控制理论与应用杂志

控制理论与应用杂志2024年第10期

• 自主多旋翼无人机系统: 感知、规划与控制

  郭晶晶,刘允刚,满永超,陈琳

  无人机成本低、机动性强且视野广阔, 广泛用于军事和民用领域. 不断增强感知与决策能力, 进而提高无人机的自主性, 是无人机系统发展的必然趋势. 本文围绕实现多旋翼无人机自主控制所面临的关键科学技术问题, 即灵敏稳健的飞行控制、实时精准的感知与估计和高效的在线运动规划, 展开全面概述. 从硬件和软件系统, 到飞行控制、感知与估计、运动规划的具体算法, 试图构建多旋翼无人机自主控制系统的整体认知体系, 旨在为相关理论的研究提供系统性的见解, 并为多旋翼无人机自主控制系统的设计提供技术参考. 最后, 总结了现阶段多旋翼无人机自主控制技术的局限性, 并对未来发展趋势进行了展望.

• 具有预设性能的电液主动悬架动态面容错控制

  郭雪杰,闫帅,孙维超

  针对主动悬架系统中存在内部不确定性, 外界干扰和执行器故障情况下的振动抑制问题, 本文提出了一种具有预设性能的动态面容错控制方法. 首先, 通过引入预设性能函数, 采用对数型障碍Lyapunov函数, 使车身运动位移具有预先设定的瞬态和稳态跟踪性能, 与传统预设性能方法相比, 该方法不需要误差转换, 从而降低了控制器设计的复杂度. 然后, 采用非线性扰动观测器在线估计悬架系统中存在的复合干扰, 有效地补偿其不利影响. 通过构造基于不连续投影方法的自适应律, 解决了电液执行器液压缸内部泄漏故障问题, 同时, 引入动态面技术, 避免了反步法中虚拟控制律偏微分计算困难问题. 最后, 基于 Lyapunov稳定性理论证明了闭环系统中所有状态变量是有界的, Carsim仿真结果验证了所提控制方法的有效性和优越性.

• 基于观测器和事件触发的分数阶非线性系统神经网络控制

  游星星,陶栩,郭斌,向国菲,刘凯,佃松宜

  针对一类分数阶非线性系统的跟踪控制问题, 本文提出了一种自适应神经网络事件触发控制方案. 首先,利用径向基函数神经网络来逼近未知的非线性函数, 构造了基于神经网络的状态观测器估计原系统状态. 然后, 在控制器设计中引入了事件触发策略, 通过Lyapunov方法分析了闭环系统的稳定性. 本文提出了一个新条件来估计事件触发条件的时间间隔下限, 避免了Zeno现象. 理论分析表明, 提出的控制方案不仅能确保跟踪误差收敛到原点附近的邻域内, 而且保证了闭环系统中所有信号的有界性. 最后, 分数阶互联电力系统仿真展示了方案的有效性.

• 多智能体系统固定时间一致性积分滑模控制

  颜廷若,徐旭

  本文研究了带有干扰的多智能体系统固定时间一致性控制问题. 首先, 基于Super-twisting(超螺旋)算法, 构建可以在固定时间内消除干扰影响的积分滑模. 然后, 利用积分滑模提出一种新的固定时间一致性控制算法. 进一步, 当状态信息不可用时, 通过积分滑模构造固定时间状态估计观测器, 建立固定时间观测器和跟踪控制器来实现系统的一致性. 通过Lyapunov稳定性理论, 给出多智能体系统在受到干扰下的固定时间收敛性分析. 最后, 通过一些数值模拟证明本文提出的一致性控制算法的有效性.

