XiaoMi-AI文件搜索系统
World File Search System预测控制
考虑驾驶模式识别的串联混合动力汽车模型预测控制能量管理策略
摘要：本文提出了一种基于驾驶模式识别、驾驶工况预测和模型预测控制的串联式混合动力汽车能量管理策略，以在维持电池荷电状态的同时改善燃油消耗。为了进一步提高计算效率，对模型进行了离散化和线性化，将MPC问题转化为二次规划问题，通过内点法可以有效地求解。利用Matlab/Simulink平台进行仿真，仿真结果验证了状态预测方法的可行性和所提方法的性能。此外，与基于规则的方法相比，预测控制策略成功地提高了混合动力汽车的燃油经济性。
自主微电网虚拟惯性控制的最优模型预测控制
摘要：目前，可再生能源 (RES) 在电网中的渗透率显著提高，尤其是在微电网中。用 RES 取代传统同步机可显著降低整个系统的惯性。这会对不确定情况下的微电网动态产生负面影响，降低微电网频率稳定性，特别是在孤岛运行模式下。因此，本研究旨在利用虚拟惯性频率控制概念增强孤岛微电网频率弹性。此外，虚拟惯性控制模型采用了最优模型预测控制 (MPC)。MPC 的优化设计是使用一种优化算法，即非洲秃鹫优化算法 (AVOA) 实现的。为了证明所提出的控制器的有效性，将基于 AVOA 的 MPC 与使用各种优化技术进行优化设计的传统比例积分 (PI) 控制器进行了比较。利用 RES 的实际数据，并应用随机负载功率模式来实现实际的模拟结果。此外，微电网范例包含电池储能 (BES) 单元，用于增强孤岛微电网的暂态稳定性。模拟结果表明，基于 AVOA 的 MPC 在提高微电网频率弹性方面是有效的。此外，结果确保了 BES 在时域模拟中改善暂态响应的作用。模拟结果是使用 MATLAB 软件获得的。
使用易腐烂的商品在多阶段供应链中管理库存水平和牛仔效应：一种新的分布式模型预测控制方法
多阶段SC的MPC技术通常会根据三种不同的对照档案（集中式，分散和分布式）进行。前两个在（Alessandri等，2011），（Fu等，2014）中进行了讨论，（Fu等，2016），（Mestan等，2016），（Perea-Lopez等，2003）。集中式方法的主要限制是：数值综合性，计算成本，不愿共享信息。分散的方法没有这些弊端，但会导致性能丧失，因为控制剂彼此独立地决定控制措施。因此，兴趣最近集中在分布式MPC（DMPC）（Fu等，2019），（Fu等，2020）（Kohler等，2021）。上述论文并未考虑到库存系统中的不在项目的存在。另一方面，如果未考虑易腐商品的影响，则会观察到供应链系统的严重退化。易腐烂商品库存水平的集中式MPC已在（Hipolito等，2022； Lejarza and Baldea，2020）中进行了研究。这些后一篇论文假定了一个完全已知的恶化因素。然而，在实际情况的压倒性部分中，这种简化的信息无法满足（Chaudary等，2018）。
使用人工智能工厂模型对柴油机进行模型预测控制
为了实现零碳社会，人们关注的焦点是减少交通运输领域的碳排放1)、2)，但对于支持物流的大型柴油车辆，也需要提高燃油效率并减少碳排放。近年来，柴油机废气排放评价方法不断更新，需要能够在各种条件下满足废气法规的控制方法。然而，众所周知，发动机建模是一个难题，因为它涉及燃烧现象，并且非线性、延迟和相互作用的存在使得构建控制器变得困难。 参考文献3)阐述了对柴油机进排气系统H ∞ 控制的研究，提出了一种通过切换控制器来覆盖运行范围的方法。另一方面，人们也在研究利用实验数据创建发动机的神经网络模型4)。虽然可以使用复杂且详细的仿真模型来模拟发动机，但是很难将其直接用作控制模型。一旦收集到数据，就可以相对容易地创建神经网络，并且神经网络被广泛用于近似、分析、异常检测和模拟。参考文献5），6）研究柴油机的模型预测控制，利用机器学习推导出状态空间表示，并利用神经网络近似控制律，实现高速控制计算。在参考文献[7]中，我们提出了一种结合Hammerstein-Wiener模型和输入凸神经网络的模型。我们还通过将该方法应用于发动机气道系统的建模和控制来检验其实际适用性。在参考文献8)中，提出了一种基于模型的柴油发动机空气路径控制，作为一种模型预测算法，解决具有输入约束的最优控制问题。在参考文献[9]中，开发了一种基于非线性自回归模型的非线性模型预测控制器，该控制器使用外生输入神经网络来解决柴油发动机的控制问题。然而，目前还没有开发出能够建立柴油发动机的神经网络模型并针对该模型系统地进行设计的控制方法。
开关光伏电池系统的随机非线性模型预测控制
