导读:本文包含了非线性模型预测控制论文开题报告文献综述、选题提纲参考文献，主要关键词:模型,车辆,平顺,在线,深度,运动学,转矩。
非线性模型预测控制论文文献综述写法
胡启国,陆伟[1]（2019）在《基于分段仿射模型的非线性悬架预测控制》一文中研究指出为了避免车辆通过不平路面时发生悬架击穿,提出了一种基于多模型预测控制的车辆非线性悬架主动控制方法。建立了1/4非线性悬架模型,采用基于改进粒子群算法的数据聚类和参数辨识,建立了主动力和车身位移关系的线性分段仿射(PWA)模型。通过多模型预测控制理论研究半主动悬架PWA模型的滚动时域优化控制问题,得到最优控制信号。利用Matlab/Simulink进行随机路面和正弦凸起路面仿真。结果表明:采用多模型预测控制可以使得车辆在遇到不平路面时保持稳定的车身姿态,同时很好地控制悬架动行程,减小了悬架击穿的概率。(本文来源于《汽车安全与节能学报》期刊2019年03期）
马薇,施继红[2]（2019）在《非线性模型预测直接转矩和ASR/ABS控制的电动汽车纵向稳定性》一文中研究指出为了解决电动汽车在加速和制动过程中容易发生滑移和抖动、不能满足稳定性和舒适性的要求,提出了一种基于主从式非线性模型预测(nonlinear model prediction,NMP)直接转矩控制(direct torque controt,DTC)的电动汽车鲁棒控制策略。采用双电机-单控制器主从式驱动模型,基于模糊逻辑控制器,在线确定权重因子的精确值,生成优化电动汽车驱动决策的最优切换状态,保证电机速度的精确跟踪。结合NMP-DTC电机控制方法,设计了一种模糊逻辑ASR/ABS控制器,以角加速度变化和滑移率变化为输入,以补偿转矩为输出变量,根据道路特性的变化提供补偿转矩,保证电动汽车行驶在最佳滑移率范围内,提高行驶的稳定性。基于MATLAB/Simulink进行变负载转矩电机跟踪和汽车纵向稳定性仿真,与参考速度进行对比分析。结果表明,所提出的主从式NMP-DTC的电动汽车ASR/ABS控制,在变负载下不仅电机跟踪轨迹误差降低,而且可保证在加速和制动过程中车辆的纵向稳定性控制。(本文来源于《科学技术与工程》期刊2019年20期）
顾青,白国星,孟宇,刘立,罗维东[3]（2019）在《基于非线性模型预测控制的自动泊车路径跟踪》一文中研究指出与行驶速度较高的其他无人驾驶工况相比,自动泊车时参考路径的曲率较大,因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能.为了解决这一问题,提出了基于非线性模型预测控制的自动泊车路径跟踪控制器,并在MATLAB/Simulink和Pre Scan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比.仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车,泊车完成后车辆航向与车位中线的夹角为0. 0189 rad,车辆后桥中点与车位中线的距离为0. 1045 m,仅为车身宽度的5. 56%.相比线性时变模型预测控制器,非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势.在实时性方面,该控制器也能够满足自动泊车的需求.(本文来源于《工程科学学报》期刊2019年07期）
封晓宇[4]（2019）在《基于T-S模型的非线性系统鲁棒模型预测控制研究》一文中研究指出模型预测控制(MPC)能够综合利用历史信息和模型信息,对目标函数不断地进行滚动优化,并可根据实际测得的输出对象对预测模型进行修正,又因其能够很好地处理和控制状态的硬约束从而保证系统的稳定性,所以MPC被广泛应用于工业系统中。非线性、时滞、扰动在工业过程中是常见的系统动态特性。非线性系统中时滞、扰动等现象的出现则会对系统状态的预测产生干扰,于是本文针对具有时滞、扰动特性的由T-S模糊模型描述的非线性系统,在线性矩阵不等式、鲁棒不变集、Lyapunov稳定性等理论的基础上,研究基于状态反馈控制的鲁棒模型预测控制问题。本文的主要研究内容如下:针对一类用Wiener模型描述的带有输入约束非线性时滞系统,研究了稳定性分析问题以及控制器的设计问题。用状态空间模型来描述Wiener的线性部分,用T-S模型来表示Wiener模型的非线性部分,此时,Wiener模型就可由多个局部线性模型的加权和来逼近,通过利用Lyapunov-Krasovskii函数和平行分布补偿原理设计了相应的状态反馈控制律,求解最小化目标函数最坏情况的优化问题,该优化问题用线性矩阵不等式表示,最终得到了系统渐近稳定且具有较小保守性的充分条件,最后通过仿真验证了该算法的有效性。针对一类由T-S模型描述的具有范数有界不确定性的非线性系统,研究了带输入约束和输出约束的非线性系统的稳定性分析问题及控制器的设计问题。用T-S模型来表示非线性系统,使得非线性系统可由多个局部线性模型的加权和来逼近,利用Lyapunov函数和平行分布补偿原理,求解最小化最坏情况下的目标函数的优化问题,得到各个子系统的状态反馈控制律,通过加权的得到整个非线性系统的控制律并在该控制律的作用下使得系统渐近稳定。最后通过仿真验证了所提方法的有效性。针对一类带有时滞和扰动的非线性离散系统,研究了鲁棒模型预测控制问题。采用具有范数有界不确定性的非线性局部T-S模糊模型来逼近非线性系统,通过鲁棒不变集的概念设计了终端约束集,并在终端约束集内设计了模糊控制器,使得系统的状态最终进入终端约束集内。该算法使系统实现了输入—状态稳定,并得到更好的控制性能。最后通过仿真验证了算法的有效性。(本文来源于《河北科技大学》期刊2019-05-01）
