控制理论与应用杂志

控制理论与应用杂志2025年第8期

• Multi-shooting非线性MPC无人驾驶汽车轨迹跟踪控制

  朱仲文,蒋智涛,王维志,江维海,李书华

  针对复杂路径下无人驾驶汽车轨迹跟踪精度不足和稳定性差的问题,本文研究了非线性MPC轨迹跟踪控制策略.首先基于brush轮胎模型建立了考虑轮胎滑移的车辆动力学模型.然后利用Multi-shooting算法将状态方程转化为函数连续性约束,独立计算每个预测子区间的状态微分方程组,采用序列二次规划方法对非线性最优控制问题进行求解,得到最优控制输入.最后通过CarSim和MATLAB进行联合仿真,分别在36km/h,54km/h和72km/h3种车速下跟踪双移线轨迹,与传统的线性MPC控制器对比,3种车速下本文的控制策略横向跟踪累积误差降低了41.6%, 46.6%和36.5%, 控制效果得到提高,对不同车速有较好的鲁棒性. 与基于Single-shooting的非线性MPC控制器对比,计算效率提高了61.9%,60%和52.8%,算法实时性得到了提高.

• 基于增强分裂序列二次规划优化方法的变风阻混合动力车辆队列控制策略

  王暮遥,杨超,王伟达,鲁哲希,杨刘权,陈瑞虎

  在重型串联混合动力车辆的编队行驶过程中,通过控制车距来减少受到的空气阻力是车队节能的重要途径. 然而受发动机升功率限制,串联混合动力系统难以及时响应高需求功率以保障稳定的动力输出,使得车辆难以按规划的车速运行.因此,如何兼顾车辆队列节能行驶与车辆平稳运行两个目标备受挑战.本文提出了一种基于增强分裂序列二次规划(ISSQP)优化方法的变风阻混合动力车辆队列控制策略.在车辆队列速度规划层面,考虑了跟车距离对空气阻力的影响,提出了基于变风阻系数的动态车距速度规划.在单车控制层面,设计了ISSQP算法来求解优化问题并实现实时控制.将原子问题分解为两个规模较小的子问题,并引入有效集法对子问题进行求解,减少了迭代过程中没有得到充分下降的短步长.然后,建立在线优化变论域模糊系统,通过调整功率分配实现发动机发电机组的快速响应.该系统考虑了隶属度函数分布参数的在线优化.该优化是基于模糊系统的实时隶属重叠度和中心值来构建的,而不是传统的基于车辆后验信息的离线优化.结果表明,车辆队列的总能耗成本降低了12.5%,车辆的平稳运行也得以保证.

• 多红绿灯路段改进A*车速规划算法及其仿真验证

  乔奉亮,沈照杰,刘丹阳

  为使车辆高效通过交叉路口,减少启停,安全、快速、经济、舒适地完成长路段行车,采用基于规则、A*和改进A*3种不同算法对给定多红绿灯和多限速路段进行车速规划,并在整车–发动机控制模型上开展车速控制仿真测试,对比车速控制效果、加速度波动和燃油经济性.改进A*算法以位置、时间和加速度为扩展节点状态量,以VT-Micro瞬时燃油消耗量为代价,以红绿灯相位、限速和道路坡度值为约束,优化规划效果.与基于普通A*的车速规划算法相比,改进A*算法车速规划用时减少75.95%,车辆通行时间减少9.60%,加速度变动降低37.90%,燃油消耗量减少2.56%.

• 基于双动态规划和MPC算法的商用车路径规划

  闫立冰,冯健洧,熊嘉伟,申宗,冯海浩,吕宪勇

  随着“碳达峰、碳中和”世纪目标的提出,以商用车、乘用车为代表的能源消耗行业开始进行新一轮的技术革命,随着自动驾驶、智能网联技术的发展,融合道路信息的智能驾驶技术正在飞速发展.通过合理地规划车辆速度, 减少车辆不必要的制动与换挡,减少交通信号灯处的等待时间,可以提高车辆的燃油经济性.本文旨在开发具有高效性、经济性等优势的商用车路径规划算法,提出了一种双动态规划+模型预测控制(MPC)的控制架构,结合前方道路上的红绿灯、限速、坡度等信息对车速、车辆位置进行规划,将车辆通行时间以及燃油消耗拆分求解,使其耦合性减少,保证车辆能够在快速通过前方道路的基础上,进一步提高燃油经济性.同时考虑到车辆跟踪规划路径时存在偏差,通过MPC对车辆的实际位置进行闭环,在考虑加速度限值的情况下,使车辆完成对规划路径的跟踪,最终实现车辆的节能降耗.本文通过Simulink+GT-SUITE平台联合仿真验证了所提出的控制策略应用于商用车路径规划的优越性,与单层动态规划的方案相比,本方案可以省油2.13%.

