建立了具有刚性运动基的折叠式柔性结构振动主动控制实验系统,采用带实时预测误差修正的预测控制算法进行了这类结构振动主动控制的实验研究.实验结果表明,在实验建模的基础上设计预测控制器对折叠式柔性结构进行振动主动控制,能够有效地抑制柔性结构的振动和提高刚性基姿态定向精度.

介绍危险点分析预测控制方法的含义及一般方法，并结合送电线路工程实际阐述送电线路工程危险点分析、预测控制的方法步骤。

针对气动柔性关节动态特性复杂、难以实现高精度控制的问题,提出一种基于Takagi–Sugeno(T–S)模糊系统的预测控制方法.首先,应用MBGD–RDA算法对T–S模糊系统进行离线训练,该算法结合了机器学习中的小批量梯度下降算法、正则化、Droprule和AdaBound算法.其次,基于模糊集相似性度量方法,对训练得到的T–S模糊系统的模糊集进行剪枝,对模糊规则进行合并,简化T–S模糊系统结构.最后,设计了基于T–S模糊系统的单层神经网络预测控制器.T–S模糊系统参数和预测控制器参数均能实现在线更新,且基于李雅普诺夫理论的稳定性分析保证了系统的稳定性.仿真结果验证了基于数据驱动的T–S模糊系统的高精度预测性能,且结构简化后的T–S模糊系统在规则数减少的情况下仍能维持较高的预测精度.实际实验中,所提控制方法最大跟踪误差小于3°,而传统的模糊逻辑控制器最...

针对液压四足机器人在坚硬路面行走时,足端位置易受刚性冲击,导致运动姿态平稳性差的问题,提出一种液压四足机器人足端力预测控制方法。在分析液压四足机器人结构的基础上,根据运动学与力学模型构建了液压伺服系统的力控制模型;采用改进自适应布谷鸟优化BP神经网络算法建立足端力预测控制模型,通过仿真对比分析验证了该算法的可行性。最后通过液压四足机器人KL样机进行足端力及刚性地面行走测试,结果表明该方法能有效增强液压四足机器人腿部的力柔顺性,提高运动姿态平稳性。

为了生成挖掘机系统虚拟仿真平台驱动信号,开发一种基于状态规则的虚拟驾驶员模型。以中型液压挖掘机为平台对其作业过程进行测试分析,构建基于典型作业工况的挖掘机通用操作规则,结合操作经验及执行机构状态特征进行单作业循环任务点设置。建立工作装置线性时不变系统模型和回转机构线性参变模型,建立模型预测控制算法,进一步构建基于任务协调控制器和模型预测控制器的虚拟驾驶员模型,通过任务标识和对最优控制问题的迭代求解,实现执行机构的轨迹跟随。将开发的驾驶员模型与挖掘机系统模型集成进行仿真。研究结果表明:该模型可较好地反映挖掘机实际作业特征,可为挖掘机设计开发及自动化作业提供重要支撑。

提出了一种新的基于预测控制的转矩优化控制方法,以协调控制紧急制动工况下的四轮轮毂电动汽车复合制动(液压制动和再生制动)系统.其转矩优化控制器可快速地跟踪车辆在不同路面附着条件下的最佳滑移率稳定区域;同时,在控制目标函数中加入能量回收趋势优化项,用于能量回收目标的快速动态调整,通过调节优化目标函数权值的大小,实现制动安全的同时提高车辆的能量回收能力.在Carsim中建立了车辆模型并和Simulink运行环境进行了联合仿真,验证了提出的转矩优化方法的有效性.

针对垂直轴卸荷气缸实际卸荷工作中出现的压力调节滞后性及稳定性问题,提出基于T-S模糊模型的预测控制方法。通过参数辨识建立垂直轴卸荷系统的T-S模糊模型,并在建立的T-S模糊模型基础上采用了DMC预测控制,同时通过AMESim建立气动系统模型并与Simulink进行联合仿真。仿真结果验证了所设计控制器的可行性,有效降低了卸荷气缸控制系统的时滞性,提高压力的稳定性。

针对传统预测控制基于线性预测模型的弊端,通过改进RBF神经网络结构构建预测模型,解决对象非线性及时变问题,并给出控制率的具体推导过程.以轧机液压厚度自控(AGC)系统为对象进行仿真实验,结果表明:改进RBF预测控制器性能更优.

针对复杂不确定系统的控制问题，提出了一种基于在线支持向量回归的预测控制方法。该方法应用支持向量回归在线估计预测控制的预测模型，并实时更新。分析了预测时域和控制时域的选择对控制精度的影响，给出了控制参数设计原则。对电液力伺服加载系统的仿真试验表明，该方法有很好的控制性能。

建立了电控液压助力转向系统和主动悬架的动力学模型，PID控制的双闭环电控液压助力转向系统输出转向助力．根据车身姿态参数动态调整悬架作动器作用力的大小，从而实现悬架和转向的集成控制。引入预测控制理论，并建立了预测控制器，相对于传统的悬架和转向系统，车辆的操纵轻便性、稳定性、安全性和行驶平顺性等整车综合性能都得到了改善。