基于模型预测控制的自动驾驶汽车纵向跟踪控制

参数的优化选择对支持向量回归机的预测精度和泛化能力影响显著, 鉴于此, 提出一种多智能体粒子群算法(MAPSO) 寻优其参数的方法, 并建立MAPSO支持向量回归模型, 用于非线性系统的模型预测控制, 推导出最优控制率. 采用该算法对非线性系统进行仿真, 并与基于粒子群算法、基于遗传算法优化支持向量回归机的模型预测控制方法和RBF 神经网络的预测控制方法进行比较, 结果表明, 所提出的算法具有更好的控制性能, 可以有效应用于非线性系统控制中.

为了提高三相永磁同步电机(PMSM)控制系统的性能,基于反双曲正弦函数的扩张状态观测器(ESO)技术,提出一种新颖的无速度传感器自适应滑模有限控制集模型预测控制(FCS-MPC)策略,采用ESO技术构造PMSM系统转速和反电动势的观测器,实现对电机转速和反电动势快速准确估计.用带有负载ESO的自适应滑模控制作为系统的转速调节器,以提高系统的鲁棒性;利用基于快速矢量选择的FCS-MPC策略,达到减少转矩脉动、降低系统算法计算量的目的.仿真结果表明,基于ESO的无速度传感器自适应滑模FCS-MPC策略能够使PMSM系统可靠稳定运行,达到满意的转矩和转速控制效果.与基于积分型滑模面的自适应滑模FCS-MPC策略相比,所提出的控制策略能使系统具有良好的动态性能和抗负载干扰能力.

线性规划的matlab代码 基于线性状态空间模型的预测控制器框架 旨在实现一个代码编写复杂度不高于Matlab的模型预测控制器封装 未来将加入非线性模型（极有可能是基于高斯过程回归）的预测控制，可能会有大量代码需要重构 需要qpOASES 3.7版本，把qpOASES源码的include和src文件夹放在本工程的qpOASES文件夹内，并在工程目录中包含include路径 代码主要由四部分组成：矩阵类a_matrix，状态空间类state_space，预测控制类mpc（无差分约束）与mpc_d_constraint（包含差分约束），二次规划求解器qpOASES（需手动添加）。 使用指南 使用时，需包含mpc.h或mpc_d_constraint.h 矩阵类使用基础 在本程序中，所有变量都是以矩阵存在的（对Matlab的拙劣模仿），因此首先需要至少掌握内置矩阵类a_matrix的基本用法。 你可以像这样初始化一个矩阵： //initialize a 4*3 matrix a_matrix mat1={{1,2,3},{4,5,6},{7,8,9},{10,11,12}}; 矩阵可以直接使

提出一种基于桶排序的双层模型预测控制方法。对电容 电压进行桶排序，将电压排序后的子模块按次序等分为若干组，通过第一层模型预测控制确定需要插入桥臂的 组数，再通过第二层模型预测控制进一步确定需要插入的子模块。在 PSCAD/EMTDC 下搭建模块化多电平换 流器仿真系统，验证了所提方法的有效性。

基于Simulink和模型预测控制工具箱的自适应MPC设计

模型预测控制python工具箱 do-mpc是用于健壮模型预测控制（MPC）和移动视域估计（MHE）的综合开源工具箱。 do-mpc为非线性系统提供有效的公式化表示，并解决控制和估计问题，其中包括处理不确定性和时间离散化的工具。 do-mpc的模块化结构包含仿真，估算和控制组件，可以轻松扩展和组合这些组件以适合许多不同的应用程序。 总之， do-mpc提供以下功能： 非线性经济模型预测控制 支持微分代数方程（DAE） 有限元上正交配置的时间离散化 鲁棒的多阶段模型预测控制 运动视界状态和参数估计 模块化设计，可以轻松扩展 do-mpc软件基于Python，因此可在任何具有Python 3.x发行版的操作系统上使用。 do-mpc由塞巴斯蒂安·恩格尔（Sebastian Engell）领导的多特蒙德工业大学DYN主席Sergio Lucia和Alexandru Tatulea开发。

分别给出了无约束MPC和约束MPC的MATLAB程序

Simulink仿真传统有限集模型预测控制三相两电平整流器仿真

matlab 编程选择运行仿真代码用于风电场控制的 Koopman 动态模式分解 获得机械工程理学硕士学位的论文 存储库 该存储库包含在上述硕士论文的背景下开发的所有工作。 这项工作的主要成果细分如下： Thesis.pdf ：对应于最终论文，介绍了风力涡轮机控制、风电场控制、流体动力学中的数据驱动建模、动态模式分解和适用于控制的变体算法。 所有结果也包含在本文档中。 Thesis_presentation.pdf ： Thesis.pdf内容的介绍。 ExtendedAbstract.pdf ： Thesis.pdf的 10 页摘要，采用两列格式。 poster_thesis.pdf：在Thesis.pdf的目标和结果的海报格式摘要。 KOPMAN_IODMD_1.0 : 源代码，在 Matlab 中开发，利用国家可再生能源实验室 (NREL) 开发的现有功能，用于在Thesis.pdf 中获得结果。 动画：可以可视化数据集的动画。 文章：基于论文中开发的工作发表的文章。 data ：包含用于测试Thesis.pdf 中提出的算法的数据集。 论文摘要 在风电场中将风力涡轮机安装在一起