,求解时间相较于原NMPC分别减少了28.73%、9.89%。因此,所提方案在跟踪精度与数值求解效率方面得到了明显的提升。

在线优化参数的多变量无模型预测线性自抗扰控制

针对时变参数的多变量线性模型上叠加非线性的系统,采用具有辅助向量的多变量偏格式动态线性化方法逼近该系统,在多变量线性状态观测器中加入辨识的线性模型,提高状态观测精度。在多变量线性跟踪微分器和状态观测器分别引入超前参考输入与输出预测值,使多变量线性自抗扰控制器具有预测控制性能。运用非线性递推最小二乘法在线优化多变量线性自抗扰控制器的参数,给出在线优化参数的多变量无模型预测线性自抗扰控制算法。结果表明:无参数优化时的响应曲线,超调大,调节时间约1 s,无稳偏;有参数优化时的响应曲线,超调较小,调节时间约0.65 s,无稳偏,控制算法的响应优良。

在线优化可变基的非线性预测函数控制

针对基本预测函数控制只能用于线性系统控制的这一不足,给出基于实用随机NARMAX模型的非线性预测函数控制,采用可克服算法病态的非线性递推最小二乘法进行参数估计,利用在工作点处的动态切平面逼近方法,将实用随机NARMAX模型用线性时变CARMAX模型逼近,使非线性预测函数控制转化为线性模型下的预测函数控制,用线性优化算法求解控制输入,避免了复杂的非线性优化问题,并采用直接极小化指标函数优化算法对可变基函数的加权系数进行在线优化,提出在线优化参数的非线性预测函数控制。仿真研究表明,因算法具有优化可变基函数加权系数和预测函数控制功能,系统具有优良的控制响应。

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。

基于非线性模型预测的欠驱动船舶轨迹跟踪控制研究

针对欠驱动船舶轨迹跟踪控制系统具有非线性、大惯性、时滞、局部线性不可控等特点,结合扩展卡尔曼滤波器和序列二次规划算法,设计了基于非线性模型预测的船舶轨迹跟踪控制策略.首先,设计了具有一定复杂度的参考轨迹,用于测试船舶的各种工况及工况切换情况.其次,应用船舶欠驱动三自由度运动控制模型与所设计的参考轨迹建立了非线性约束优化问题的目标函数,采用序列二次规划算法进行优化求解,并在扩展卡尔曼滤波器中对测量函数的雅可比矩阵进行了预求解以减少算法计算量.最后,通过对一艘运输船进行仿真试验,验证了所设计轨迹跟踪控制器的有效性和实时性.

基于非线性模型预测控制的城市路网交通流优化

为提高城市路网设计效率,文中提出一种基于非线性模型预测控制的城市路网交通流优化方案。采用预测控制方法,利用模拟试验验证所提算法在道路网络中的应用,从而最大限度地提高路口的通行能力;同时,验证迭代式识别在车辆流量模型的参数识别中的正确性。研究结果表明:采用时变参数模式预测时,每个路口的队长度差异都是比较合理的,模型预测结果与仿真结果接近;采用该模型的预测控制算法可以对网络的实时状况进行实时修正,从而改善道路的运行性能,8:00时段道路阻塞状况的模拟结果证明该方法具有较好的性能。相比之下,当系统中产生随机扰动时,自适应迭代学习辨识算法可以实现对系统期望输出的快速跟踪,具有较快的收敛速度和良好的效果。

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。

基于非线性扩张状态观测器的交错并联Buck变换器无模型预测控制

针对交错并联Buck变换器在复杂环境下受到内外部扰动导致控制性能下降问题,提出一种基于非线性扩张状态观测器的无模型预测控制策略(NESO-MFPC)。建立超局部模型来替换原有先验物理模型,降低控制系统模型精度依赖。设计非线性扩张状态观测器估计超局部模型中未知干扰部分,并补偿到基于超局部模型的预测模型中去,提高抗干扰能力。设计无差拍预测控制策略,保证系统的快速动态响应。仿真结果表明,相比于传统控制方法,该控制策略具有更优的动稳态性能和鲁棒性。