• 智能体记忆引导的学习与决策: 海马体记忆回放的视角

  朱觐镳,吴一帆,王东署

  生物体记忆回放对提高其学习和决策能力有重要作用. 研究表明, 生物体记忆回放主要是由位于海马体内的位置细胞完成的, 在回放激活顺序和具体激活位置上具有多样性, 但是现有模拟海马体记忆回放研究方法大多形式单一, 只模拟了单方向或者部分情形下的回放, 难以较好地复现海马体记忆回放机理. 因此, 结合生物体记忆回放机理, 多方面模拟海马体位置细胞的记忆回放功能来提高智能体的学习与决策性能, 具有重要的研究价值和应用前景. 针对静态栅格场景, 本文通过使用组合的强化学习机制来模拟海马体重新激活的多样性, 设计了一种轨迹采样和优先扫描两个过程相互交替使用的双向搜索模型, 来模拟海马体不同位置记忆的再激活, 同时, 通过在线学习和离线学习的方式分别模拟生物体清醒和睡眠状态下的记忆机理, 更好地复现海马体的记忆回放过程. 进一步地,针对变化的动态场景, 设计具有“一套参数, 两段更新”功能的深度双向搜索模型, 来提高智能体动态环境下的学习与决策性能. 复杂静态和动态栅格环境下智能体导航实验以及与其他强化学习算法的性能对比实验验证了本文所提模型的有效性.

• 基于再分配伪逆的复合翼无人机飞行控制

  王寅,谭济芸

  复合翼无人机具有固定翼和旋翼无人机的气动构型, 兼有两种无人机的飞行模态. 在由旋翼模式向固定翼模式的过渡过程中, 气动特性复杂, 操控方式变化大, 操控机构耦合性强, 对飞行控制的鲁棒性提出了更高的要求.本文基于再分配伪逆控制算法和增量反演控制理论, 研究了一种复合翼无人机全包线飞行姿态控制方法. 针对飞行过程中气动特性变化大的问题, 提出了一种基于增益调度理论的增量反演姿态控制方法, 能够根据飞行过程的模态特性对增量反演控制器的控制器参数进行自适应调整, 并从理论上分析了所研究方法的稳定性. 为解决由旋翼机模式向固定翼模式过渡中操控机构转换的问题, 提出了一种缩放再分配伪逆法的操控结构最优分配方法, 提高了飞行过程对于控制指令的跟踪能力. 仿真结果表明, 本文所提出的基于再分配伪逆的增量反演控制方法相较于直接分配的反演法能以更高飞行品质实现飞行控制, 过渡飞行过程姿态跟踪误差减少39%, 高度跟踪误差减少87%.

• 基于需求的停车场电动车集群充放电管理策略

  董槟,张江燕,申铁龙

  电动车作为电网的分布式储能装置可以有效提高电能的使用效率. 当前的车网互联(V2G)方案主要采用集中式策略实现电动车充放电管理与用电负荷的调整. 然而, 当大规模电动车接入电网, 由于车辆用户出行行为的不确定性, 集中式策略无法满足个体电动车的实时需求以及电网负荷的有效调整. 本文以停车场内的电动车集群作为研究对象, 并将停车场作为电动车的电力供应站, 进而, 提出了一个实现用电负荷调整和分布式实时控制的充放电控制方案. 首先, 依据车群出行统计数据和实时电价信息, 基于动态规划算法提出了车群一天内各个时刻最优能源需求规划策略, 从而达到了高效利用能源的目的. 在车群最优能源需求的约束下, 基于实时优化方案提出了针对个体车辆的分布式充放电控制策略. 最后, 通过不同情况的仿真实验验证了提出方案的可行性.

• 基于非线性补偿LQR的全驱动碟式水下机器人控制

  许一航,刘剑,武永宝,王山丹,孙长银

  本文提出了一种仅使用6个推进器实现全自由度可控的圆碟式水下机器人结构, 在静水环境下对其进行动力学建模. 随后, 基于此模型提出一种带非线性补偿环节的线性二次型调节器(LQR)反馈控制方法, 可通过双向水下推进器实现对水下机器人6个自由度的全驱动控制并抑制由重力矩导致的扰动. 最后, 经仿真试验表明本文设计的非线性补偿算法对重力矩扰动具有很强的抑制作用, 控制器能稳定实现水下机器人六自由度状态跟踪, 本文中设计的推进器布局也对全驱动水下机器人的设计具有一定的指导意义.

