智能汽车轨迹跟踪MPC-RBF-SMC协同控制策略研究

针对自动驾驶车辆行驶过程中模型失配以及外部环境干扰导致车辆轨迹跟踪环节精确性不高的问题,提出了一种结合车辆运动学模型预测控制(MPC)、径向基(RBF)神经网络和滑模控制(SMC)的轨迹跟踪控制策略。通过建立车辆运动学MPC模型计算当前状态车辆期望横摆角速度,并将其与实际横摆角速度的偏差输入RBF-SMC控制器,利用RBF快速逼近非线性模型的特点,结合滑模控制输出前轮转角,实现车辆的横向轨迹跟踪控制。仿真结果表明,与传统的控制器相比,该方法轨迹跟踪精度显著提高,并在不同行驶工况下表现出较好的鲁棒性。

基于CL-RRT与MPC的舰载机牵引系统路径规划

针对舰载机在甲板狭小、复杂环境下的调运过程,结合闭环快速随机搜索树(close loop rapidly exploring random trees,CL-RRT)和模型预测控制(model predictive control,MPC)提出一种舰载机牵引系统的路径规划算法。首先,在CL-RRT中采用纯追踪器与线性二次型(linear quadratic,LQ)控制器得到系统的控制输入并向前仿真得到规划路径。其次,将已得路径进行等比缩放与插值作为MPC的初始解。最后,设置MPC的目标函数等并解得最终路径。展开自定义三个场景下的仿真实验,通过与CL-RRT算法的实验结果进行比较,验证本文算法的优越性。实验结果表明,所提算法可有效解决因采样随机性带来解质量不佳的问题,提升舰载机在甲板上的调运效率与安全性。

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。

基于MPC的光-储协同调频优化策略

[目的]为了降低光伏发电给电网带来的频率扰动,并进一步提升调频效果,提出了一种基于MPC(Model Predictive Control)的光-储协同调频优化策略,分析了该策略的基本原理、控制流程、约束条件、目标函数并优化了权重系数。[方法]构建了一个基于MPC的光-储并网系统模型,并根据该模型推导出了非线性状态空间方程。为了验证该策略的调频效果,设置了4种不同的仿真环境:无储能、带电池储能、带混合储能以及文章提出的策略。[结果]仿真结果表明:与其他场景相比,所提出的策略在调频效果上是最优的,无储能的条件下调频效果是最差的,此外,采用混合储能的调频方法优于使用电池储能的方法。[结论]在MATLLAB/Simulink平台上验证了所提策略的有效性。在光伏发电系统中,对储能和光伏最大功率点跟踪进行优化控制,能使电网频率更加稳定,从而提高整个系统的稳定性。该研究成果可为光伏发电并网提供参考依据。

基于T-S MPC的车辆自适应巡航控制策略研究

针对于汽车自适应巡航系统面对复杂工况时自适应性不强的问题,提出了一种基于T-S模糊变权重模型预测控制(Takagi-Sugeno fuzzy model predictive control,T-S MPC)的自适应巡航分层控制策略。首先上层控制器基于安全距离模型将自适应巡航系统划分为定速巡航模式、多目标优化控制的跟随模式和紧急制动模式;下层控制器基于车辆逆动力学模型,将上层控制器输出的期望加速度转变为节气门开度或制动压力;其次考虑到权重系数对控制精度的影响,建立基于T-S模糊控制的变权重模型预测控制器;最后搭建Carsim Simulink联合仿真平台,验证控制策略的准确性、适应性和跟踪响应速度。结果表明,在定速巡航工况时,T-S MPC控制方法跟踪响应时间为1.54 s,较PID和传统MPC控制跟踪响应快;在跟随和混合工况时,T-S MPC控制方法均方根误差为分别为0.3073、2.775,均低于PID、PID+LQR和传统MPC控制的均方根误差、并且自适应性好,有效提高了跟车性能与安全性。

基于MPC和PID的脚轮式全向移动平台轨迹跟踪

针对现有运动控制策略无法保证独立驱动脚轮式全向移动平台位姿的高精度控制问题,提出一种基于模型预测控制(MPC)和PID控制相结合的双闭环轨迹跟踪控制策略。首先,利用运动学几何关系建立独立驱动脚轮式全向移动平台在世界坐标系下的三自由度运动学模型,基于正交分解法建立平台在机器人坐标系下的逆运动学模型,以反映平台中心点速度与各个脚轮转速间的关系;其次,采用MPC并基于三自由度运动学模型设计位姿控制器,使平台对期望轨迹进行位姿跟踪,并在考虑多目标约束条件的情况下通过位姿控制器求解出最优控制量;最后,采用PID设计速度控制器,用于跟踪位姿控制器输出的期望速度,通过平台逆运动学模型计算得到期望轮速,从而驱动平台实现全向运动。通过仿真验证了所提控制策略的有效性,平台能有效跟踪直线轨迹和圆形轨迹。仿真结果表明,与通过平台转角逆运动学模型解耦驱动轮速的位置单环轨迹跟踪控制策略相比,加入速度内环后系统超调量下降97.23%,响应时间缩短36.84%。

