基于二维动态减载和双层MPC的风储联合调频与功率优化分配

风机可以通过减载控制提供调频备用功率,但存在弃风量大的问题。为此,结合储能装置,设计了考虑风速分区与储能荷电状态(SOC)的二维动态减载策略,在提供充足调频备用功率的同时减小了弃风功率。在此基础上,结合双层模型预测控制(MPC)架构,提出了计及机组转矩波动的风储联合调频控制策略,上层MPC将风电场视作整体,通过协调风储出力提升调频效果;下层MPC通过风电场内的功率优化分配以抑制机组的转矩波动,保证调频性能的同时提高了机组运行稳定性。通过仿真分析验证了所提策略的有效性,结果表明该减载策略具有更高的风能利用率,且在调频过程中通过机组的功率优化分配减小了机组的转矩波动,提高了机组运行稳定性。

基于自适应采样周期和预测时域MPC的车辆路径跟踪控制

为解决自动驾驶车辆在低附着路面路径跟踪控制精度较低的问题,设计了一种自适应采样周期和预测时域MPC控制器。首先,结合车辆动力学模型和MPC算法设计了MPC控制器,并加入轮胎侧偏角约束;然后,分析控制器的采样周期和预测时域对控制效果的影响,提出一种综合考虑采样周期和预测时域的自适应控制策略,通过车辆前轮转向角更新采样周期,通过车速更新预测时域;最后,使用Carsim和Matlab/Simulink联合仿真平台,在低附着路面的不同车速条件下进行仿真实验。结果表明,当车速为25 km/h和45 km/h时,相较于固定控制参数MPC控制器,自适应采样周期和预测时域MPC控制器的最大横向误差分别减小140.2mm和40.8mm,其在不同车速下的路径跟踪控制精度均更高,横摆角速度和质心侧偏角均在合理范围内,车辆稳定性较好,证明所提路径跟踪控制器在低附着路面具有较高的控制精度和可行性。

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。

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。

CMV通过影响效应因子MpC002的表达干预桃蚜种群增长的机制

【目的】桃蚜是CMV的重要传毒媒介,效应因子MpC002在桃蚜取食寄主过程中发挥关键作用,CMV和MpC002均存在于蚜虫唾液中,但两者如何相互作用从而利于病毒传播知之甚少。为探讨CMV影响MpC002表达干预桃蚜种群增长的机制。【方法】利用绝对定量的qPCR法建立CMV拷贝数检测的标准曲线方程y=-3.1631x+39.763。【结果】桃蚜取食CMV感染辣椒10 s体内CMV含量最高,然后随着取食时间的延长CMV含量不断降低,其获毒过程符合非持久性传毒特征。取食CMV感染辣椒5 min-24 h的桃蚜MpC002表达量显著降低至取食前的37%-58%;取食CMV感染辣椒的3龄、4龄若蚜和1-4龄若蚜的平均发育历期分别为1.58 d、2.07 d和6.47 d,显著长于取食未处理辣椒的1.25 d、1.47 d和5.33 d,但1龄和2龄若蚜发育历期在CMV感染辣椒和未处理辣椒间无显著差异;平均产蚜期、总产蚜量和单日平均产蚜量分别为10.03 d、16.87头和1.67头,显著短于取食未处理辣椒桃蚜的14.27 d,39.73头和2.82头;净增殖率、内禀增长率、周限增长率分别为16.87、0.21、1.24,均显著低于取食未处理辣椒桃蚜的39.73、0.31、1.36,平均世代周期(13.02 d)和种群加倍时间(3.26 d)均显著长于取食未处理辣椒桃蚜的12.00 d和2.30 d。【结论】CMV能显著抑制桃蚜MpC002的表达,从而延长其发育历期和降低其繁殖,最终抑制其种群的增长。

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的前向自动泊车轨迹跟踪研究

针对充电口前置的新能源汽车泊车充电的问题,在参考倒车和前进入库两阶段的规划轨迹基础上,本文提出基于模型预测控制(MPC)的前向自动泊车轨迹跟踪方案。该方案根据分段轨迹的位姿信息,采用车辆运动学线性误差模型设计MPC轨迹跟踪算法,应用于垂直车位的前向泊车仿真场景以验证该控制方案可行,并通过对比PID轨迹跟踪算法说明该控制方案具有更高轨迹跟踪精度。