• 基于分数阶PD控制的分数阶混杂时滞神经网络分岔控制

  栾一峰,肖敏,赵静,王震

  本文提出了一个具有离散和分布时滞的分数阶神经网络系统, 并运用分数阶PD控制器对其进行分岔控制.本文创新之处在于将分数阶引入了一个含离散与分布时滞的双神经元网络系统, 并通过在原网络中引入一个虚拟神经元, 形成了一个仅涉及离散时滞的新三神经元网络. 引入了分数阶PD控制器得到受控系统, 采用离散时滞之和作为分岔参数, 证明了Hopf分岔的存在性, 并通过分数阶PD控制策略实现了对分岔阈值点的控制. 研究发现, 通过选取合适的控制参数, 分数阶PD控制器可以有效地控制系统分岔临界值. 此外, 各个控制器参数对于系统分岔阈值点的影响效果也被给出.

• 低轨多星编队的相对运动差分气动控制

  胡远东,陆正亮,廖文和,张翔

  针对低轨纳卫星轨道机动能力不足的问题, 本文研究了主动利用星间差分气动力的控制方法, 创新性地提出了基于迎风姿态调整的多星编队拓展方案, 并通过局部区域线性化方法实现系统的线性控制. 本文研究了卫星姿态角与气动力的映射关系, 建立了差分阻力和升力耦合控制的星间相对运动线性欠驱动模型, 分析了此系统可控性和干扰形式, 采用线性矩阵不等式(LMI)方法设计了考虑输入受限的反馈控制律. 最后, 针对包含两种队形的四星编队进行仿真, 结果表明, 卫星相对运动的稳定控制精度达到±0.4 m, 验证了所提出多星编队气动控制方案的可行性以及控制算法的有效性.

• 多性能指标约束下的涡扇发动机大包线抗扰控制

  张家熹,岳世壮,孙洪飞,曾建平

  针对涡扇发动机系统会受到状态扰动且需满足给定的多性能指标约束问题, 本文基于大包线非线性变参数模型, 设计了一种鲁棒非线性控制器. 首先, 将状态扰动对系统的影响看作系统参数的不确定性; 其次, 将性能指标约束转化为对系统状态误差的约束, 通过设计指数衰减函数, 限制系统的状态误差, 进而使系统满足期望的性能指标; 最后, 采用多项式平方和技术, 得到了控制器的可解性条件, 并通过Lyapunov稳定性理论证明了闭环系统的稳定性. 仿真结果说明, 本文提出的控制方法使得涡扇发动机对状态扰动有明显的抑制作用, 且闭环系统满足给定的动态和稳态性能指标.

• 面向密度分布不均数据的混合近邻密度峰值聚类算法

  吕莉,朱梅子,康平,韩龙哲

  密度峰值聚类算法(DPC)的局部密度忽略了密度分布不均数据的疏密差异, 易导致类簇中心聚集在密集区域; 其分配策略在分配剩余样本时, 易将稀疏区域样本错误分配到密集区域, 致使聚类效果不佳. 为克服上述缺陷,本文提出了面向密度分布不均数据的混合近邻密度峰值聚类(MN-DPC)算法. 首先, 利用自然近邻信息定义样本的局部密度, 平衡稀疏区域与密集区域样本之间的密度差异, 从而正确找到稀疏区域的类簇中心; 其次, 利用样本之间的共享及自然近邻信息对样本相似度进行加权处理, 加强了同一类簇样本间的相似度, 有效的避免稀疏区域样本被错误分配. 本文将MN-DPC算法与IDPC-FA, DPC-DBFN, DPCSA, FNDPC, FKNN-DPC, DPC算法进行对比. 实验结果表明, MN-DPC算法能有效聚类密度分布不均及UCI数据集.

