MPC灰色理论算法在同步预测控制器设计中的应用

随着人工智能算法和预测模型的发展与优化,对复杂交叉耦合的环境和对象,数学模型建立困难或测试手段精度不高的场景,难以保证有效的控制方案运行和算法应用。首先,在分析干扰模型和同步控制预测原理基础上,引入MPC(模型预测控制)灰色理论算法的经验值理论,灰色预测算法的原理是约束集均方值最优解。其次,将多变的输入参数整合成若干段的模型匹配的数学模型,其控制系统的时间轴能够以离散时序建立完整的时间模型。利于分析和解决无法用传统数字精确描述的复杂模型或系统问题,尤其是信息获取不完备或者失真的参数信息。最后,分析工业控制模型多为纯滞后的二阶惯性环节的时延控制对象,通过三组建模和仿真实验,得出基于MPC灰色理论算法设计同步预测控制器具有较好的优势,属于一种多值混合动态算法。在误差调节和波动抑制具有良好的同步效果。

仿人MPC算法在步进电机储能与建模中的研究

步进电机在电能存储和补偿过程中存在建模精确度低、输入采样量失真、模型结构多变和负荷输出失配等问题,从而导致电能存储和补偿无法达到预期设计标准。为此,将仿人MPC算法引入步进电机的数学建模过程中。首先,分析电能从输入采样到输出反馈的数学模型构建过程,以及步进电机存储与建模的工作原理;其次,针对模型失配和参数动态变化对步进电机产生的影响,利用仿人预测控制策略有效地解决了步进电机电能存储和补偿的精度问题。仿真实验结果表明,控制结果在模型匹配时性能良好,在模型失配时依然能满意运行,使储能与建模幅度和误差精度都能达到要求。

基于模型预测控制的静液压变速器转速控制研究

为提高静液压变速器(HST)控制系统的自适应性和鲁棒性,结合模型预测控制(MPC)与粒子群优化(PSO)算法对HST转速控制性能进行仿真和实验研究.首先,基于状态扩展空间方程建立HST的预测模型,引入PSO确定MPC的最佳超参数,获得综合性能指标最佳的模型预测控制器模型.然后,对HST进行阶跃响应与加减速控制仿真,同时搭建静液压传动实验平台对模型预测控制HST的可行性进行验证.结果表明:在阶跃响应和期望转速突变条件下,模型预测控制HST的输出转速均在较短时间内稳定在期望转速附近,且超调量最大不超过5%,具有较好的静态特性.期望转速突变时,MPC亦能快速准确地调控变量泵的排量,使马达转速迅速达到新的稳定状态,且调控过程的转速波动较小.所得实验结果与仿真结果一致,表明MPC在HST转速控制方面具有可行性.最后,针对更为复杂的工况(变化的输入功率、多变的期望转速以及突变的外部负载),采用仿真手段研究了MPC对HST的转速控制性能.结果表明:在复杂工况下,MPC亦能使HST具有较好的静动态特性,其转速波动得到有效降低,马达输出转速能稳定在期望值附近.

无人驾驶车辆路径跟踪混合控制策略研究

针对单一控制算法无法同时满足无人驾驶车辆对路径跟踪精度和控制器求解速度需求的问题,提出一种基于线性二次型调节器(LQR)和模型预测控制(MPC)的混合控制策略。该策略在低速工况下使用线性二次型调节器、在高速工况下使用模型预测控制算法进行路径跟踪控制,在此基础上设计基于有限状态机(FSM)的控制算法切换机制,并通过遗传算法(GA)对控制参数进行优化,基于CarSim和MATLAB/Simulink仿真平台对混合控制策略进行仿真验证,并进一步完成了实车试验。试验结果表明,所设计的混合控制策略能够在提高跟踪精度的基础上缩短计算时间,与单一控制算法相比,平均横向误差和平均航向误差分别减小了26.3%和39.6%,平均计算时间缩短了10.9%。

