基于改进LPV模型的自动驾驶轻型货车横向控制

本文为适应物流自动驾驶轻型货车载荷显著变化的特点,满足低计算负载和高稳定性等需求,提出了一种基于LPV-MPC的路径跟踪控制方法。首先构建线性参变模型,并制定该模型与调度变量-速度和载荷的非线性映射规则,旨在提高行车稳定性并降低系统对参数的灵敏度;然后在滚动优化部分,为解决规划层提供的离散轨迹点稠密程度不匹配控制模块预测层需求的问题,设计了一种轨迹重构的方法,构建了适应预测层时域尺度的平滑轨迹序列,能有效降低预测状态与真实状态的偏差;同时采用了多点状态量偏差预测方式代替单点偏差预测,充分利用了参考轨迹信息从而提高跟踪精度;最后通过联合仿真和实车试验,验证了所提出控制策略的有效性。

改进的扰动LPV系统输出反馈预测控制

针对一类带有有界状态干扰的多胞描述LPV系统,文中提出了一种鲁棒预测控制改进方法,并设计了保证系统渐近稳定的输出反馈控制器。为抵消有界状态干扰,该控制器考虑无扰动LPV系统,基于离线状态观测器,采用线性矩阵不等式求解预测控制无穷时域最小-最大优化问题。随后利用离线状态观测器获得扰动LPV系统与无扰动LPV系统状态的估计值之差,以确定保性能的反馈增益,从而得到使扰动LPV系统渐近稳定的最优偏移量,并将其与无扰动系统控制律组合作为最优控制律施加于实际系统。实验结果表明,运用改进的鲁棒预测控制方法能获得较好地控制性能,同时提高了系统的稳定性和解决优化问题的效率,仿真试验也验证了该算法的有效性。

带有界干扰的LPV系统鲁棒预测控制综合方法

针对带有界干扰的多胞描述约束LPV系统,提出一种鲁棒预测控制综合方法,设计保证系统闭环稳定的状态反馈控制器。为减少计算的复杂性,采用线性矩阵不等式求解预测控制无穷时域最小-最大优化问题,获得状态反馈控制律,将该控制率施加到系统,证明了算法的可行性和系统的闭环稳定性。通过仿真实验验证了算法有效性。

基于LPV系统的折叠翼仿生变形无人机模型预测控制方法研究

为了改善折叠翼仿生变形无人机变形暂态过程纵向控制性能,利用线性变参数(Linear Parameter Varying,LPV)系统的模型预测控制(Model Predictive Control,MPC)方法,在线性时不变(LTI)系统MPC控制方法的基础上,运用线性变参数(LPV)系统的MPC控制,使MPC在线优化问题转化成二次规划(QP)问题,可将成熟的数值算法在线求解。将该方法运用于折叠翼仿生变形无人机,仿真结果表明,相对于非支配排序的遗传算法NSGA-II-PID,该方法具有更好的控制性能和输入约束能力。研究结果为变形无人机的暂态控制提供了一种更优的选择,可以促进变形无人机暂态控制技术的进一步发展。