• 燃料电池混合动力汽车深度强化学习能量管理优化

  王浩聪,王栎阳,付主木,陈启宏,陶发展

  针对配备有锂电池与超级电容的燃料电池混合动力汽车, 为降低车辆总体运行成本, 延长能量源寿命, 本文提出一种基于深度强化学习的能量管理策略. 首先, 依据超级电容高功率密度特性, 建立基于模糊自适应滤波的功率分层结构, 并依据燃料电池与锂电池的经验退化模型, 建立能量源退化的成本函数, 采用等效消耗最小策略平衡氢耗成本与能量源退化成本, 以最小化总体运行成本为目标来优化能量源功率分配; 然后, 引入优先经验回放与软更新以提高深度强化学习的离线训练效率; 最后, 在多种工况下进行仿真, 结果表明, 与未考虑退化的策略相比,本文所提出策略在全球统一轻型车辆测试循环下可使氢耗量降低11.8%, 并可有效减缓燃料电池与锂电池的退化速率, 降低燃料电池混合动力汽车的总体运行成本.

• 多蒸发器空调系统的室温PIλDμ-送风温度PDμ串级调节

  魏明松,李绍勇,周姣,王成闵,杨睿

  对于多蒸发器空调系统(MEACS)的性能参数调节, 本文提出了室内温度PIλDμ?送风温度PDμ串级控制的思路, 并设计了改进多目标人工鱼群算法(IMOAFSA), 应用于室内温度分数阶PID控制器(IT-FOPIDC)和送风温度分数阶PD控制器(SAT-FOPDC)参数的整定, 进而稳定MEACS的送风状态点, 提升室温调节品质. 首先, 依据基本型单目标人工鱼群算法, 构建自适应因子对鱼群中的视野和步长进行非线性递减的演变, 重建改进单目标人工鱼群算法(ISOAFSA). 其次, 基于该ISOAFSA, 将高斯变异引入外部档案集(EF), 从而设计了IMOAFSA, 对IT-FOPIDC和SAT-FOPDC 的8个参数进行连续整定. 最后, 数值模拟该串级调节系统作用下的室内温度和送风温度控制效果. 结果表明: 该IMOAFSA可获取这两个控制器的8个参数Pareto最优解(POS)并连续更新它们, 能够明显地减小送风温度的波动, 进一步提升了室温调节品质, 如室温稳态误差较小、超调量较小、衰减比不合适、调节时间较短等.

• 基于DEMATEL-ANP的回溯容错控制

  王康宇,李建宁,陈扬杰,张帆,熊举

  本文针对一类具有拓扑结构切换、时变时延及执行器故障的多水下机器人系统, 开展了一类基于决策实验室–网络层次分析法(DEMATEL-ANP)的回溯容错控制方法研究. 首先, 利用故障历史信息, 结合DEMATEL-ANP溯源故障分布特性, 提出溯源故障分布因子, 基于此构造了一类满足分布特性随机故障模型. 其次, 将拓扑结构切换问题转化为一类拓扑结构不确定性问题, 结合所提随机故障模型, 构造Lyapunov-Krasovskii函数, 得到回溯容错控制器的设计方法, 实现了拓扑结构切换下故障多水下机器人系统的容错一致性. 最后, 通过数值仿真验证了所提方法的有效性.

• 船舶回转过程中的舵鳍联合MPC控制

  宋吉广,梁利华,史洪宇

  海浪和海风会加大船舶在回转过程中产生的横倾, 降低设备和人员的效率. 为此, 本文设计了基于干扰速度补偿的模型预测控制器来减小回转过程中产生的横倾和横摇. 不同于直航状态下的联合减摇控制, 针对回转过程会造成运动方程产生更大不确定性问题, 采用扩张状态观测器对运动方程的变化和外部扰动进行估计, 并将估计结果直接引入到模型预测控制所产生的控制量中. 通过遗传算法实现控制力/力矩到舵角和鳍角执行量的最优分配. 通过数值仿真和船模试验对所设计的控制策略进行了验证, 结果显示, 可以使船舶横倾和横摇限制在要求的安全包络之内.

