一个鲁棒性冲突解脱轨迹规划模型

针对固定航路飞行条件下高密度运行空域多航空器实时冲突解脱轨迹规划问题,为了获取高空风场数值及增强航空器冲突解脱轨迹的鲁棒性,根据航空器的运行状态构建了高空风场线性和非线性滤波模型.采用模型预测控制理论,通过将预测模型的校正过程转化为高空风场数值的滤波过程,在给各航空器设定解脱优先权重及考虑两类解脱变量物理约束条件的前提下,从航空器的动态协同特性出发,构造能够反映控制输入量优劣的指标函数,提出一种能够适应空域环境变化的冲突解脱航迹在线滚动规划方案.算例分析表明,所提出的在线解脱轨迹规划方案可行有效.     

Nonlinear Modeling and Neuro-Fuzzy Control of PEMFC

The proton exchange membrane generation technology is highly efficient, and clean and is considered as the most hopeful “green” power technology. The operating principles of proton exchange membrane fuel cell （PEMFC） system involve thermodynamics, electrochemistry, hydrodynamics and mass transfer theory, which comprise a complex nonlinear system, for which it is difficult to establish a mathematical model and control online. This paper analyzed the characters of the PEMFC; and used the approach and self-study ability of artificial neural networks to build the model of nonlinear system, and adopted the adaptive neural-networks fuzzy infer system to build the temperature model of PEMFC which is used as the reference model of the control system, and adjusted the model parameters to control online. The model and control were implemented in SIMULINK environment. The results of simulation show the test data and model have a good agreement. The model is useful for the optimal and real time control of PEMFC system.     

基于支持向量回归机的道路交通事故预测模型研究

针对道路交通事故预测具有随机波动性较大、信息量较少和非线性数据序列预测的特点,引入支持向量回归机（SVR）,建立基于SVR的道路交通事故预测模型。通过实例计算,证明基于SVR的道路交通事故预测模型具备非线性、所需数据资料较少、建模简单和计算快捷等优点,同时与RBF神经网络预测模型相比,该模型的预测精度高、泛化能力强,更适用于道路交通事故预测。     

汽车电液主动悬架的预测控制

在建立二自由度主动悬架和电液伺服作动器集成模型基础上,应用预测控制理论,采用多步预测、滚动优化和在线校正等控制策略进行预测控制器的设计.对B级路面激励输入下,车辆分别处于空载和满载两种工况进行模拟仿真.仿真结果表明：具有预测控制策略的电液主动悬架系统对由路面输入引起的振动能有效抑制,车身垂直加速度、悬架动挠度和轮胎动载荷与被动悬架、PID控制的主动悬架相比明显降低,车辆的行驶平顺性得到很大改善,预测控制器在参数变化及路面扰动下具有较强的鲁棒性.     

车辆多目标自适应巡航显式模型预测控制

为了兼顾车辆自适应巡航控制(ACC)系统的跟踪控制效果和实时性, 提出了基于显式模型预测控制(EMPC)理论的车辆多目标自适应巡航控制方法; 基于车辆间运动学关系建立自适应巡航控制运动学模型, 根据预测控制理论推导预测时域内的跟踪误差预测模型, 并确定车辆安全性、跟踪性、经济性和舒适性等多性能目标函数和约束条件; 运用显式模型预测控制中的多参数规划理论, 将基于反复在线优化计算的闭环模型预测控制系统转化为与之等价的显式多面体分段仿射(PPWA)系统, 通过离线计算获得期望加速度与距离误差、速度误差、自车加速度和前车加速度等状态变量之间的最优控制律, 并设计在线查表的搜索流程, 通过定位当前状态所处分区, 并应用该分区的显式控制律实现自适应巡航控制; 进行了纵向跟踪工况仿真验证, 并与传统MPC-ACC控制方法进行对比。对比结果表明: 在前车正弦加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了53.51%, EMPC-ACC控制下的平均距离跟踪误差为0.220 3 m, 平均速度误差为0.340 1 m·s-1; 在前车阶跃加减速工况下, EMPC-ACC控制器单步运算速度比MPC-ACC控制器平均提升了72.96%, EMPC-ACC控制下的平均距离跟踪误差为0.331 9 m, 平均速度误差为0.399 1 m·s-1。可见, 提出的EMPC-ACC控制算法在保证纵向跟踪性能的前提下, 有效地提高了自适应巡航控制的实时性。      

Nonlinear Predictive Control for PEMFC Stack Operation Temperature

Operating temperature of proton exchange membrane fuel ceil stack should be controlled within a special range. The input-output data and operating experiences were used to establish a PEMFC stack model and operating temperature control system. A nonlinear predictive control algorithm based on fuzzy model was presented for a family of complex system with severe nonlinearity such as PEMFC. Based on the obtained fuzzy model, a discrete optimization of the control action was carried out according to the principle of Branch and Bound method. The test results demonstrate the effectiveness and advantage of this approach.     

