智能网联车辆节能自适应巡航控制研究

现有车辆自适应巡航控制多专注于单一的轨迹跟踪目标,而决定控制技术实际应用效益的关键是系统的节能性能.为了能够同时保证跟踪误差收敛性与燃油经济性,研究了一种车辆节能自适应巡航控制器设计方法：首先以轨迹跟踪为目标,设计了具有时变反馈增益的状态反馈控制律;其次,以反馈增益为优化变量,以整个预测时域内各采样时刻自身车辆单位位移燃油消耗量的累加为代价函数,基于经济模型预测控制方法设计了节能控制算法,并通过构建共同Lyapunov函数,给出了保证跟踪误差以指数速度收敛的反馈增益选取范围;最后,通过数值仿真验证了控制器设计的有效性,定量展示了本文所提出的方法在降低燃油消耗量方面的有效性.     

多AUV分布式模型预测深度和纵向速度控制

针对多自主水下航行器（Autonomous Underwater Vehicle,AUV）的深度和纵向速度耦合控制问题,提出一种基于分布式模型预测控制（Distributed Model Predictive Control,DMPC）的双子系统控制方法 .在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题,实现多AUV的协同控制.考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独立地求解预测优化问题.仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.