• 障碍物无规则运动下启发式Gauss配点参数化连续避障规划

  张俊,刘平,朴昌浩

  针对障碍物无规则运动下自动驾驶车辆(SDV)的避障轨迹规划, 本文提出一种结合模型约束简化和启发式非均匀Gauss配点参数化的轨迹规划算法. 首先, 结合SDV运动学方程和约束条件建立了SDV连续避障轨迹规划的问题; 然后, 在高斯伪谱法离散化算法框架下, 采用Gauss配点对状态变量进行离散化; 进一步, 提出了启发式Gauss配点初始化策略, 以此提升SDV求解速度进而实现避障实时规划; 同时, 对经过约束处理后的轨迹进行验证, 以此保证规划轨迹的安全性; 最后, 在车辆模型上针对不同障碍物运动场景进行仿真测试, 验证提出方法的有效性和实时性. 结果显示, 本文方法可以有效进行避障轨迹规划, 并确保轨迹的安全性, 轨迹规划平均求解耗时维持在25 ms左右, 显示出本文方法在实时避障规划的效能和实际应用价值.

• 智能网联汽车超车路径规划方法

  马庆禄,李美强,黄光浩,高勇

  针对自动驾驶车辆超车路径规划的问题, 本文提出改进的人工势场法并引入相对速度构建新的引力势场和斥力势场. 建立道路边界势场规范行车区域, 对障碍物的影响距离进行分段解决局部极值问题, 将自动驾驶车辆动力学相关约束融入人工势场法建立超车路径行驶势场模型. 选取重庆市内环快速路为试验路网原型, 利用无人机以及定点摄像等数据采集方法进行实地调查, 并采用MATLAB/Simulink, CarSim和PreScan进行联合仿真分析. 实验结果表明: 相比传统的人工势场法, 在前车静止、前车匀速、前车减速这3种条件下的超车路径曲率分别降低了85.07%, 62.69%和83.86%, 横向加速度均小于0.13m/s2, 改进后的路径规划算法可成功实现平稳超车, 驾乘人员的舒适性上有显著提升.

• 具有时变输出约束的非线性多智能体系统自适应最优包含控制

  张天平,刘涛,章恩泽

  本文对具有时变输出约束和未建模动态的不确定严格反馈非线性多智能体系统, 提出了一种最优包含控制方法. 利用一种新型积分型障碍 Lyapunov函数处理输出约束, 利用动态信号处理未建模动态, 利用动态面控制方法设计前馈控制器, 结合自适应动态规划和积分强化学习方法设计最优反馈控制器, 利用神经网络在线逼近相应代价函数, 并设计权重更新律. 理论分析证明了所有跟随者的输出收敛到领导者生成的凸包中, 全部跟随者组成的闭环系统是半全局一致最终有界的, 同时, 跟随者的输出保持在给定的约束集中, 代价函数达到最小. 仿真结果验证了所提出方法的有效性.

• 基于区间边界探测的进化随机配置网络

  吉建娇,王殿辉

  随机配置网络在监督机制下利用随机采样方式在可调区间内分配新增隐节点参数, 易陷入局部最优, 导致模型包含不必要的冗余节点. 为保证模型的紧致性, 本文提出了一种进化随机配置网络架构, 利用进化算法迭代搜索隐节点参数的最优配置. 首先, 初始化策略通过探测有潜力的区间边界生成满足监督机制的初始种群, 以加快种群的收敛速度. 随后, 采用基于Q-learning的选择策略自适应地根据种群所在区间边界为进化算子选取合适的参数设置, 进而提高其搜索效率, 增强种群的收敛性能. 最后, 在基准数据集上的实验表明了所提算法构建模型的紧致性和精度.