• 零信任架构下异构智能车群协同控制

  赵燕,余萌,赵震宇,包一博,黄大荣,那雨虹

  针对零信任架构下车辆队列中时刻进行通信环节身份验证,提出了一种零信任架构下基于车辆队列一致性的分布式控制方案.该方案在保证了车辆行驶安全性的情况下,实现对车辆队列的控制并保证了车辆队列的弦稳定性. 首先为保证车辆队列的通信安全,在零信任架构下,根据车辆间历史通信验证结果设计了具有时间退化因子的信任度评估函数,对车辆之间的信任度进行量化,同时保证了信任度随时间时刻变化的特征.并且考虑信任度的影响设计车辆队列的间距策略,使期望间距可以随信任度降低而增大,保证队列的安全性.最后根据零信任架构下的间距策略设计控制器,保证车辆队列的渐进稳定与弦稳定.并且根据“四线一库”环境下的自动引导车(AGV)平台进行实验,系统发生故障概率降低至1‰～3‰,并验证了所提出算法的有效性.

• 网联车辆速度规划及气路控制

  赵靖华,王浩男,汪介瑜,宫洵,解方喜,高炳钊

  新鲜空气和废气混合过程具有强非线性以及多尺度时滞问题,这对带VGT和EGR的汽油发动机节能减排的气路控制提出了很高的要求.随着法规越来越严格,未来的车辆燃油排放测试要求在实时道路环境下进行,交通灯、坡度等路况会改变车辆的运行工况,对燃油及排放控制具有很大干扰.智能网联技术的发展与普及,一方面使得提前获取路况信息成为可能,另一方面也促进了面向节能减排的车辆速度规划技术的发展.针对本次“内燃动力智能算法挑战赛”的发动机气路和车辆速度规划的控制要求,本文基于神经网络建模和模型预测控制技术,提出了一种双闭环实时优化控制策略.基于比赛提供的高精度车辆模型,本文测试了实时神经网络模型作为前馈map的气路控制的性能;在交通灯和限速等网联信息获取条件下,本文验证了速度规划模型预测控制方案的效果,讨论了采样周期、预测时域、优化目标权重以及车辆质量变化对控制效果的敏感性.

• 基于交通信息预测的智能网联混合动力汽车能源优化控制

  徐福国,申铁龙

  车间通信和智能驾驶的快速发展为进一步提高混合动力汽车的能源效率提供了可能.另外,路线的地理信息对混合动力汽车的能源效率优化有很大的影响.本文考虑行驶路线的坡度对能源优化的影响,提出一种基于交通信息预测的实时能源管理策略,本策略同时对动力链和汽车的动态进行优化.首先,为了保证在红绿灯交通场景中的安全通过,本文提出了基于逻辑控制策略.其次,考虑与前车车间距的安全性,以实现能源消耗最小的目标,本文形成了一个带有约束的最优化问题,并利用极小值原理进行求解.最优控制问题中优化区间内的前车车速是系统的外部干扰信号,实现其精准的预测对能量优化性能的提高有着重要的作用,本文提出一种利用实时的网联信息的基于极限学习机的预测算法. 最后,本文建立了一个交通在环的动力链仿真平台.所提出的算法在这一平台上得到验证,在不同交通密度的情景中, 可以得出带有预测的能量管理策略可以平均提高17%的汽车能源效率.

• 基于智能驾驶员模型的电动车能源效率优化控制

  鲁立群,张江燕,张涛

  研究显示融合运行车辆未来动力需求预测信息的动力系统优化控制策略能够显著提高能源效率.另一方面, 智能驾驶员模型(IDM)提供了一种利用车联网技术所提供的信息定量地估计车辆运行状态的算法.本文通过融合驾驶风格识别提出了一种改进的IDM,以实现更高精度的前车运行状态预测.在此基础上,提出了基于模型预测控制的电动汽车能源效率优化控制的数学描述.将能耗作为优化指标,而为了进一步扩大车辆能耗效率的优化空间, 本文利用松弛处理方法,提出了改进的基于固定车头时距的跟车模型作为约束条件,从而在保证了运行车辆节能与安全的前提下,进一步提升了道路的通行效率.最后,利用多模态交通场景模拟软件SUMO以及MATLAB仿真软件构建了仿真实验平台.通过与采用IDM实现跟车控制的基准策略对比,仿真实验结果显示本文提出的基于模型预测控制的策略不仅能够提高车辆的通行效率,同时,在3种不同的信号交叉路口运行场景下,能耗效率分别提升了5.05%, 3.2%及4.15%.