采用改进MPC提高储能系统电压暂态特性研究

储能系统通过换流器实现并网运行,常规换流器因为其开关频率低,在采样、计算环节存在延时导致储能系统暂态特性差,甚至引起整个电网不稳定。本文采用模型预测控制MPC(model predictive control)来实现储能系统功率快速响应,避免延时影响。引入功率权重价值函数在有功、无功MPC控制中,计算储能换流器输出电压最优值。针对因为滤波电感参数偏移导致的MPC模型不准确问题,本文采用电感误差补偿控制来提高模型精度。通过Matlab/Simulink仿真和实验来验证本文所提方案可提高储能系统暂态特性,有效消除误差对MPC控制性能的影响。

基于MPC的TPC输出电压动态响应特性改善

三端口变换器(TPC)具有集成度高、功率密度高及各端口间单级变换的特点,但同时,能量流动会受多个变量的相互作用影响。输出电压控制环路采用传统PI控制器时,会造成电压动态调节过程响应慢,输出值波动大。为改善上述问题,引入模型预测控制(MPC)对输出电压动态响应进行优化,对三端口变换器进行了状态空间平均值建模,得到预测模型与控制变量的关系,设计了目标函数,通过遍历寻优获得最优值,从而提高输出电压的动态特性;通过实验对比研究输出电压环在传统PI控制、模型预测控制下输出动态响应的效果,结果表明模型预测控制对改善输出电压稳定性具有明显效果。

基于MPC的音视频同步码率自适应测试

随着信息化的发展,音视频流媒体技术应用面越来越广,为了使得音视频流媒体技术尤其是在直播方面拥有更好的性能,得到更多用户的好评,采用在原本HTTP的动态自适应流标准的视频流媒体架构下引入MPC控制算法并将MPC与码率自适应算法相结合的方法,进行对AAC优化、确定预测模型、测试音视频同步的影响因素以及PSNR-Y分量、测试切片时长与跳帧时延,计算最终的QoE用户评价指标来进一步检测音视频流媒体技术的优劣;经实验仿真测试可知,相比前人的相关算法,在不同直播场景下以及不同网络环境下均有更加良好的QoE值,平均QoE用户评价指标明显更高,为1 237.282 6;综上分析可知,MPC的音视频同步码率自适应算法各项性能最好。

基于FCS MPC的TNPC UPQC补偿策略研究

针对传统统一电能质量控制器(UPQC)控制策略存在控制性能不佳的问题,以三电平变流器为对象提出基于有限集模型预测控制(FCS MPC)的TNPC UPQC的补偿策略。设计了补偿量检测环节,研究了串并联侧补偿量控制策略;并通过进一步优化分区,在减少控制器计算量的同时,兼顾了三电平变流器中点电位平衡的控制效果。最后在MATLAB/Simulink仿真实验平台搭建模型,仿真结果证明了所提出的设计方法的正确性和可行性。

基于MPC的AGV导航控制

在构建自动导向小车AGV的结构及运动学模型时,由于建模方式不同,机体坐标系原点选择不同,前驱/后驱和前轮/后轮转向都会导致运动学模型结果不一致,精度较差。因此设计了AGV控制系统并对相关参数进行选取和计算;建立车辆运动学模型并在此基础上设计了AGV导航系统及导航算法,采用MPC优化算法提高轨迹跟踪精度。开展了仿真实验验证,对比AGV控制系统的性能和可靠性。结果表明,改进后的MPC模型在提高轨迹跟踪精度方面的表现比传统控制器模型及其他轨迹跟踪方法效果要好,证明所提方法能够提升车辆行驶的轨迹跟踪控制精度,具有很高的实用价值。

基于MPC的履带车步进行驶控制器设计

针对摊铺后处理履带车人工步进行驶易与摊铺路面发生碰撞,且难以摆正终点的车辆位置的问题,设计了一种基于MPC的履带车步进行驶控制器。该控制器基于四次多项式轨迹规划,规划步进轨迹,依据碰撞约束及终点平稳性设计目标函数;基于四次多项式规划结果,采用非线性MPC算法及线性MPC耦合PID算法进行轨迹跟踪仿真对比。仿真结果表明,控制器满足碰撞约束及轨迹平稳性要求,线性MPC算法实时性及轨迹跟踪效果更好,对提高路面摊铺后处理质量有重要意义。

储能MPC平抑分散式风电并网功率波动策略研究

针对分散式风力发电随机性及季节不均衡性导致的并网功率波动问题,提出基于模型预测控制的风储联合运行策略,以并网功率波动最小、储能出力最优及能量损耗最小为目标构建风储一体化运行模型,利用Matlab二次规划求解风电并网功率和储能输出功率;考虑到储能荷电状态的约束,采用模型预测控制算法优化电池储能充放电功率,实时滚动优化风储并网功率,保持储能SOC维持在合理的范围内,减少电池越限次数。算例基于内蒙古某分散式风电场全年实测录波数据,选取四季典型场景集分析1和10 min不同时间尺度下风电场输出功率与并网功率的最优解;仿真结果表明所提方法能够按照风电输出特性实时优化储能充放电,降低风电并网功率波动,提高风储联合系统的经济运行。