Application of Nonlinear Predictive Control Based on RBF Network Predictive Model in MCFC Plant

This paper described a nonlinear model predictive controller for regulating a molten carbonate fuel cell (MCFC). A detailed mechanism model of output voltage of a MCFC was presented at first. However, this model was too complicated to be used in a control system. Consequently, an off line radial basis function (RBF) network was introduced to build a nonlinear predictive model. And then, the optimal control sequences were obtained by applying golden mean method. The models and controller have been realized in the MATLAB environment. Simulation results indicate the proposed algorithm exhibits satisfying control effect even when the current densities vary largely.     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

铁路风屏障防风效果代理模型优化

为确定铁路风屏障的最优参数,基于代理模型方法对风屏障防风效果进行了优化.首先,改进了网格搜索法以优化支持向量机回归模型的参数,并通过算例进行了验证.其次,以设置风屏障时的车辆气动特性为目标函数,建立了风屏障防风效果的优化模型.最后,利用风屏障的风洞试验结果,采用支持向量机回归建立了目标函数的代理模型,对风屏障的高度和透风率进行了优化.研究结果表明:改进的网格搜索法提高了支持向量机模型参数选择的准确性,当风屏障高度为1.91~2.90 m时,最优的风屏障透风率为0.00~0.17;当风屏障高度超过2.50 m后,增加风屏障的高度对防风效果的提高较为有限.      

网络控制系统的时延估计和自适应预测控制

提出了基于最小二乘支持向量机（LS-SVM）的网络时延预估网络控制系统（NCS）的自适应预测控制方法．先将网络时延转化为非线性时间序列，再用径向基函数（RBF）作为LS-SVM的核函数，建立NCS的时延预测模型．用通过该模型预测的时延设计自适应控预测制器，补偿和控制NCS的时延．仿真结果表明，该时延预测方法对NCS的随机时变时延有较高的预测精度，根据预测的时延设计的控制器能使系统的输出很好地跟踪期望的输出．     

基于粒子群优化的高速公路网集成优化控制模型(英文)

应用非线性最优控制方法,研究了高速公路网的匝道控制和路径诱导的集成问题,构造了集成控制的最优控制模型.在模型中,以路网总耗时最小为优化目标,以METANET模型为网络交通流模型,考虑了控制变量的更新周期约束,采用粒子群优化技术求解优化模型.仿真结果表明:无控制时,路网总耗时为3 376 veh·h;仅实施匝道控制时,路网总耗时为3 005 veh·h;仅实施路径诱导时,路网总耗时为2 768 veh·h;集成控制时,路网总耗时为2 464 veh·h.可见,集成控制效果最优.     

一体式车辆避撞轨迹规划与跟踪控制

为提升复杂交通环境中智能车辆的避撞能力,将路径规划、速度规划及跟踪控制整合为一个优化问题,提出一种基于模型预测控制(MPC)的一体式车辆避撞轨迹规划和跟踪控制方法。首先,分析实际交通环境中的避撞场景,将智能车辆的避撞控制问题转化为多约束优化问题;其次, 搭建7DOF(七自由度)车辆动力学模型和复合滑移工况的UniTire轮胎模型设计MPC控制器;再次,针对变速控制问题中传统基于时域预测模型的MPC控制方法无法在预测时域中实现车辆空间和位姿约束的问题,设计了基于空间域预测模型的MPC控制器;最后,基于Matlab和CarSim联合仿真平台设计了不同避撞场景验证所提方法,并与现有基于恒速假设的一体式避撞控制方法进行对比。仿真结果表明：所提方法能够充分发挥车辆的机动性能,解决现有一体式控制方法在 复杂环境中避撞失败的问题,并保证避撞过程稳定和轨迹平滑。     

非线性整数规划问题的改进粒子群优化算法

提出了一种求解非线性整数规划问题的改进粒子群优化算法．在这个算法里,对粒子群优化模型的速度方程和位置方程进行改进,加入了动态约束处理技术以提高选择最优点的能力;加入了粒子的邻域加速寻优策略以提高局部优化能力．数值结果表明所提出的算法计算精度高且稳定性好．     