UPQC的非线性PI-模型预测控制策略

由于统一电能质量调节器(unified power quality conditioner, UPQC)系统复杂性高,使得其控制难度大并且动静态性能不理想。为了进一步提高UPQC的控制性能,提出了基于非线性比例积分(proportional-integral, PI)与模型预测控制(model predictive control, MPC)的混合控制策略。UPQC的混合控制策略中电压外环采用非线性PI控制器来获取更加准确的期望电流,有效地抑制了静态误差;采用模型预测控制来设计电流内环控制器,使得内环电流能更好地跟踪期望值,UPQC系统的鲁棒性更强。计算机仿真结果表明,该控制策略有效提升了UPQC动静态性能,与PI-MPC及PI-PI控制策略相比,当电网电压发生谐波污染、电压突增、电压突降时可获得更接近正弦的负载电压,当负载电流发生突变时可获得更接近正弦的电网电流。

基于支持向量机的非线性模型预测控制

支持向量机是基于统计学习理论的新一代机器学习技术。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它把非线性问题转化为线性问题来解决,降低了算法的复杂度。提出了一种基于支持向量机的模型预测控制结构,并使用一个新的随机搜索优化算法来求解预测控制律,计算机仿真证明了所设计的控制算法的正确性和有效性。

非线性模型预测控制的现状与问题

模型预测控制的一个主要优点是能显式并优化处理控制量和状态量的约束。为此 ,主要围绕非线性预测控制的算法、稳定性和鲁棒性、对偶问题和滚动时域估计的最新研究成果进行综述 ,并阐述了理论与应用方面有待进一步研究的几个主要问题。

非线性Hammerstein模型预测控制策略及其在pH中和过程中的应用

所有实际工业过程都包含一定程度的非线性,如pH中和过程由于其本身的强非线性是工业过程控制中具有挑战性的难题,但至今为止仍缺乏有效的非线性控制方法。将基于差分方程模型的模型预测控制策略(model predictive control,MPC)推广到包含一个静态非线性多项式函数和一个线性差分方程动态环节的非线性Hammerstein系统,详细描述了基于静态非线性多项式函数的最优控制作用求解方法,提出了一套新的非线性Hammerstein MPC控制策略(nonlinear Hammerstein predictive control,NLHPC)。pH中和过程控制仿真和控制实验表明,NLHPC的控制结果好于工业上常用的非线性PID(nonlinear PID,NL-PID)控制器。

非线性系统模型预测控制若干基本特点与主题回顾

随着线性系统模型预测控制的大量成功应用,基于非线性模型的预测控制简称非线性预测控制(NMPC)在近20年来引起了广泛关注,并取得了丰富的研究成果.本文在阐述NMPC基本原理和特点的基础上,分别从优化可行性、稳定性、鲁棒性、优化求解、吸引域等主题出发,分析并总结NMPC的研究现状.最后,在指出NMPC有待进一步深入研究问题的同时,展望当前NMPC的一些研究方向.

基于最小二乘法的欠驱动水面船舶模型预测控制

针对欠驱动水面船舶轨迹跟踪控制问题,根据模型预测控制(Model Predictive Control, MPC)原理,提出一种基于参数化模型的非线性模型预测控制(Parameterized Model-Nonlinear Model Predictive Control, PM-NMPC)方法。采用最小二乘法对船舶的参数化模型进行辩识,设计PM-NMPC控制器。对环境干扰下的某集装箱船艏向角控制和轨迹跟踪进行试验,验证控制算法的有效性,并将该控制器与比例积分微分控制器(Proportional plus Integral plus Derivative cotroller, PID cotroller)控制器进行对比。仿真结果表明,PM-NMPC控制器轨迹跟踪效果更好,对未知干扰具有更强的稳健性。