• 区间二型模糊系统动态输出反馈控制设计

  谢俊,周绍生,韩迎迎

  本文研究了一类连续时间区间二型模糊系统的稳定性和广义耗散性能分析以及动态输出反馈控制器设计问题. 首先, 简要的介绍了区间二型模糊系统和线积分Lyapunov函数. 然后, 利用线积分Lyapunov函数方法, 建立了使系统满足渐近稳定和广义耗散性能的充分条件. 与二次型Lyapunov函数方法得到的条件相比, 利用线积分Lyapunov函数方法得到的充分条件保守性更小. 该充分条件关于一些矩阵变量是非线性的, 利用Finsler引理将其转化为线性矩阵不等式形式, 得到了输出反馈控制器存在的充分条件. 最后, 通过数值算例验证了设计方法的有效性.

• 多智能体双注意力自适应熵深度强化学习

  吴培良,袁旭东,毛秉毅,陈雯柏,高国伟

  在执行–评价算法和最大熵强化学习算法中分别存在价值函数过高估计和温度参数脆弱性的问题, 从而导致策略网络陷入局部最优. 针对此问题, 本文提出了一种基于双集中注意力机制与自适应温度参数的多智能体强化学习算法. 首先, 要构建出两个初始参数不同的具有注意力机制的评价网络, 通过这两个评价网络对策略网络做出更加准确的评价, 从而避免出现过高估计问题而导致策略网络陷入局部最优. 其次, 本文提出了自适应温度参数的最大熵强化学习算法, 计算出每个智能体的策略熵和基线熵, 从而动态调整温度参数以实现自适应调整智能体的探索. 最后, 在受限的合作导航环境和受限的宝藏收集环境中验证了本文算法的有效性, 本文算法的平均总成本与平均总惩罚优于其他算法.

• 离心–气压系统基于SDRE的最优保性能鲁棒控制

  王敏林,董雪明,任雪梅

  针对离心–气压系统, 本文提出基于状态相关黎卡提方程(SDRE)的最优保性能鲁棒控制方案, 实现高精度、高稳定性的气压控制. 针对气压系统中存在的参数不确定性及参数未知且与状态相关的问题, 首先采用自适应参数估计方法对系统未知参数进行估计, 保证参数估计误差的快速收敛. 基于参数估计的结果, 设计了最优保性能鲁棒控制器, 该控制器在参数不确定性存在的情况下仍能保证系统性能指标达到一确定的上界. 然而, 由于新的黎卡提方程是与状态相关的, 不易求得解析解, 因此, 通过泰勒级数法离线逼近SDRE的最优解. 所提出的控制方案不但具有较强的鲁棒性, 并且具有快速、无超调、易于应用等优点. 最后, 仿真分析和实验结果也验证了所设计的控制方案可以实现气压范围为1～100 kPa, 随动误差低于10 Pa的高精度跟踪控制.

• 基于核递归最大总广义相关熵的时间序列预测

  韩敏,夏慧娟

  针对核自适应滤波器(KAF)在非高斯和脉冲噪声环境下预测性能下降问题, 本文提出了一种新颖的鲁棒算法, 称为核递归最大总广义相关熵(KRMTGC)算法. 首先, 简要介绍系统模型和最大总相关熵(MTC)准则; 其次, 在核空间采用灵活的总广义相关熵准则取代MTC准则, 详细推导出KRMTGC算法, 该算法对异常值或非高斯噪声具有更强的鲁棒性; 此外, 为进一步控制KRMTGC算法中核矩阵无限扩张模式, 采用矢量量化思想降低计算复杂度,提出量化KRMTGC算法; 然后, 研究分析KRMTGC算法的局部收敛特性; 最后, 通过在基准Rossler系统和真实厄尔尼诺–南方涛动时间序列预测中的仿真结果表明: 相比其他KAF算法, 所提算法具有更优的预测速度和预测精度.