Robust Predictive Control for Polytopic Uncertain Systems with Time-delay Subjected to Actuator Saturation

Robust predictive control algorithms were presented for polytopic uncertain linear discrete systems with time-delay subjected to actuator saturation. In the first algorithm, the parameter dependent state feedback model predictive control (MPC) law was obtained from minimizing the upper bound of the cost function subjected to several linear matrix inequality constraints. In order to reduce computation burden, a second robust MPC algorithm based on nominal performance cost was presented. The feasibility of the optimization problems guarantees that the algorithms are robustly stable. The simulation results verify the effectiveness of the proposed algorithms.     

基于MP 与MPC 相结合的分布式交通信号控制研究

依托于最大压(Max Pressure,MP)分布式信号控制特性,结合已建立的实时排队长度预测模型,利用模型预测控制(Model Predictive Control,MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化,提出了MP与MPC相结合的分布式信号控制方法. 模型验证结果表明：MPC嵌入后,MP优化下的交叉口1 与交叉口2 延误分别降低了13.47%、15.35%;并且对比了MP绿信比分配权重修正前后对控制输出的影响,优化后瓶颈路段的车道4 和车道10 的排队溢出次数分别从6 次和9 次降低为0 次,表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.     

基于MP与MPC相结合的分布式交通信号控制研究

依托于最大压(Max Pressure，MP)分布式信号控制特性，结合已建立的实时排队长度预测模型，利用模型预测控制(Model Predictive Control，MPC)进一步对修正后的MP信号控制策略进行滚动反馈优化，提出了MP与MPC相结合的分布式信号控制方法. 模型验证结果表明：MPC嵌入后，MP优化下的交叉口1 与交叉口2 延误分别降低了13.47%、15.35%；并且对比了MP绿信比分配权重修正前后对控制输出的影响，优化后瓶颈路段的车道4 和车道10 的排队溢出次数分别从6 次和9 次降低为0 次，表明修正后MP绿信比权重的信号优化策略更能有效防止排队溢出现象的发生.     

Distributed model predictive control with one-step delay communication for large-scale systems and a case study

A distributed model predictive control（MPC） scheme with one-step delay communication is proposed for on-line optimization and control of large-scale systems in this paper. Cooperation between subsystems is achieved by exchanging information with neighbor-to-neighbor communication and by optimizing the local problem with the improved performance index in the neighborhood. A distributed MPC algorithm with one-step delay communication is developed for the situation that there is a one-step delay in the information available from its neighbors when a subsystem solves the local optimization problem. The nominal stability is employed for the whole system under the distributed MPC algorithm without the inequality constraints. Finally, the case study of the reactor-storage-separator（RSS） system is illustrated to test the practicality of the presented control algorithm.     

考虑跳停策略的城轨列车运行图与车站限流协同优化研究

为应对日趋严重的地铁系统拥堵问题及客流过饱和情况，从系统优化角度出发，将服务供给侧与需求侧综合为一个整体进行研究。考虑乘客的持续性到达特征，提出考虑跳停策略的城轨列车运行图与车站限流协同优化方法。首先，引入列车运行图与车站限流相关决策变量，以提高列车运行效率、减少客流乘车延误人数为优化目标，建立轨道交通列车运行与车站限流协同优化双目标整数非线性规划模型。其次，为便于模型求解，引入0-1变量，使用时间重构和大M方法将模型中的非线性约束线性化处理，将模型重构为整数线性规划模型，利用CPLEX软件求解。算例结果表明，双目标优化方法与传统单目标优化方法相比，相较于仅考虑列车服务时间，本文模型可使客流乘车延误人数显著减少；相较于仅考虑客流乘车延误人数，本文方法可使列车服务时间降低2%~3%。     

Implementation of dynamic matrix control on field programmable gate array

High performance computer is often required by model predictive control (MPC) systems due to the heavy online computation burden. To extend MPC to more application cases with low-cost computation facilities, the implementation of MPC controller on field programmable gate array (FPGA) system is studied. For the dynamic matrix control (DMC) algorithm, the main design idea and the implemental strategy of DMC controller are introduced based on a FPGA’s embedded system. The performance tests show that both the computation efficiency and the accuracy of the proposed controller can be satisfied due to the parallel computing capability of FPGA.