基于KL散度工况识别的混合动力汽车队列的分层控制

针对混合动力汽车队列行驶过程中工况的适应性问题,提出了一种基于KL(Kullback-Leibler)散度工况识别的分层控制方法。上层控制器利用车—车通信技术,获取队列中前车状态信息,采用模型预测控制(MPC)算法,实现队列纵向控制,并计算出最优跟车车速;下层控制器基于典型工况,离线求解需求功率的转移概率矩阵,并通过Q-Learning算法训练最优Q表嵌入整车模型中;在行驶中以固定时间长度在线更新转移概率矩阵,采用KL散度进行工况识别,根据识别的工况类型,结合当前时刻车速、需求功率和电池荷电状态(SOC),通过在线查表实现转矩分配。结果表明:与未考虑工况识别策略相比,本策略的油耗降低了8.6%;与作为基准的动态规划(DP)相比,增加了4.8%;在与DP油耗基本保持相同的前提下,该策略离线仿真时间缩短21%,不仅能够在线应用,还能实时适应工况变化。

五相感应电机变采样周期模型预测控制策略

针对无调制模块的模型预测控制器MPC(model predictive controller)存在的谐波含量高问题,提出1种新型基于模型的变采样周期MPC策略,并将其应用于五相感应电机驱动系统。分析了MPC对时间固定离散化所带来的问题,而引入调制或调制替代来解决此问题将使控制系统复杂度增加,故遵循更简单、自然的思路,基于追击算法来改变采样间隔,结合MPC确定最优控制动作和实施时间,实现变采样周期MPC方案。利用五相感应电机驱动系统开展实验,实验结果验证了新型变采样周期MPC优良的参考跟踪和电流谐波性能。

基于模型预测控制的多钢筋并行排布智能深化设计方法

传统钢筋深化设计的大量排布工作是基于手动或半自动化的方式完成的,时间及人工成本较高。目前基于单根钢筋的智能设计方法存在3个问题:同向钢筋没有共享机制,无法利用相似信息,造成大量重复性计算;钢筋之间不具备协同机制,无法保证钢筋前后左右间距的一致性;优化策略基于局部信息进行智能体轨迹规划,难以应对复杂和特殊的钢筋排布场景。为解决上述问题,提出基于模型预测控制(MPC)的多钢筋并行排布智能设计方法,以提高钢筋的排布效率及质量。MPC是一种可以兼顾全局信息和局部信息的寻优策略,通过滚动优化和最优解首元素的应用,提高钢筋应对复杂环境的能力,实现钢筋智能避障和长度优化。多钢筋并行排布策略采用领航跟随者模式实现信息共享和行为协同,利用同向钢筋的相似信息,可减少重复性工作并保证钢筋间距一致。为提高优化效率和质量,结合群体智能的优点进一步改进差分进化算法,并将其作为MPC的求解器。实验结果表明,通过与单钢筋排布方法在不同障碍物情形下的对比,提出的多钢筋并行排布方法能够有效提高钢筋排布的质量、优化效率和应对复杂障碍物场景,并以预制混凝土楼梯构件设计为示例,验证了所提方法的可行性和有效性。

基于MPC的驾驶员转向控制行为建模与仿真

为了描述驾驶员的转向行为,研究了驾驶员转向过程中的预瞄及滚动优化行为,由于难以用简单的数学表达式反映汽车转向过程中驾驶员的行为,提出选用搜索算法及模型预测控制方法(Model Predictive Control,MPC)进行具体建模。最后,结合车辆动力学软件veDYNA对所建立的驾驶员转向行为模型进行验证。仿真结果表明,驾驶员转向控制行为模型对人类驾驶员的仿真相似程度较高,符合人类驾驶员的驾驶特点,说明改进模型预测控制理论为研究驾驶员模型提供了有效途径。

时延MPC自主车辆协同控制算法与仿真

协同自适应巡航控制(CACC)系统中车辆纵向运动的上下位分层控制器结构,上位控制器采用状态空间模型预测控制算法,利用期望距离以及车辆与环境的实时信息决策出被控车辆运动的期望加速度。下位控制器根据期望加速度,求解发动机节气门开度或制动压力。车辆的执行器时延会对系统的稳定性产生很大的影响。根据动态矩阵控制算法对纯滞后对象的补偿作用,提出一种改进的模型预测控制算法,并与PID控制算法(下位控制器)相结合形成自主车辆纵向运动的上下位分层控制器,以补偿车辆的执行器时延带来的影响。通过SIMULINK/CARSIM联合仿真平台对所设计的算法进行了仿真研究,仿真结果表明所设计算法减小了CACC系统车辆在跟随过程中的速度跟踪误差以及间距误差,提高了系统的稳定性法。