朱蓉蓉[5]（2019）在《基于深度Koopman预测器的非线性系统模型预测控制》一文中研究指出非线性系统的分析和控制一直以来都是控制领域的研究要点,但是由于其高维度、强耦合、不确定性等问题,使得非线性系统模型获取和控制面临很大的挑战。目前,绝大部分非线性系统的控制是基于其线性化模型开展,而现有的非线性系统线性化技术需要对系统的精确数学模型有足够的了解,且线性化之后的模型精度不高,不利于非线性系统控制问题的研究。考虑到深度学习方法的非线性函数拟合能力、大数据处理能力和自学习能力,Koopman算子理论具有全局线性化非线性系统的能力,故将两者结合研究非线性系统的分析和控制具有极大的理论价值和实际意义。本论文研究了一种基于深度Koopman预测器的非线性系统模型预测控制。下面是本论文的主要研究工作:·针对自治系统的Koopman算子理论推广到适用于带有输入的一般性非线性系统。利用深度神经网络构造出了获取深度Koopman预测器的网络模型,并给出了网络代价函数的设计原则。在仿真实验中证明提出的深度Koopman预测器的优势。·在深度Koopman预测器的基础上,将模型预测控制算法应用到非线性系统的控制中。证明了本论文提出的线性控制器在模型复杂度上仅与原非线性系统的状态和输入维度相关。以一个非线性系统为模型,设计了基于深度Koopman预测器的模型预测控制,证明了本论文提出的基于深度Koopman预测器的非线性系统线性控制策略可行性和有效性。本论文基于深度学习方法和Koopman算子理论解决了非线性系统模型预测控制问题,有精度高、不依赖系统精确数学模型等优点,因此具有极大的研究价值与意义。(本文来源于《中国科学技术大学》期刊2019-05-01）
汪勇,张海波,杜紫岩,陈名扬,叶东鑫[6]（2019）在《一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究》一文中研究指出为了实现变旋翼转速直升机/涡轴发动机快速响应控制,提出了一种基于神经网络的直升机旋翼预测模型与基于状态变量模型的涡轴发动机预测模型的新型非线性模型预测控制方法。所建目标函数除了包含转速控制指标外,还考虑了经两级变速双离合器传动机构传扭后发动机输出轴的转子动力学特性。不同飞行任务下的数值仿真结果表明:相对于PID控制器而言,非线性模型预测控制器可在满足压气机转速、发动机静强度等限制条件下使动力涡轮转速在变旋翼转速过程中的超调量减小50%,下垂量降至0.2%以内,实现了涡轴发动机的快速响应控制的同时,有利于改善发动机使用寿命。(本文来源于《推进技术》期刊2019年10期）
郭志强[7]（2019）在《基于敏感性的约束最优控制及非线性模型预测控制高效求解算法》一文中研究指出随着计算机软硬件的快速发展,模型预测控制在汽车、飞机等快动态系统中的应用有了明显的发展趋势。为了实现这一推广,最优控制问题的高效算法和降低滚动时域优化计算成本的技术必不可少。本论文试图解决非线性模型预测控制高效算法设计中的一些技术问题。众所周知,应用伴随方法求解最优控制问题要求约束的数量要少于优化变量的数量。否则,求解效率会低于前向方法。本文第一部分提出一种高效的求解连续时间不等式约束下指标-1型微分代数系统最优控制问题的伴随方法。该方法没有将连续时间不等式约束在时间网格上离散,而是转化为积分,并通过一个精确罚函数将其转化到代价函数中。这样,最优控制问题就只含有优化变量的边界约束,保证了伴随方法的计算效率。此外,采用带伴随敏感性传播的提升式隐式龙格-库塔积分器加速了函数和梯度计算过程。而且,该方法应用拉格朗日插值近似积分,可以在不增大时间离散网格密度的情况下保证积分精度。通过Delta机器人点到点最优控制的数值仿真表明该方法的求解过程与前向方法同样高效。在计算量较大的情况下,模型预测控制中测量到反馈之间的时间延迟是不可忽略的。最坏情况下,反馈时延可导致闭环系统不稳定。本文第二部分设计了一种高效的非线性模型预测控制算法,将原问题分为在线和后台两部分,并利用非线性规划敏感性有效减少了反馈时延。该算法在取得测量值之前,先利用测量值的预测值求解最优控制问题。一旦得到测量值,就利用非线性规划敏感性更新控制律。本文将非线性规划求解器Ipopt与sIPOPT集成,实现了高效的敏感性更新策略。另外,在Ipopt下实现了滚动时域优化过程的热启动。最后,通过模型失配情况下Delta机器人设定值调节问题的数值仿真验证了该模型预测控制算法。仿真结果表明该算法可以有效减少反馈时延。(本文来源于《合肥工业大学》期刊2019-04-01）
