基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾(Norbin)非线性船舶模型, 基于反馈线性化方法和由径向基函数(RBF)神经网络构建的模糊系统的逼近能力, 提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术, 使模糊系统的所有参数均可实时调节, 引入了鲁棒控制消除模糊逼近系统带来的误差, 在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定, 使系统的模型跟踪误差为0, 优于传统的PID控制策略, 具有良好的自适应能力。     

船舶航迹迭代非线性滑模增量反馈控制算法

分析了带有状态变量及控制输入约束条件的欠驱动船舶航迹控制问题, 结合增量反馈技术, 对控制系统输出进行动态非线性滑动模态分解迭代设计, 提出了一种基于分解迭代非线性滑模的船舶航迹增量反馈控制方法, 以避免定常干扰引起的稳态误差及变结构控制的抖振问题, 无需对不确定风、流干扰以及模型参数进行估计, 能够同时稳定船舶的航向和航迹。应用“育龙”轮的系统模型进行了仿真, 结果表明, 控制器对系统参数摄动及外界干扰不敏感, 具有强的鲁棒性, 且其设计参数物理意义明显, 易于调节。     

船舶吊舱SSP推进电机的无模型自适应矢量控制方法

考虑具有不确定动态和航行中负载变化与海况干扰的船舶吊舱SSP推进电机控制问题, 提出了一种无模型自适应矢量控制方法, 推导了SSP推进电机的动态线性方程, 设计了基于速度跟踪误差无模型自适应矢量控制器和进行了收敛性证明, 在线调整伪偏导数, 保证了推进电机控制系统跟踪误差一致有界, 并对比了无模型自适应矢量控制器与自整定PI矢量控制器的控制性能。计算结果表明: 基于复合无模型自适应矢量控制的SSP推进系统在恶劣海况下转速平均振荡小于6 r·min^-1, 转矩平均振荡小于8.20×104 N·m, 机动航行时对应的值分别小于7 r·min^-1与1.08×105 N·m, 而采用自整定PI矢量控制时, 在恶劣海况下转速平均振荡达到13 r·min^-1, 转矩平均振荡达到2.13×105 N·m, 机动航行时对应的值分别达到12 r·min^-1与2.81×105 N·m, 因此, 复合无模型自适应矢量控制下的转速与转矩抖动和稳态运行静差较小, 具有良好的动态响应。     

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。     

船舶主机缸套冷却水温度灰色预测模糊PID控制

针对船舶主机缸套冷却水温度控制系统的大惯性、纯滞后和时变性特点,提出了将等维新息灰色预测控制与模糊自调节PID控制相结合的新型控制策略,这种控制器可根据系统预测误差和变化率自动调整控制器参数,使控制器对系统响应具有适应性.仿真结果表明:灰色预测模糊PID控制比常规的PID控制与模糊PID控制有更多的优越性,自适应能力强...     

基于自适应模型预测控制的智能车轨迹跟踪

针对传统模型预测算法在智能车辆轨迹跟踪的局限性,引入随道路曲率变化的速度自适应调节算法,设计轨迹跟踪控制器.设计目标函数及添加约束条件,通过Matlab/Simulink软件,在不同车速下与传统算法进行比较,仿真结果表明:不同的纵向车速对传统算法的轨迹跟踪有一定的影响,而对改进后的算法影响较小.尤其当车速较高时,改进后...     

船舶主机缸套冷却水温度灰色预测模糊PID控制

针对船舶主机缸套冷却水温度控制系统的大惯性、纯滞后和时变性特点,提出了将等维新息灰色预测控制与模糊自调节PID控制相结合的新型控制策略,这种控制器可根据系统预测误差和变化率自动调整控制器参数,使控制器对系统响应具有适应性。仿真结果表明:灰色预测模糊PID控制比常规的PID控制与模糊PID控制有更多的优越性,自适应能力强,超调适中,具有更好的动、静态特性。     

基于自适应灰色模型的高速公路路基沉降预测

自适应灰色模型理论正确、精度合格,能够满足实际工程应用,将自适应灰色理论模型应用于高速公路地基的沉降预测同时用MATLAB编制自适应灰色模型预测程序,可以使应用该模型进行预测变得简便易行且方便移植。     

基于模型预测控制的汽车主动避障系统

为了加强汽车行驶安全性,搭建了包含环境感知、危险态势评估、路径决策和控制执行四部分的智能汽车主动避障系统。基于改进人工势场模型构建了以道路边界斥力势场、动态障碍物斥力势场和引力势场核心的路径规划模块,同时,建立以前轮偏角为控制变量的车辆动力学模型,利用模型预测算法对路径进行跟踪。利用动力学仿真软件CarSim和控制仿真软件Simulink联合仿真,结果表明文中运用的模型预测控制优于驾驶员预瞄控制,对路径具有更好的跟踪效果、提高了跟踪精度,实现了汽车主动避障。     