弯道车辆自适应巡航横纵向跟踪控制

针对车辆在弯道工况下的跟踪控制问题,提出一种适用弯道工况的自适应巡航(ACC)控制系统。针对复杂的道路情况,将ACC系统划分为定速巡航、跟随、避撞3种模式;设计基于PID定速巡航模式,基于模型预测算法(MPC)的纵向速度跟踪控制器,设计考虑纵向车速的横向路径控制器,引入横向与纵向安全指数,实现车辆横向与纵向运动的跟踪控制;通过Matlab/Simulink和Carsim搭建仿真平台,设计4种仿真工况验证所设计跟踪控制器的有效性。仿真结果表明:所设计的横纵向跟踪控制器能跟踪期望的轨迹,具有较好的鲁棒性。

基于改进MPC算法的汽车稳定性控制研究

为提高电动汽车运行的稳定性,以电动汽车为研究对象构建八自由度动力学模型及其动力学方程,并采用并行混沌算法(PCOA)优化基于模型预测控制(MPC)的目标函数,提出一种基于改进MPC算法的汽车稳定性控制方法。仿真结果表明,所提方法可实现汽车稳定性控制,具有良好的跟踪性能,跟踪误差在允许范围内,满足汽车稳定运行要求。相较于基于极值搜索控制(ESC)方法,所提方法跟踪性能更好,跟踪误差更小,可更好地控制运行中汽车的稳定性,具有一定的有效性和优越性,为汽车稳定性控制研究提供了理论参考。

基于MPC的PHEV转矩分配控制策略研究

为提高并联混合动力汽车(parallel hybrid electric vehicle,PHEV)的燃油经济性,文章提出了一种基于模型预测控制(model pedictive control,MPC)的PHEV转矩分配控制策略。首先建立马尔柯夫模型,在预测时域内预测汽车的速度和加速度,为提高预测准确性,提出一种利用工况速度差的改进方法;然后将马尔柯夫模型与动态规划算法相结合,搭建基于模型预测控制的转矩分配控制策略;最后基于ADVISOR建立PHEV模型进行仿真对比分析。结果表明,该文提出的改进方法能够提高预测准确性;提出的转矩分配控制策略与基于规则的逻辑门限控制策略相比,整车的百公里燃油消耗率降低了7.4%。

基于粒子群优化的生物质燃烧过程环保经济预测控制

考虑包含状态约束与控制约束的生物质非线性循环流化床锅炉(CFBB)燃烧过程的多目标控制问题,提出一种环保经济模型预测控制(EMPC)算法。采用机理建模方法建立约束生物质非线性燃烧过程模型。为了在系统稳定的前提下,优化生物质燃烧过程经济性能和环保性能,结合字典序方法与收缩约束关联优化问题,通过粒子群优化算法(PSO)求解优化问题,并结合滚动时域控制原理,设计CFBB燃烧过程环保型经济模型预测控制算法。最后仿真验证本文控制算法的有效性与优越性。

不平衡电网电压下三相并网逆变器的控制策略分析

针对不平衡电网电压并网成功率低,逆变器控制能力不足的问题,对不平衡电力数据进行整定,通过设计径向基函数(RBF)自适应控制网络完成电力设备在三相不平衡环境下的配合调节,由PI调节器完成参数调节,进而增加并网成功率;采用模型预测控制(MPC)算法对三相异常数据进行排查,通过对比两种不同环境下并网关系推算最佳并网策略,实现电力设备的安全并网。试验表明,采用的KLH系列逆变器,容量为2 KVA/220 V,用这种方式并网产生的不平衡电压变化为85.8 V,并网成功率为95.2%。

基于改进人工势场法的车辆路径规划与跟踪控制

针对采用传统人工势场法进行车辆路径规划时易造成局部极小值与目标不可达的问题,通过改变斥力函数并增加车道边界约束条件函数的方式改进传统人工势场法,进行车辆路径规划。采用模型预测控制(model predictive control,MPC)算法跟踪控制改进人工势场法生成的规划路径,采用软件CarSim与Simulink搭建联合仿真模型对路径跟踪效果进行仿真试验。结果表明:改进人工势场法路径规划合理有效;跟踪路径与规划路径的横向误差小于0.4 m。改进人工势场法和MPC算法应用于无人驾驶车辆的路径规划与跟踪控制具有可行性。