白国星,刘立,孟宇,罗维东,顾青[8]（2019）在《基于非线性模型预测控制的农用拖挂车避障控制器研究》一文中研究指出为实现农用拖挂车的避障控制,设计了一种基于非线性模型预测控制的避障控制器。考虑到农用拖挂车的避障控制需要同时顾及拖车与挂车的位姿状态,基于刚体运动学和非完整约束条件推导了农用拖挂车的运动学模型,并基于该运动学模型建立了农用拖挂车的位姿状态预测模型。在此基础上,基于改进的禁区惩罚函数设计了优化目标函数,从而完成了基于非线性模型预测控制的农用拖挂车避障控制器的设计。仿真结果表明,农用拖挂车避障控制器能够在较复杂工况下同时控制拖车与挂车实现避障,农用拖挂车各车桥端点轨迹与障碍物中心之间的最小距离减去障碍物半径与安全裕度之和的结果均大于或等于0 m。(本文来源于《农业机械学报》期刊2019年04期）
李鸿岐,史浩男,毕路拯[9]（2018）在《脑-控移动机器人的非线性模型预测控制》一文中研究指出脑-控移动机器人系统的性能受到脑-机接口的限制。本文设计了一种基于模型预测控制的辅助控制器来提高给定脑-机接口条件时脑-控移动机器人的控制和安全性能。所提出的控制器将跟踪用户意图和保证脑-控移动机器人系统的安全性融合成为一个优化函数求解问题,通过模型约束、安全约束、物理约束下的优化,得到新的控制命令,实现用户对机器人最大限度的控制,同时保证机器人的安全。实验结果表明,基于该控制器的脑-控移动机器人提高了用户的的控制性能及系统的安全性能。(本文来源于《2018中国自动化大会(CAC2018)论文集》期刊2018-11-30）
王宁,潘慕绚,黄金泉[10]（2018）在《基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制》一文中研究指出针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显着降低动力涡轮转速超调/下垂量。(本文来源于《航空发动机》期刊2018年05期）
非线性模型预测控制论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决电动汽车在加速和制动过程中容易发生滑移和抖动、不能满足稳定性和舒适性的要求,提出了一种基于主从式非线性模型预测(nonlinear model prediction,NMP)直接转矩控制(direct torque controt,DTC)的电动汽车鲁棒控制策略。采用双电机-单控制器主从式驱动模型,基于模糊逻辑控制器,在线确定权重因子的精确值,生成优化电动汽车驱动决策的最优切换状态,保证电机速度的精确跟踪。结合NMP-DTC电机控制方法,设计了一种模糊逻辑ASR/ABS控制器,以角加速度变化和滑移率变化为输入,以补偿转矩为输出变量,根据道路特性的变化提供补偿转矩,保证电动汽车行驶在最佳滑移率范围内,提高行驶的稳定性。基于MATLAB/Simulink进行变负载转矩电机跟踪和汽车纵向稳定性仿真,与参考速度进行对比分析。结果表明,所提出的主从式NMP-DTC的电动汽车ASR/ABS控制,在变负载下不仅电机跟踪轨迹误差降低,而且可保证在加速和制动过程中车辆的纵向稳定性控制。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
非线性模型预测控制论文参考文献
[1].胡启国,陆伟.基于分段仿射模型的非线性悬架预测控制[J].汽车安全与节能学报.2019
[2].马薇,施继红.非线性模型预测直接转矩和ASR/ABS控制的电动汽车纵向稳定性[J].科学技术与工程.2019
[3].顾青,白国星,孟宇,刘立,罗维东.基于非线性模型预测控制的自动泊车路径跟踪[J].工程科学学报.2019
[4].封晓宇.基于T-S模型的非线性系统鲁棒模型预测控制研究[D].河北科技大学.2019
[5].朱蓉蓉.基于深度Koopman预测器的非线性系统模型预测控制[D].中国科学技术大学.2019
[6].汪勇,张海波,杜紫岩,陈名扬,叶东鑫.一种变旋翼转速直升机/涡轴发动机非线性模型预测控制方法研究[J].推进技术.2019
[7].郭志强.基于敏感性的约束最优控制及非线性模型预测控制高效求解算法[D].合肥工业大学.2019
[8].白国星,刘立,孟宇,罗维东,顾青.基于非线性模型预测控制的农用拖挂车避障控制器研究[J].农业机械学报.2019
[9].李鸿岐,史浩男,毕路拯.脑-控移动机器人的非线性模型预测控制[C].2018中国自动化大会(CAC2018)论文集.2018
[10].王宁,潘慕绚,黄金泉.基于在线滚动序列核极限学习机的涡轴发动机非线性模型预测控制[J].航空发动机.2018