摘要：针对电液伺服系统存在的非线性、模型不确定性和约束问题,提出了一种基于参数辨识的非线性模型预测控制方法。利用递推最小二乘法辨识电液伺服系统模型参数,以克服模型不确定性;基于模型参数辨识结果,考虑负载流量非线性、控制量约束和状态约束需求,构建性能指标函数,设计了非线性模型预测控制方法,并进行闭环稳定性分析。仿真结果表明,辨识方法可以较快估计出模型参数,最大估计误差为1.802%,相比于PID控制,控制算法的最大轨迹跟踪误差减小了88.66%。所提方法能有效处理系统约束与非线性,具有较好的控制效果。

摘要：针对四旋翼无人机的运行轨迹跟踪、姿态控制问题,建立了完整四旋翼的动力学模型,并针对该动力学模型设计了一种基于非线性模型预测控制算法的四旋翼无人机控制器,实现了具备输入输出状态约束以及一定的抗干扰能力的四旋翼无人机轨迹跟踪、姿态控制,并通过数值仿真实验验证了该方法的可行性。

摘要：为降低鲁棒非线性模型预测控制方法中优化问题的实时求解难度,提出一种基于深度学习的近似鲁棒控制器方法。利用复杂的鲁棒非线性模型预测控制算法作为训练数据的生成器,以当前时刻的过程状态作为网络的输入,复杂控制算法计算的最优控制输入作为网络的输出,基于深度神经网络学习复杂的非线性模型预测控制策略。通过一个工业半间歇聚合反应器模型案例验证了所提方法的有效性,深层网络与浅层网络相比具有更好的效果。

摘要：为滑翔增程弹设计了一种滑翔控制律,在考虑其非线性、状态约束和控制舵偏角幅值约束的情况下,针对滑翔控制过程中采样周期短,系统动态变化快的特点,采用直接多重打靶法和实时迭代策略来缩短非线性模型预测控制中递推优化的计算时间,并应用预先优化策略避免反馈控制延迟。仿真结果表明,该控制器的控制律求解时间小于采样周期,能满足滑翔增程弹滑翔控制要求,控制效果良好。研究结果可为同类弹箭非线性模型预测控制律设计提供参考。

摘要：针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer,FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control,RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。

摘要：基于具有可靠置信度的直升机/涡轴发动机综合仿真平台,研究了涡轴发动机带约束优化的非线性模型预测控制(NMPC)技术。首先通过设计多输出迭代约简最小二乘支持向量回归机(RRLSSVR),训练具有较好实时性、精度及泛化能力的内嵌式预测模型,在高度0～5km、前飞速度0～75m/s范围内模型精度达5‰。其次,考虑了扭矩、燃油流量、动力涡轮转速、燃气涡轮转速等综合信息及相关约束对控制效果的影响,利用在线序列二次规划(SQP)算法实现滚动优化控制,而后加入目标转速偏差的积分项以消除静差,保证输出恒定。最后,通过对直升机进行机动飞行大扰动仿真验证了该预测控制器对扰动的抑制能力,相比传统串级PID控制,能够显著降低动力涡轮转速下垂/超调量,达到更好的控制品质。

摘要：为实现对某制导炮弹攻角、侧滑角和速度倾斜角指令的快速跟踪控制,应用具有解析控制律的非线性模型预测控制方法设计其控制器。将制导炮弹控制器分成内、外两个回路来设计,通过外回路控制器将攻角、侧滑角和速度倾斜角指令转成弹体角速度指令,再由内回路控制器转成舵偏角指令。仿真分析了非线性模型预测控制参数(控制阶数和预测时域)对制导炮弹控制器的影响,得到其对控制效果影响的定性规律。仿真结果表明,合理选取控制阶数和预测时域组合,可使该控制器具有良好的控制效果,系统控制响应快,基本实现无差控制。

摘要：针对目前航空发动机控制系统普遍采用Min-Max选择逻辑处理输出量约束的方法具有一定保守性的问题,设计了非线性模型预测控制器,提出在非线性序列二次规划(SQP)算法中加入罚函数实现航空发动机输出量约束管理.仿真结果表明:无论是否触及输出量约束限,非线性模型预测控制器都比Min-Max控制逻辑动态响应更快,在达到限制线时更加明显,此时调节时间从1.16s下降到0.82s,且几乎没有超调量.

摘要：对涡轴发动机进行了非线性模型预测控制(NMPC)研究,设计了非线性模型预测,该控制器主要包括3个方面:预测模型、滚动优化和反馈校正。利用神经元网络模型预测涡轴发动机动态响应过程,得到预测模型;运用序列二次规划(SQP)优化算法进行发动机的在线滚动优化,得到发动机的燃油控制量;根据神经元网络模型与实际发动机对象的输出误差,对控制器的指令信号进行了反馈校正。最后进行了仿真实验,与常规串级PID控制相比较,非线性模型预测控制器的超调量从2.2%降低到0.8%,响应时间从6 s降低到2 s,具有很好的控制品质。

摘要：针对火星大气进入精确制导问题,提出了基于非线性模型预测控制(nonlinear model predictive control,NMPC)的智能进入制导方法。首先,考虑了进入制导约束,采用NMPC方法设计制导算法。通过引入衰减记忆滤波器,提出了基于误差信息估计的预测模型修正方法,增强系统对模型误差的鲁棒性,并利用变预测时域策略提高系统性能。然后,以NMPC制导系统为制导模板,在实际条件下生成大量样本数据集,进行深度神经网络(deep neural network,DNN)的离线训练。最后,在进入制导过程中利用DNN代替求解复杂优化问题和积分预测的过程,在线快速解算控制量,并结合横向制导实现智能制导。仿真结果表明,提出的制导方法能够快速计算指令,实现了高精度制导。