具有紧急制动功能的多模式自适应巡航控制策略

为了提高分布式电动车自适应巡航控制(ACC)对复杂多变工况的适应能力,提出了一种具有紧急制动功能的多模式自适应巡航控制策略。针对复杂工况问题,在上层控制器中将ACC系统划分3种主模式和4种子工况;设计基于模糊PID的定速巡航模式以及基于模型预测控制(MPC)的多目标优化控制的跟随模式;在下层控制器中基于电机模型选取目标制动轮缸压力作为紧急制动压力。仿真结果表明:所设计的多模式切换策略有效提高了车辆跟车性与舒适性以及面对紧急工况时的安全性,验证了所设计的控制策略的有效性与可行性。

基于改进的模型预测控制无人驾驶车辆路径跟踪控制

为提高无人驾驶车辆路径跟踪精度和稳定性,提出一种基于粒子群优化(Particle Swarm Optimization,PSO)和高斯过程回归(Gaussian Process Regression,GPR)的模型预测控制(Model Predictive Control,MPC)参数自适应方法(PSO-MPC).使用PSO离线优化MPC参数,利用GPR生成最优参数曲面,可在各种工况下提高无人驾驶车辆路径跟踪的性能.仿真结果表明,改进的MPC方法在整个路径跟踪过程中能保持车辆稳定性,同时实现良好的路径跟踪精度.最后,在真实的无人驾驶车辆上验证了改进的MPC方法的有效性.

模块化多电平换流器优化模型预测控制策略研究

模块化多电平换流器(modular multilevel converter,MMC)具有效率高、谐波小、模块化设计、易级联等优点,在高压大容量电能变换领域得到了日益广泛的应用。作为一种先进的控制策略,模型预测控制(model predictive control,MPC)通过目标函数可同时控制多个系统变量,具有建模直观、动态响应快等优点。传统MMC模型预测控制通过计算所有开关状态组合以实现最优控制目标,但随着桥臂模块数量的增多,计算量将呈几何级数增长,严重制约MPC的工程推广应用。针对N+1电平MMC,提出一种优化的模型预测控制算法,在对子模块电压、交流电流、相间环流、器件开关频率有效控制的同时,将开关状态组合计算量从C N2N降至N+1。针对子模块数高达数百的MMC,进一步提出分组排序优化模型预测控制(grouping-sorting algorithm combined OMPC,GSOMPC)策略,在降低桥臂子模块电压整体排序对硬件资源苛刻需求的同时,将开关状态组合计算量从N+1降至2X+M+3(N=M×X)。基于2.7 k V/60 k W 23电平MMC背靠背动模实验平台的实验结果证明了所提优化模型预测控制(optimized model predictive control,OMPC)及GSOMPC策略的正确性与有效性。

基于Kautz模型的永磁同步电动机调速系统电流预测控制

提出了一种基于Kautz模型的自适应增量式模型预测控制算法,并将该算法应用到基于DSP TMS280F2812的永磁同步电动机数字控制平台上,实现了对永磁同步电动机电流的数字控制。根据数字控制平台的局限性,作者对该算法进行了优化。大量实验证明,提出的模型预测控制算法可以使永磁同步电动机电流控制系统具有较快的响应速度,较为平稳的运行状态,较强的鲁棒性,在电机控制领域具有较高的工程应用价值。

智能汽车换道避障路径规划与跟踪控制

为了提高智能汽车换道行驶的安全性,提出一种智能汽车换道避障的控制方法。基于驾驶员的换道行为数据,对实际驾驶员的换道行为进行分析,通过聚类分析得到不同车速区间下换道过程中的方向盘转角数据;借助商业场景软件PreScan对换道轨迹进行还原,对传统的模型预测控制(Model Predictive Control,MPC)算法进行改进,以实际驾驶员的换道轨迹作为控制算法的输入,开发了一套仿驾驶员换道系统,并基于dSPACE仿真机柜搭建一套模型在环(Model In Looping,MIL)测试平台,对开发的仿驾驶员换道系统的策略与性能进行仿真测试。结果表明,仿驾驶员换道系统可以较好地避开障碍物完成换道操作,并且保持较好的安全性与稳定性。