Embedded Model Predictive Control for EMS-type Maglev Vehicles

📄 arXiv: 2603.09671v1 📥 PDF

作者: Arnim Kargl, Mario Hermle, Zhiqiang Zhang, Yanmin Li, Dainan Zhao, Yong Cui, Peter Eberhard

分类: eess.SY

发布日期: 2026-03-10

💡 一句话要点

针对EMS型磁悬浮车辆，提出一种嵌入式模型预测控制方法，提升高速运行下的稳定性和乘坐舒适性。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 磁悬浮车辆 模型预测控制 嵌入式系统 高速控制 电磁悬浮

📋 核心要点

  1. 高速磁悬浮列车对控制算法提出了更高要求，传统方法难以兼顾稳定性和乘坐舒适性。
  2. 采用模型预测控制方法，通过预测模型优化未来控制行为，从而提升系统鲁棒性和性能。
  3. 通过处理器在环实验验证了所设计控制算法在嵌入式硬件上的可行性，为实际应用奠定基础。

📝 摘要（中文）

本文研究了模型预测控制(MPC)方法在电磁悬浮(EMS)型磁悬浮车辆控制系统中的应用，旨在提升车辆在超过600 km/h高速运行时的稳定性和乘坐舒适性。研究重点包括模型预测控制器的参数化设计以及在资源受限的嵌入式硬件上的实现。结果表明，模型预测控制能够鲁棒地稳定高度非线性且受约束的系统，即使在极高的速度下也能有效工作。此外，还进行了处理器在环(processor-in-the-loop)研究，以在微控制器上验证所设计的控制算法。

🔬 方法详解

问题定义：论文旨在解决EMS型磁悬浮车辆在高速运行（超过600km/h）时，传统控制算法难以同时保证系统稳定性和乘坐舒适性的问题。现有方法在高速度下可能无法有效应对系统的高度非线性和约束条件，导致控制性能下降。

核心思路：论文的核心思路是利用模型预测控制（MPC）的预测能力和优化特性，通过建立车辆的预测模型，预测未来一段时间内的系统状态，并优化控制输入，从而在满足约束条件的同时，实现对系统状态的有效控制。这种方法能够提前考虑系统未来的动态特性，从而提高控制系统的鲁棒性和性能。

技术框架：该研究的技术框架主要包括以下几个部分：首先，建立EMS型磁悬浮车辆的数学模型，该模型需要能够准确描述车辆的动态特性。其次，设计模型预测控制器，包括选择合适的预测模型、定义目标函数和约束条件。然后，将设计的MPC算法在嵌入式硬件上实现，并进行处理器在环（PIL）仿真验证。最后，通过实验评估控制器的性能，包括稳定性和乘坐舒适性。

关键创新：论文的关键创新在于将模型预测控制方法应用于高速EMS型磁悬浮车辆的控制，并针对嵌入式硬件的资源约束进行了优化设计。与传统的控制方法相比，MPC能够更好地处理系统的高度非线性和约束条件，从而提高控制性能。此外，论文还通过处理器在环实验验证了算法在实际硬件上的可行性。

关键设计：关键设计包括：1) 预测模型的选择，需要选择能够准确描述系统动态特性的模型，同时考虑计算复杂度。2) 目标函数的定义，需要综合考虑稳定性和乘坐舒适性等多个指标。3) 约束条件的设置，需要考虑车辆的物理约束和安全约束。4) MPC算法的参数整定，需要根据具体的系统特性进行调整。5) 嵌入式实现的优化，需要考虑硬件的计算能力和存储空间。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过实验验证了模型预测控制在高速EMS型磁悬浮车辆控制中的有效性。处理器在环实验表明，所设计的MPC算法能够在嵌入式微控制器上稳定运行，并满足实时性要求。实验结果表明，与传统控制方法相比，MPC能够更好地处理系统的高度非线性和约束条件，从而提高控制性能，但具体性能提升数据未知。

🎯 应用场景

该研究成果可应用于高速磁悬浮列车控制系统的设计与优化，提升列车运行的安全性、稳定性和乘坐舒适性。此外，该方法也可推广到其他需要高精度控制的复杂系统中，例如机器人、无人机等。未来，随着计算能力的提升和嵌入式技术的进步，该方法有望在更多领域得到应用。

📄 摘要（原文）

Current developments of high-speed magnetic levitation technology using the principle of the electromagnet suspension (EMS) focus on reaching vehicle speeds of more than 600 km/h. With increasing vehicle speeds, however, updated control algorithms need to be investigated to reliably stabilize the system and meet the demands in terms of ride comfort. This article examines the modern and popular approach of model predictive control and its application to the magnetic levitation control system. Investigated key aspects are the parameterization of the model predictive controller and its implementation on embedded, resource constrained hardware. The results reveal that model predictive control is capable to robustly stabilize the highly nonlinear and constrained system even at very high speed. Furthermore, processor-in-the-loop studies are carried out to validate the designed control algorithms on a microcontroller.