【技术实现步骤摘要】
本专利技术属于FPGA实现
技术介绍
模型预测控制(Model Predictive Control,MPC),又称为滚动时域控制,是被广泛讨论的一种反馈控制策略。由于模型预测控制具有前馈-反馈结构,可以处理多变量、多输入、多输出的高维系统,能在优化的意义上显式和主动处理时域硬约束等特点,得到了众多领域的广泛关注和讨论,特别是近30多年来在复杂工业过程中的成功应用,已充分显示了预测控制处理复杂约束优化控制问题的巨大潜力。近年来,随着经济社会的迅速发展,众多应用邻域对约束优化问题提出了更高的要求,预测控制应用也逐渐跨越工业生产过程向大规模系统和网络系统扩展,并不断向电力电子、汽车电子等快速动态系统的新应用邻域延伸。然而在这些新型邻域,很多系统都具有强非线性因素,传统的线性预测控制器的控制性能在很多时候无法满足实际要求,因此需要针对不同系统设计相对应的非线性预测控制器,非线性预测控制(Nonlinear Model Predictive Control, NMPC)对于约束非线性性及工作点大范围变化的大型、复杂、快速动态系统有很好的控制性能。经过对现有技术的相关资料检索发现,目前大多数控制系统都采用的线性模型预测控制,然而,NMPC 需在有限采样时间内反复在线求解非线性规划问题,计算负担大,实时性较差,目前主要应用于石油化工、冶金制药等慢动态系统;另一方面,随着控制系统复杂度的增加及机电一体化的发展,对电控单元高实时性、高可靠性、微型化等要求越来越高,在低成本芯片上实现高性能控制器是电控系统面临的一大挑战;另一方面,现代产品更新速度很快,电路可能需 ...
【技术保护点】
一种非线性预测控制的FPGA硬件加速控制器,其特征在于:(1)建立WMR的预测控制模型:(3)式中分别表示WMR的横纵坐标及位姿角,表示WMR左右轮角速度及前轮转角;(2)根据式(3)目标模型WMR轨迹跟踪的控制要求:保证WMR快速稳定地跟踪上参考轨迹,控制增量变化缓慢,要满足最大值的硬约束条件及满足能量低的要求,对控制量加以约束,将WMR路径跟踪的优化问题描述为:(4)Np为预测时域,Nc为控制时域;(3)优化问题求解:采用PSO对式(4)所描述的非线性约束优化问题进行非线性规划:a、随机初始化维粒子,每个粒子有位置与速度两个状态,根据目标函数式(4)初始化个体最优及全局最优;b、根据粒子更新公式:(5)更新粒子速度与位置,k是迭代次数,j是各个粒子,、表示对个体最优与全局最优的学习能力的正学习因子,是上的随机数,是按照随着迭代次数增加而线性减小的变加权因子,其中,是最大惯性因子,是最小惯性因子,是最大迭代次数,是当前迭代次数;c、根据目标函数式(4)大小比较,更新个体最优及全局最优;d、返回步骤(2),当达到最大迭代次数时,输出全局最优作为优化控制量,这样就能求解出使式(4)最小的 ...
【技术特征摘要】
1.一种非线性预测控制的FPGA硬件加速控制器,其特征在于:(1)建立WMR的预测控制模型: (3)式中分别表示WMR的横纵坐标及位姿角, 表示WMR左右轮角速度及前轮转角;(2)根据式(3)目标模型WMR轨迹跟踪的控制要求:保证WMR快速稳定地跟踪上参考轨迹,控制增量变化缓慢,要满足最大值的硬约束条件及满足能量低的要求,对控制量加以约束,将WMR路径跟踪的优化问题描述为: (4)Np为预测时域,Nc为控制时域;(3)优化问题求解:采用PSO对式(4)所描述的非线性约束优化问题进行非线性规划:a、随机初始化维粒子,每个粒子有位置与速度两个状态,根据目标函数式(4)初始化个体最优及全局最优;b、根据粒子更新公式: (5)更新粒子速度与位置,k是迭代次数,j是各个粒子,、表示对个体最优与全局最优的学习能力的正学习因子,是上的随机数,是按照随着迭代次数增加而线性减小的变加权因子,其中,是最大惯性因子,是最小惯性因子,是最大迭代次数,是当前迭代次数;c、根据目标函数式(4)大小比较,更新个体最优及全局最优;d、返回步骤(2),当达到最大迭代次数时,输出全局最优作为优化控制量,这样就能求解出使式(4)最小的控制量;(4)NMPC-PSO的算法流程:a、设预测时域Np及控制时域Nc,初始化NMPC与PSO相关参数,包括、、及、、N、D;b、给定期望跟踪轨迹,在时刻,得到测量值;c、通过PSO求解非线性规划问题,通过状态更新及粒子更新得到优化控制序列及控制量,并作用于系统;d、在k+1时刻,令k=k+1,返回第2步;这样经过反复更新计算,最终完成NMPC-PSO控制器对被控对象的控制。2.根据权利要求1所述的非线性预测控制的FPGA硬件加速控制器,其特征在于:目标函数主要包括三部分:轨迹跟踪、控制量加权与控制增量加权三部分;第一部分保证WMR快速稳定地跟踪上参考轨迹,第二部分保证不要太大从而实现能量低的目标,第三部分保证不要太大从而实现跟踪轨迹平顺性的目标; 、与是加权矩阵,越大WMR轨迹跟踪越快,越大能量越低,越大控制量变化越平顺,通过调节这三个参数来达到WMR快速稳定跟踪、平顺性与能量低的控制目标,这三部分属于软约束;除此之外还存在机械结构物理约束的数学描述,表示控制动作的最大范围,其中左右轮角速度、在[0,30]范围内,前轮转角在[-0.5,0.5]范围内,属于硬约束。3.权利要求书1所述的非线性预测控制的FPGA硬件加速控制器的加速实现方法,其特征在于:通过ModelSim对各个模块进行功能仿真,保证各个模块设计的正确性;最后在顶层设计各个模块时序实现NMPC控制器,进行编译综合、布局布线;(a)三角函数求解模块:采用旋转坐标法求解三角函数,通过忽略向量长度,经过一系列的小角度的旋转逐渐逼近实际角度的方法: (6)其中,旋转因子,表示每次旋转中向量模长的变化,初始值及;(b)随机数发生模块:采用线性反馈移位寄存器产生均匀分布的伪随机数序列: (7)gm为反馈系数,取值只能为0或1,取为0时表示不存在该反馈...
【专利技术属性】
技术研发人员:许芳,梅钦,李宗俐,季冬冬,陈虹,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。