• 面向自动驾驶PHVs的模态控制策略

  刘起兴,吴玉虎

  针对具有纯电动和混合动力两个工作模态的插电式混合动力汽车(PHVs),本文研究了用电量受限的情况下如何根据路段选择动力模态实现最小化油耗的问题.对于按照给定的行驶路径和行驶速度的自动驾驶PHVs,当行驶该路程的可用电量不足以纯电动模态行驶全程的情景,本文将动力链模态控制问题描述为一个混合整数线性优化问题,以确定不同路段车的工作模态以及用电量分布.进而,设计了一种协作神经动力学优化(CNO)算法来求解该问题.通过在实际算例上的对比以及案例研究验证了CNO算法的有效性.

• 基于FDP的模块化电动重载车辆的能量分配与换挡策略

  张宁,王俊,李子鸿,王金湘,殷国栋,欧阳天成,陈 卓

  针对本文提出的电动重卡双动力单元构型,缺乏一种平衡车辆经济性和舒适性的能量管理策略.当使用动态规划算法时,存在计算效率慢、难以在线应用、插值泄露等问题.本文提出了一种利用缩减状态空间可行域和挡位保持函数来优化动态规划算法的方法.首先制定了面向经济性的策略,然后利用提取的规则对动态规划的状态空间可行域进行缩减,摒弃了选取电池充放电状态(SOC)作为状态变量的方法,并通过在代价函数中加入挡位保持函数,得到了一种较为完善的能量管理策略.结果表明,本策略以多消耗极少的能量为代价,使变速器挡位切换和电机启停次数大幅减少,有效地平衡了车辆的经济性与舒适性.

• 基于滑模面的柴油机气路系统容错控制

  武文杰,张益鑫,王兴坚,王少萍,张健,郑伟,陶模

  柴油机气路系统的运行环境复杂,可能受到外部随机扰动的影响,进而导致故障.本文针对柴油机气路系统的容错控制问题,假设该系统可能同时受到执行器故障和外部随机扰动的影响,设计了一种基于扰动观测器的滑模控制器. 通过采用线性矩阵不等式技术求解观测器和控制器增益,可以获得最优增益矩阵,消除了手动调整控制器参数的过程, 并减少了滑模面抖振现象.最后,通过仿真分析验证了所提方法的有效性.

• 基于ENSACO-LSTM的PEMFCs退化预测

  贾志桓,陈林,邵奥利,王宇鹏,高金武

  本文提出了一种基于基于强化搜索蚁群优化的长短期记忆神经网络(ENSACO-LSTM)的数据驱动算法,用于预测质子交换膜燃料电池(PEMFCs)的功率退化趋势.首先,使用沙普利加和解释(SHAP)值方法筛选贡献度高的外特性参数作为数据驱动方法的输入.接着,提出了一种新型群体优化算法–强化搜索蚁群优化算法(ENSACO).该算法基于强化因子改进了蚁群优化(ACO)算法,以避免早熟并加快收敛速度.设置了对比实验,比较粒子群优化算法(PSO)、ACO和ENSACO的性能差异.最后,提出了一种基于ENSACO-LSTM的数据驱动方法来预测PEMFC的功率退化趋势,并使用实际老化数据对该方法进行了验证.结果表明,在有限的迭代次数内,ENSACO的优化能力显著优于PSO和ACO.此外, ENSACO-LSTM方法的预测精度也大幅提升,相比LSTM,PSO-LSTM和ACO-LSTM平均提升约50.58%.