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。

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。

基于可拓相平面稳定域划分的Tube-MPC车辆稳定性控制

针对分布式四轮驱动电动车辆在极限工况下稳定性控制难题,考虑了横摆角速度、横纵向加速度等传感器噪声以及质心侧偏角估计误差的影响,提出了基于可拓理论的相平面稳定域划分方法以及自适应管道模型预测控制(ATMPC)算法,以快速量化车辆稳定性程度,并在满足跟踪精度的前提下保证车辆行驶的稳定性。所设计的车辆横摆稳定性控制系统采用分层设计架构,其中上层基于可拓理论,将车辆质心侧偏角-橫摆角速度相平面与可拓控制域相关联,并根据车辆实际状态判断可拓控制域并计算关联函数,实现了下层的管道模型预测控制(TubeMPC)控制目标权重与控制模式的决策;下层基于Tube-MPC对期望横摆角速度和质心侧偏角进行跟踪,实现附加横摆力矩的精准决策,之后采用轮胎负荷率优化方法进行横摆力矩的分配。通过CarSim与Simulink软件联合仿真,对所设计的控制策略进行仿真验证。结果表明,相较于常规MPC算法,所提出的控制架构与ATMPC控制策略能够有效提升车辆在极限工况下的行驶稳定性以及噪声干扰环境下的鲁棒性。

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。

基于深度强化学习的航空发动机MPC控制研究

针对传统模型预测控制在工况突变、大幅值故障等大幅度模型失配情况下,难以保证控制精度的问题,提出了一种基于深度强化学习的航空发动机改进模型预测控制方法。首先对MPC对模型失配的调节效果进行评估,针对不同类型不同程度的模型失配对MPC的影响进行分析。其次提出基于深度强化学习的模型预测控制方法(DRL-MPC),通过深度强化学习对预测模型与实际系统之间的模型偏差进行修正,提升预测模型的预测精度。最后,对MPC的代价函数进行重构,建立基于深度强化学习的航空发动机改进MPC控制器。对传统MPC方法与所提方法进行了比较仿真。仿真结果表明,在存在大幅模型失配的情况下,所提方法能够在不提升计算代价的情况下有效降低MPC控制器对模型失配的敏感程度。

多变量预测控制(MPC)在甲醇合成氢碳比调节的应用分析

以中煤榆林205万t/a甲醇合成系统为研究对象,针对实际操作过程中氢碳比调整滞后导致合成塔温度波动及人工操作频繁等问题,引入多变量预测控制(MPC)系统,并结合实际操作中的控制难点和氢碳比影响因素,确定被控变量和操作变量,实现对甲醇合成装置的精细化控制。实践应用情况表明:MPC系统能够提升装置生产平稳性,提高装置的自动化水平,降低生产过程操作人员的劳动强度,提升装置效益。

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DBO-LQR和MPC的智能车轨迹跟踪控制

为提高智能车辆轨迹跟踪的精度和稳定性,提出1种基于蜣螂优化(DBO)算法优化的线性二次型调节器(LQR)与模型预测控制(MPC)的横向、纵向控制策略。构建车辆动力学模型和基于Frenet坐标系下的横向误差模型,设计带有前馈的横向LQR控制器,利用蜣螂优化算法确定LQR控制器权重系数;基于MPC实现纵向速度和位置的跟踪,利用纵向速度联结横向控制器与纵向控制器,同时对车辆的速度和转向进行控制;最后基于CarSim和Matlab/Simulink联合仿真平台在不同道路工况下进行仿真实验,验证所提策略的有效性。结果表明:在城市道路泊车、城市道路换道、高速公路换道3种工况下,车辆的最大横向跟踪误差均小于0.010 m、航向偏差在0.0250 rad内;横摆角速度及前轮转角变化比较平稳、无明显抖动,所提策略可有效提高车辆跟踪轨迹的精度和稳定性。

基于MPC的无人驾驶汽车轨迹跟踪研究

随着无人驾驶技术的快速发展,轨迹跟踪控制已成为实现自动驾驶功能的核心问题之一。本文提出了采用MPC算法对无人驾驶汽车轨迹跟踪进行控制,首先建立了无人驾驶汽车运动学模型并验证了该模型的有效性,其次基于该模型设计了MPC轨迹跟踪控制器,最后通过Simulink/Carsim进行联合仿真,在仿真场景中,无人驾驶汽车以不同速度模拟了跟踪圆形轨迹和直线轨迹,仿真结果显示跟踪圆形轨迹时横向上的最大误差小于0.35m,纵向上的最大误差小于0.3m;跟踪直线轨迹时纵向上的最大误差小于0.15m。综合来看本文设计的MPC控制器能够满足无人驾驶汽车的轨迹跟踪要求。

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。