基于视觉的无人驾驶车自主导航控制器设计

以DUTIV-Ⅰ型无人驾驶车为研究对象,建立了基于视觉的无人驾驶车自主导航控制数学模型,应用根轨迹法分析了预瞄距离对该控制系统的影响.设计了由线性二次型最优跟踪控制理论得到的状态反馈控制律和用于补偿参考路径曲率扰动的前馈控制律组成的导航控制器.针对DUTIV-Ⅰ型无人驾驶车横向速度的不可测性,根据Kalman滤波理论构造了横向速度观测器.仿真和实验结果表明,该方法可保证无人驾驶车准确地跟踪参考路径,且具有较强的鲁棒性.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

过程不确定性下丙烯精馏过程多变量预测控制技术应用

以丙烯精馏塔的多变量预测控制为研究对象,将卡尔曼(Kalman)滤波方法与动态反馈预测控制技术相结合,提出了一种带有积分输入补偿的Kalman滤波方法对系统不确定性干扰进行估计,然后将滤波后的输出、控制作用及状态信息动态反馈给多变量预测控制器以增强系统的抗干扰能力,提高控制系统的性能,并构建出丙烯精馏塔过程机理模型及仿真平台。仿真结果对比表明,采用本文改进的Kalman滤波方法使得多变量预测控制系统的控制性能和鲁棒性明显增强,生产过程更加平稳。     

基于自适应MPC的自动驾驶汽车轨迹跟踪控制

为提高无人驾驶汽车轨迹跟踪精度和稳定性,设计一种基于模型预测控制(MPC)的自适应轨迹跟踪控制器.利用遗忘因子递推二乘算法在线估计轮胎侧偏刚度,实时更新控制器预测模型;设计控制参数选择器,采用模糊控制对预测时域和控制时域进行在线优化,实现预测时域能根据横向和纵向车速自适应的选择.通过Simulink/Carsim进行联合仿真分析,结果表明所设计的控制器提高了轨迹跟踪的精度和稳定性,尤其是高速阶段的行驶稳定性.     

基于自适应滤波器的无人驾驶汽车速度估计

针对无人驾驶汽车容错控制对速度信息软测量技术的需求,提出了一种基于交互式多模型无迹卡尔曼滤波器的无人驾驶汽车速度估计方法,以自适应系统未知的噪声统计特性.首先,基于无人驾驶汽车定位信息建立了包含汽车运动学和动力学特性的名义模型,并采用前向欧拉离散化方法将其转化为包含系统噪声统计特性的状态空间名义模型;然后,采用一系列典...     

非线性预测控制在三容水箱液位控制系统中的应用

为了进一步提高非线性模型预测控制的计算速度、控制精度和抗干扰能力,该文提出了一种基于无迹卡尔曼滤波和快速阶梯预测控制结合的控制器设计方法。该方法在快速阶梯预测控制器的基础上,加入了基于奇异值分解的无迹卡尔曼滤波算法(Singular value decomposition unscented Kalman filter),在反馈校正之前先通过滤波降低噪声干扰,从而降低控制误差。通过三容水箱液位控制模型对该控制器设计方法进行了仿真验证,从仿真结果中可以看出该控制器能够在计算速度达标的前提下,提高系统的控制精度和稳定性。该结果证明了改进后的控制器能进一步有效克服噪声、模型失配等情况,很好地提升了控制器的可靠性。     

大型风力发电系统的多模型预测控制

针对风力发电系统具有的强非线性、多输入多输出、强干扰、工作点变化等特性,综合考虑系统噪声和量测噪声,在包括切入风速到切出风速的全运行区间,根据不同控制区域的不同控制要求,建立多模型库及其预测控制器,并利用多模型切换算法切换到最适配的模型,以预测最优电机转矩和桨距控制信号,并运用转矩控制增加传动链的阻尼,达到转速快速跟踪与降低传动扭矩的目的.仿真表明:运用多模型预测控制器能够减少噪声及干扰对系统的影响,有效控制转速,并减少扭矩脉动.     

基于自适应Kalman滤波的输油管道状态估计

通过离散化输油管道瞬变流动控制方程,基于扩展Kalman滤波方法,用带有未知时变噪声统计的虚拟噪声补偿线性化模型误差,构造了鲁棒自适应Kalman滤波器,以进出口压力及站间测量点为系统的输入与输出向量,对输油管道进行状态估计,并将状态估计结果与实际运行采集数据进行对比.结果表明,该滤波器迭代收敛速度较快,其误差控制在3%以内.     

Kalman滤波在单神经元PID控制中的应用

针对单神经元PID控制器包含输出噪声, 从而导致控制性能下降的问题, 提出一种基于Kalman滤波理论的改进单神经元自适应PID控制算法. 该算法通过引入状态空间的概念, 采用时域上的递推方法进行数据滤波, 控制对象的输出值经过Kalman滤波算法处理后再返回闭环控制系统. 实验结果表明, 改进算法能有效消减控制系统的输出噪声, 接近于无噪声的理想状态, 提高了控制性能.     

电子真空助力器控制系统及方法

为解决汽车智能驾驶制动、无人驾驶制动或自动紧急制动(AEB:Autonomous Emergency Braking)问题,提出电子真空助力器制动控制系统及方法.控制器系统控制电子真空助力器的电磁阀,实现主动增压和被动增压,实现汽车主动制动和被动制动,同时增加电磁阀温度模型控制.实验结果表明,该设计解决了无人驾驶时,电...