摘要 - 预算系统在住宅家庭设置中的用户中获得了知名度。在此设置中，目前的利用能力的主要来源是增加光伏（PV）的自我效率，这高度依赖电池系统的效率。我们提出了一种基于随机动态编程（SDP）的控制方法，以提高系统效率。优化框架包括一个带有备用损失的开关系统，转换器损失的非线性建模以及家庭负载和PV生成的随机预测模型。我们在模拟典型基准案例的模拟中显示，我们的方法实际上可以减少整体系统损失和操作成本。然后，在现实世界中使用市售电池系统显示的现实情况中的适用性。
受传感和驱动约束的感知驱动任务多旋翼空中机器人在线预测控制方法
无人机现在已经在许多应用中变得不可或缺，特别是在摄影或视频创作领域，或者只是在休闲活动中。与此同时，自主空中机器人的形象也在集体想象中传播，因此，无论是在日常生活中还是在更专业的领域中，今天都在这一范围内强烈地看到了许多应用。我们可以特别引用无人机送货上门的反复出现的图像，或者部署机器人舰队在难以进入的环境中进行观察活动。多年来，空中机器人技术的研究一直非常活跃，无论是通过越来越高效的机器人设计，还是通过改进机载算法以实现更大的自主性，技术水平都在不断提高。
一种非线性模型预测控制策略，用于秤车的自主赛车
摘要 - 本文介绍了旨在控制用于自主赛车竞赛的小型汽车模型的非线性模型预测控制（NMPC）策略。拟议的控制策略涉及将车辆时间最小化，同时将车辆保持在轨道边界范围内。优化问题考虑了车辆的致动极限以及作用于Pacejka魔法公式和简单传动系统模型的汽车上的侧面和纵向力。此外，该方法允许在静态障碍物填充的轨道上安全地竞争，从而产生无冲突的轨迹并跟踪它们，同时增强膝盖正时性能。使用F1/10模拟器的凉亭模拟展示了拟议的控制策略的可行性和有效性。该代码作为开源释放，使得可以复制获得的结果。索引术语 - 非线性模型预测性控制，Au au sopos Racing，F1/10模拟器，自动驾驶汽车导航。
风电场中氢基储能系统的运行以实现平稳电力注入：罚款感知模型预测控制
摘要：平稳注入电力是现代风力发电场在不久的将来可能提供的服务之一，而这需要储能。事实上，这是国际能源署 (IEA)-氢能实施协议 (HIA) 在第 24 项任务的最终报告中确定的三种可能的操作之一，这可能会促进风力发电场融入主电网，尤其是与氢能储能相结合时。一般来说，储能可以减轻风力发电固有的不可预测性，前提是它们采用适当的控制算法。相反，如果没有储能，风力发电场的运营将受到严重影响，其经济表现也将受到影响，因为如果合同电力与实际交付电力不匹配，风力发电场所有者/运营商将承担罚款。本文提出了一种模型预测控制 (MPC) 算法，该算法操作氢基储能系统 (HESS)，该系统由一个电解器、一个燃料电池和一个水箱组成，与致力于平稳向电网注入电力的风电场配对。MPC 依靠电解器和燃料电池的混合逻辑动态 (MLD) 模型来利用它们的高级功能，并处理适当的成本函数，以考虑运营成本、氢作为燃料的潜在价值和可能对注入平稳电力所产生的预期利润产生负面影响的罚款机制。通过考虑意大利中南部实际风电场的风力发电概况和根据相应市场区域的现货价格进行数值模拟。结果显示了每个成本项对控制器性能的影响，以及如何有效地组合它们以实现某种合理的权衡。特别需要强调的是，静态选择相应的权重可能会导致无法非常有效地处理系统条件与各种外生因素相结合所产生的影响，而动态选择则可能更适合目的。此外，模拟表明，开发的模型和设置的数学程序可以有效地用于推断设备尺寸的指示。
通过随机模型预测控制对反向燃料电池的可再生能源发电和不确定需求进行优化管理
近年来，可再生能源 (RES) 的广泛传播促使学术界和工业界研究能够更好地利用可再生能源发电来供应能源系统的方法和技术。在文献中，人们研究了不同的技术来管理可再生能源发电并优化其运行。风能和太阳能等可再生能源变化多端且难以预测，因此人们开发了许多随机算法来最佳地管理其预测中的不确定性。为了处理可再生能源预测误差和电力需求的不确定性，并获得电力系统的灵活性，即系统发电机对负载或系统组件性能的意外变化做出反应的能力，必须集成储能系统 (ESS) [1]。电池等电化学储能系统得到了广泛的研究，文献中可以找到许多关于电池管理的著作 [2]。一种有效且环保的电池替代品是电转氢 (P2H) 系统，其中可能的发电过剩通过
通过模型预测控制和优化定型比较冰蓄冷和电池对现场光伏建筑的经济性能
整合可再生能源和储能系统提供了一种更节能、更稳定地运行电网系统的方法。热存储和电池是最常见的集成设备。然而，目前尚不清楚哪种集成存储系统在整体经济性方面表现更好。冰蓄冷的初始成本和维护成本较低，但存储充电效率较低，并且只能转移与建筑物冷却要求相关的电力负荷。相反，电池的往返效率相当稳定，电池可用于转移暖通空调和非暖通空调负荷。然而，电池的初始成本较高，寿命较短。本研究提出了一种使用模型预测控制和最佳尺寸的工具，并提供了一个案例研究，用于比较具有冷却冷却器和现场光伏系统的商业建筑的电池和冰蓄冷系统的生命周期经济性。