基于GM(1, 1)模型与相关向量机的轨道不平顺区间预测

为开展以预防修为主的养护维修作业,联合GM(1, 1)灰色模型与相关向量机(RVM)算法,提出一种预测轨道不平顺演化区间的GM(1, 1)-RVM组合模型;结合轨道质量指数(TQI)的振荡演变特性,通过二次-对数复合函数平滑优化和序列权重优化改进了GM(1, 1)模型,通过粒子群优化(PSO)算法对待优化参数进行搜索确定,并在此基础上计算点的预测值;构造以点预测值为输入,以TQI实测值为输出的样本特征映射模式,引入5折交叉验证环节优化与训练了RVM模型的组合核函数;通过GM(1, 1)模型与RVM模型间的输入-输出衔接机制集成了组合预测模型,并以某有砟线路中的2个区段为实例检验了轨道不平顺区间的预测效果。研究结果表明：与既有预测模型相比,改进GM(1, 1)-RVM组合模型可得到预测区间的均值和方差,从而将预测结果从单点数值扩充到预测区间;2个区段实例在外推区间上的点预测结果与TQI真实值相比,平均百分比误差分别为1.53%和4.67%,较支持向量回归(SVR)模型分别降低了0.58%和0.61%,较GM(1, 1)-反向传播神经网络(BPNN)模型分别降低了0.15%和1.87%;改进GM(1, 1)-RVM组合模型在90%、95%和99%三种置信度下的最大平均预测区间宽度分别为0.324 5、0.387 9和0.510 5 mm,最低预测区间覆盖率分别为91.67%、95.83%和95.83%,预测区间基本涵盖了外推区间内的TQI演化数据。可见,利用预测的均值和方差构造区间边界可有效把控轨道不平顺演变过程中的随机波动,为轨道不平顺预测提供了一种新思路。     

基于模型预测的城市快速路匝道流量协调控制

为保证城市快速路处于最大通行能力状态,提出了城市快速路交通流量的一种非线性模型预测方法,在此基础上,对快速路各入口匝道流量进行协调控制.以城市快速路某一拥挤路段为例进行了仿真研究,结果表明,该方法不仅能够有效地消除交通拥挤,维持主线车流稳定,而且匝道调节率平稳,同时该控制方法能保证各入口匝道交通需求的公平性.     

灰色模型在GDP预测中的应用

在交通量预测中,社会经济指标数据是最基础的预测数据,研究了灰色预测模型在社会经济预测中的应用方法,并进行了具体的应用,实践证明应用效果良好。     

铁路直线轨道空间振动时变模型

针对无限长轨道上车辆一轨道耦合振动响应特性,建立了铁路直线轨道结构空间振动模型。采用有限单元法,将轨枕和钢轨离散为线性粘弹性点支承梁单元,运用弹性系统总势能不变值原理及形成矩阵的“对号入座”法则,建立了模型的振动方程组,采用轨道不断“增加和缩减”方法,使得模型的质量、阻尼和刚度矩阵及荷载列阵具有时变特性。运用既有的车辆动力学模型和实测参数,计算了轨道长度为4km的车辆一轨道耦合振动响应值,钢轨位移、轮对摇摆力以及车体加速度等指标计算幅值与实测幅值接近,验证了该模型的可行性。     

虚拟轨道列车超螺旋滑模自适应导向控制

为提高虚拟轨道列车在参数不确定和未知外部扰动环境中自导向控制的鲁棒性能,针对列车运行中多输入多输出的过驱动控制问题,基于拉格朗日方程建立了多铰接列车的非线性导向控制模型,将等效轮胎侧偏力作为控制输入量;利用虚拟轨道离散点坐标与列车运行速度,建立了计算列车位置、速度与加速度的参考模型,设计了独立的列车导向控制器与纵向速度控制器;利用李雅普诺夫方法,基于传统滑模控制(SMC)和自适应超螺旋滑模(ASTSM)分别设计了2种列车导向控制器,利用轮胎逆模型计算了线控转向系统的转角控制量;建立了轮速分配模型,基于参考速度矢量,将列车纵向速度控制转换为每个轮毂电机的转速与电磁转矩控制;建立了7节编组列车的动力学仿真模型,通过变速和综合线路测试分析了轮毂电机转速和电磁转矩的响应过程,研究了车辆模块之间铰接作用力的分布规律,比较了SMC和ASTSM在参数不确定和未知外部扰动工况下的鲁棒性能。研究结果表明：建立的列车导向控制模型、运动参考模型与轮速分配模型是有效的;车辆模块的纵向速度跟踪误差小于1.5 km·h^-1,车轮转速跟踪误差率小于1%;与SMC相比,当存在未建模动态、50%负载变化与未知扰动时,提出的ASTSM具有更好的自适应鲁棒性能,使车轴中心位置偏差能在有限时间内收敛至0附近;在侧向力干扰下,ASTSM的车轴中心偏差均方根与最大值分别为10和42 mm,分别降低了82%和61%;ASTSM在曲线路段中无明显的稳态偏差,且车间铰接角能一致地收敛至稳态值,保证了虚拟轨道列车的运行稳定性。     

基于优化PSO-BP算法的耦合时空特征下地铁客流预测

为提高地铁客流预测的准确性,以西安地铁1号线为例,分析了地铁客流的耦合时空特征,提取了影响地铁客流变化的5个主要因素,包括节日、非节日、时间段、站点和天气,构建了反向传播(BP)神经网络,预测了地铁客流;利用引入自适应变异与均衡惯性权重的粒子群优化(PSO)算法,优化了BP神经网络,形成了考虑复杂因素影响的地铁客流预测系统;选取了换乘站、非换乘站的首站与中间站,引入天气、节日、非节日因素,对比了不同时间段下的BP神经网络模型,优化了PSO-BP神经网络模型的预测误差。研究结果表明：考虑天气、节日、非节日因素,换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了40.13%、31.46%和23.89%,较分时段的BP神经网络模型分别平均下降了17.50%、17.86%和17.32%;非换乘站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差和平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了16.50%、20.99%和32.59%,较分时段的BP神经网络模型分别平均下降了11.48%、12.10%和17.73%;各站点分时段优化PSO-BP神经网络模型预测的平均绝对误差、均方根误差、平均绝对百分比误差,较不分时段的优化PSO-BP神经网络模型分别平均下降了24.37%、24.48%和29.69%,较分时段的BP神经网络模型分别平均下降了13.49%、14.02%和17.59%,因此,利用考虑多影响因素的优化PSO-BP神经网络模型能提高地铁客流预测的准确性。