• 基于模型自学习的燃料电池空气系统自抗扰控制

  江维海,程放,李丞,朱仲文,季传龙

  面向控制的燃料电池空气系统模型存在工况适应范围小的问题,因此,系统时变后导致的模型不准确将恶化基于模型的控制效果.对此,本研究开发了一种基于贝叶斯学习模型的自抗扰控制策略,以实现宽工况范围和长寿命周期内的精确控制.首先,建立面向控制的燃料电池空气系统四阶模型,采用贝叶斯估计,根据不同工况下燃料电池系统的测试数据对模型参数进行训练,并借助极大似然估计选择空压机流量多项式模型的适宜阶次,降低模型参数时变造成的影响,增大模型的工况适应范围.此外,针对空气系统流量与压力的耦合问题,设计了自抗扰解耦控制方案,将耦合效应视为系统总扰动,利用扩张状态观测器实时估计并补偿至控制律中,实现精准解耦.最后,基于MATLAB/Simulink环境搭建了燃料电池空气系统仿真平台,仿真结果显示,该方法有效确保了模型高精度,实现了流量与压力的精确协同控制,保障了燃料电池系统的安全高效运行.

• 基于模糊逻辑和变增益广义超螺旋算法的液冷燃料电池温度控制

  陈林,贾志桓,丁天威,高金武

  燃料电池的液体冷却系统(LCS)面临着严重的时间延迟、模型不确定性、泵和风扇耦合以及频繁干扰等挑战,从而导致超调和控制振荡,降低温度调节性能.为应对这些挑战,本文提出了一种结合模糊逻辑和变增益广义超扭曲算法(VG-GSTA)的复合控制方案.首先,用于泵的一维(1D)模糊逻辑控制(FLC)可确保稳定的冷却剂流量,而用于风扇的二维(2D)模糊逻辑控制(FLC)则可调节电堆温度,使其接近参考值.然后引入VG-GSTA来消除稳态误差,提供抗干扰能力并最大限度地减少控制振荡.平衡优化器用于优化VG-GSTA参数.联合仿真验证了本文方法的有效性,表明了其在抗干扰、超调抑制、跟踪精度和响应速度方面的优势.

• 基于大数据的燃料电池汽车关键性能分析与衰减预测

  杨子荣,郝冬,姚占辉,张妍懿,王佳

  开展苛刻复杂道路工况下燃料电池汽车(FCV)的运行特征分析与性能衰减预测对于指导产品迭代升级具有重要意义.本文基于40辆燃料电池重型货车的道路行驶数据,首先,提出了数据预处理、数据分析与挖掘以及数据后处理方法,随后,建立了涵盖车辆出行行为、加氢特性以及燃料电池系统性能的FCV关键特性体系,进一步构建了基于实车运行数据的发动机性能衰减与预测方法,满足不同时间跨度、不同车队规模的整车、发动机、辅助系统等不同对象的全方位性能分析需求.研究发现,车队中单次出行里程不超过50%纯氢续驶里程的总占比达到95%以上. 加氢行为最密集的区域是加氢间隔里程为180～220km、加氢间隔时间为24h左右.

• 基于扩展卡尔曼观测器的质子交换膜燃料电池系统怠速控制

  赵洪辉,丁天威,王义琳,黄兴,都京,郝志强,闵海涛

  质子交换膜燃料电池系统运行时,会短暂存在不需要功率输出的工况.为使系统在低功耗下零功率输出,需要考虑控制目标多样性和动态模型复杂性的问题,带来了阴极进气流量和电堆输出功率高精度跟踪控制的挑战.面向系统怠速控制,本文构建了一种基于模型的非线性控制框架.首先,推导了输出功率与阴极进气流量的非线性动态模型;其次, 设计了非线性扩展卡尔曼滤波观测器和状态反馈控制器相结合的控制方案;最后,在质子交换膜燃料电池实验平台上进行控制方案验证,并与比例–积分–微分(PID)控制器进行对比实验.实验结果表明,本文中所提出的控制策略,可以实现燃料电池系统的怠速控制,达到系统零功率输出的目的,且较PID控制器具有更快的响应速度和更好的系统动态.

• 工况约束的燃料电池多堆系统寿命优化方法

  焦道宽,马继成,侯永平,张妍懿,郝冬

  本研究针对重型交通或大功率燃料电池多堆系统能量分配控制问题,通过获得燃料电池堆正常运行工况谱下寿命预测情况及各电流密度工况点下预期寿命情况,对多堆燃料电池系统采用功率不均匀分配进行寿命优化.利用运行工况对燃料电池系统内在健康状态的影响规律,考虑单堆系统单一运行工况的唯一性,利用功率约束、衰减速率约束和多堆间衰减偏差约束将传统多堆系统单一运行工况拓展至适应可调的多运行工况,避免多堆系统采用均匀分配下单堆性能衰减过快引起的整体系统寿命的大幅缩减.本研究对于提升燃料电池多堆燃料电池系统耐久性,指导燃料电池多堆系统控制策略具有重要的实践意义.