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。

采用MPC-MTPA的新能源车永磁同步电机控制研究

针对传统永磁同步电机控制器结构复杂,负载突变时动态响应速度慢,导致电机抗干扰能力差、工作效率低的问题,提出了一种模型预测控制(model predictive control,MPC)融合最大转矩比控制(maximum torque per ampere,MTPA)的电机非级联控制方法。构建MPC和MTPA控制器,利用MPC中的代价函数同时完成转矩控制和MTPA控制,在代价函数中引入动态分配的权重系数优化非级联MPC-MTPA控制器。仿真和试验结果表明:相比传统电机控制方法,提出的变权重系数非级联MPC-MTPA控制方法的稳定性提高约26%,动态响应特性提高约50%。

基于VMD-MPC法的智能风机能量自适应分配研究

智能风机能量分配过程受到噪声影响,导致分配效果不理想,提出基于VMD-MPC法的智能风机能量自适应分配方法。采用VMD法对智能风机能量信号进行分解,获取信号噪声谐波和分序列波动特性。利用MPC控制方法控制智能风机能量,通过计算所有分配任务实际的执行长度,结合最优能量分配原则实现智能风机能量的自适应分配。实验结果表明,该方法低压与高压风机能量分配的四个顶点坐标分别为(0,0,750)、(0,500,600)、(0,100,0)、(50,500,0)与(0,2 000,800)、(0,5 000,800)、(0,2 000,0)、(0,5 000,0),与理想分配结果一致,分配效果好。

车辆自适应巡航下的MPC方法的研究

提出了一种新颖的车辆自适应巡航控制(ACC)系统,该系统可以在保障跟车距离的同时,提升车辆的燃油经济性。基于模型预测控制(MPC)进行ACC的上层控制器搭建,并在此基础上采用高斯过程回归(GPR),网格搜索(GS)和自适应方法进行三轨参数调整,将控制域和预测域调整到最优状态。此外,为了减少计算量并提高稳定性,系统采用了粒子群优化算法(PSO)对系统进行升级改进。仿真结果表明,基于MPC控制的车辆自适应巡航控制系统可以在保证良好跟踪性能的同时降低燃油消耗率。

基于快速MPC的三相LCL并网NPC逆变器

针对三相LCL并网逆三电平中点钳位(Neutral Point Clamped,NPC)逆变器中有限集模型预测控制(Finite Control Set-Model Predictive Control,FCS-MPC)计算量大和控制速度慢导致NPC逆变器性能变差的问题,设计了一种快速模型预测控制方法。通过改变快速模型预测控制中参考电流电角度控制逆变器输出电流的相位,实现入网电流与电网同步;通过在冗余短矢量中选择合适的短矢量,实现直流侧中点电压平衡,减少计算量;通过缩小计算扇区,使快速模型预测控制仅在当前最优输出电压矢量附近进行寻优计算,进一步减少计算量。在MATLAB/SIMULINK中搭建了三相LCL并网NPC逆变器仿真模型,仿真结果验证了上述控制方法的快速性和可行性,运算速度提高了18.31%,入网电流总谐波失真(Total Harmonic Distortion,THD)值减少了2.38%。

基于MPC算法的无人驾驶插秧机控制系统研究

针对水稻插秧机无人驾驶需求,以井关PZ60型插秧机为试验平台,采用RTK-GPS北斗定位技术获取插秧机无人驾驶所需的高精度位置信息,以华测领航员NX300电动方向盘为执行元件实现无人驾驶插秧机转向操作。基于CAN总线设计了插秧机无人驾驶系统,通过CANOPEN协议与电动方向盘、上位机等进行通信,对待作业地块进行路径规划,用直线段与拐弯段填充作业路径,建立插秧机运动学模型。同时,提出了一种基于线性时变模型预测控制的路径跟踪算法,控制插秧机按规划路径进行直线追踪和地头转弯,实现了插秧机无人驾驶。进行插秧机无人驾驶田间试验,结果表明:基于MPC算法的控制器能够使无人驾驶插秧机车速1m/s时,有效跟踪预定义路线,直线段跟踪误差最大2.02cm,满足插秧机无人驾驶精度要求。

基于自适应采样时间MPC的自动紧急制动系统

针对传统AEB系统控制过程中缺乏对舒适性考虑以及控制精度较差等问题,提出了一种考虑多目标的模型预测控制(MPC)策略。首先,通过引入模糊规则计算场景工况的紧急系数,并基于此设计自适应采样时间MPC上层控制器,接着采用PID反馈控制与逆发动机模型设计下层控制器,最后通过PreScan与Simulink联合平台进行仿真试验,并进一步在实车试验平台上验证。结果表明,基于本文策略的AEB系统在两种典型场景、多种运行工况下均能避撞成功,加速度变化率始终位于舒适区间,最终车间距离为1.74~4.18 m,能确保车辆自动紧急制动过程中的舒适性与有效性。