• 带有Dropout结构的贝叶斯近似宽度学习系统

  陈滔,王立杰,刘洋,徐丽莉,于海生

  宽度学习系统(BLS)及其改进算法均普遍存在一个问题,即随着实际场景中数据复杂性的逐步增强,网络结构变得极其复杂,进一步导致计算资源的消耗也大幅度增加.针对此问题,本文提出了一种带有Dropout算法的贝叶斯近似宽度学习系统(Dropout-BABLS).首先,利用Dropout算法对宽度学习系统的隐藏层节点随机进行丢弃.其次, 通过结合高斯回归过程和贝叶斯理论近似Dropout对输出结果的损失函数以确定Dropout-BABLS的目标函数,进一步采用增广拉格朗日乘子法对目标函数的输出权重进行优化求解.最后,通过UCI机器学习知识库的10组回归数据集和自建的6组时间序列数据集对算法进行分析评估.结果表明,本文所提出的Dropout-BABLS算法能保证相应的输出精度,并减少25%～50%的训练时间.

• 基于输入输出数据的预设性能自适应参数估计

  曾煜轩,王娴,何浩然,黄英博,那靖

  针对现有自适应参数估计方法多依赖系统状态信息,且无法定量分析参数误差收敛性能(如收敛速度、最大误差)等问题,本文提出一种基于系统输入输出数据的非线性系统自适应参数估计新方法.首先,为避免使用系统状态信息,引入K滤波操作,构建系统未知参数与输入输出数据之间的映射关系.其次,设计辅助变量,提取参数估计误差信息来设计自适应律.为提高参数估计误差收敛性能,设计预设性能函数及误差等价转化机制,实现对参数估计误差瞬态及稳态收敛性能的预先设计.最后,构建基于参数估计误差信息的可预设收敛性能的自适应律,并利用Lyapunov稳定性分析方法证明参数估计误差收敛性.通过对比仿真及实验证明了所提方法的正确性和有效性.

• 基于CE-Louvain分解和动态递归SVDD的分布式过程监测

  王晶,刘鹏阳,卢山,周萌,陈晓露

  针对全厂过程的复杂非线性动态特征,本文提出了一种分布式的过程监测方法.它包括两个主要内容:基于copula entropy Louvain(CE-Louvain)的过程分解和基于动态递归支持向量数据描述(DR-SVDD)的故障检测. 首先, 根据机理知识将全厂过程中的变量初步映射为和过程结构相对应的无向图模型,引入CE来描述无向图中不同节点(即过程变量)之间的权重,并基于将CE-Louvain算法精细分解为合理的子块.然后,针对每个子块提出了基于DR-SVDD的分布式故障检测方法以提高故障检测率.最后,利用贝叶斯融合推理方法得到全局过程监测结果.提出的方法在Tennesse-Eastman(TE)过程中得到了验证.

• 基于非线性干扰观测器和类故障模型的车辆队列预设时间容错滑模控制

  李擎,孙鹏,郭祥贵

  针对车辆队列控制中存在的执行器死区、信号量化、非线性模型不确定性、未知外部干扰和执行器故障方向时变未知等问题,本文提出了一种基于类故障模型和非线性干扰观测器(NDO)的预设时间容错滑模控制(SMC)策略.将量化和死区模型转化为类故障模型,简化了控制器的设计.采用Nussbaum型函数解决了执行器故障方向未知问题.通过引入非线性干扰观测器准确地估计包括非线性不确定性和外部扰动等构成的集总干扰.此外,结合滑模控制和预设时间函数方法,实现了在预设时间内将队列跟踪误差限制在预定区域,同时避免碰撞并保持通信.最后, 通过数值仿真,验证了所提控制方案的有效性和优越性.

• 基于贝叶斯最大熵分析的高维多目标优化方法

  陈帅杰,李文锋,贺利军,张煜,谷健

  实现收敛性和多样性之间的平衡是高维多目标优化面临的挑战之一.本文提出一种基于贝叶斯最大熵分析的高维多目标优化方法,并通过与参考点策略和进化算法搜索操作相结合,实现了理想参考点和最差参考点的互补协同.其主要思想是将高维目标空间中的解映射到空间随机场中,在硬数据和软数据参考序列的引导下,通过推断和评估随机场中解的点位来应对不同Pareto前沿的优化问题.本文在基准DTLZ和MaF上,将所提出的方法与其他4种高维多目标优化方法进行了比较,验证了所提出方法的可行性和有效性.