基于前馈非线性模型预测控制的类车机器人路径跟踪

类车机器人由于零件标准化程度低,侧偏刚度等轮胎力学参数难以准确获得,存在动力学建模十分困难的问题,因此现有研究工作通常以运动学模型作为类车机器人的控制模型,但由于其运动学模型存在模型失配,导致类车机器人与参考路径之间的误差、类车机器人的前轮转角和前轮转角速度出现剧烈振荡现象.针对前述问题,本文基于非线性模型预测控制(Nonlinear model predictive control,NMPC)的滚动优化原理,引入基于逆运动学模型的前馈转角信息,将前轮转向角作为预测模型的第四维,提出了一种基于前馈非线性模型预测控制(Feedforward NMPC,FNMPC)的类车机器人路径跟踪控制算法.并通过Simulink和CarSim进行了联合仿真,结果表明FNMPC有效减小了模型失配导致的振荡现象,同时具有较高的跟踪精度.其中前馈非线性模型预测控制器的位移误差幅值不超过0.1106 m,航向误差幅值不超过0.1253 rad.在相同工况下,线性模型预测控制、前馈线性模型预测控制、纯跟踪控制和Stanley控制误差发散,而本文提出的FNMPC相比已有NMPC跟踪精度更高,且控制增量绝对累计值相比NMPC控制器减小67.53%.通过线控类车机器人底盘作为实验平台完成的测试结果表明,NMPC系统在进入弯道时出现控制失控现象,在相同工况下,FNMPC系统能够有效完成对参考路径的跟踪,同时将位移误差幅值控制在0.1624 m以内,航向误差幅值控制在0.1138 rad以内.

麦克纳姆轮农业机器人路径跟踪——基于改进野马算法

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题,建立了运动学模型和动力学模型,设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative,PD-FOPID)控制器对全局路径进行动态跟踪控制。对于控制器参数多且整定困难的问题,首先采用帐篷映射初始化种群策略、精英主义记忆策略、动态余弦权重策略和柯西—高斯变异策略对原始野马算法进行改进,然后利用略改进野马算法(Improved Wild Horse Optimizer,IWHO)对控制器最优增益参数优化。实验结果表明:所开发的算法在探索和开发阶段方面性能优异,且PD-FOPID控制器在整定工作中表现突出。路径跟踪仿真证明,设计的双环PD-FOPID控制器比FOPID控制器更具显著的优势,能够避免动态误差累积,快速响应调整到规划路径,在提高农业大棚机器人路径跟踪控制质量方面具有巨大的潜力。

无人驾驶农机避障路径跟踪仿真与验证

【目的】为便于验证无人驾驶农机避障路径跟踪的效果,减少实际无人农机试验次数与消耗,设计一种无人驾驶农机避障路径跟踪仿真验证方法,构建一个仿真验证应用系统。【方法】以无人农机为基础,集成真实复杂地形环境仿真、实际作业农机仿真和路径规划算法植入,构建一个一体化仿真验证应用系统。基于三维SLAM技术,采集环境点云数据,实现农田地形环境仿真建模,构建阿克曼转向机械结构的农机仿真建模,提出一种基于农机动力学约束的TEB局部路径规划算法;在仿真验证应用系统中实现路径规划跟踪及避障,并通过多次测试验证该算法的有效性。【结果】避障路径跟踪有效性对比测试和避障路径跟踪平顺性验证测试结果表明,无人农机行驶过程中可有效动态避障,最短有效避障距离为4.1 m。路径跟踪控制效果良好,障碍物距离大于5.0 m时,可控平均误差≤0.4305 m,均方根误差≤0.3151 m;障碍物距离在4.5~5.0 m时,可控误差均值≤1.3538 m,均方根误差≤1.6126 m。【结论】本文提出的改进TEB算法具有较强的作业能力以及较高的作业精度,满足农业机械导航避障路径跟踪仿真验证的需求,该算法可应用于无人农机在实际农田环境的避障路径跟踪。该应用系统易于扩充,为精准农业中针对各种复杂作业环境的农机运作状态的优化设计研究提供基础。

基于模糊快速滑模的农用牵引车辆直线路径跟踪控制

为解决无人驾驶牵引式农机在非结构化环境中作业时直线跟踪精度低、上线速度慢、抗干扰能力差等问题,提出了一种基于模糊快速滑模控制的农用牵引式车辆直线路径跟踪控制方法。首先利用车辆运动学模型与参考路径建立牵引车辆直线路径跟踪误差模型,并提出一种基于模糊参数整定的快速滑模直线路径跟踪方法,解决了滑模控制算法的控制器抖振与机具快速上线问题。通过Lyapunov稳定性分析可知,所设计控制方法可保证牵引机具跟踪参考路径,同时铰接角收敛至零。最后,基于Simulink仿真与实车试验对该控制方法的有效性与优越性进行测试。田间实车试验表明,使用本文控制方法时,拖车和挂车最大路径跟踪横向误差分别为0.11、0.12 m,拖车和挂车跟踪误差方差分别为0.0013、0.0015 m^(2);相较于传统基于等速趋近律设计的滑模控制器,上线时间提升约58%,最大跟踪误差减小约66%。

无人驾驶车辆路径跟踪混合控制策略研究

针对单一控制算法无法同时满足无人驾驶车辆对路径跟踪精度和控制器求解速度需求的问题,提出一种基于线性二次型调节器(LQR)和模型预测控制(MPC)的混合控制策略。该策略在低速工况下使用线性二次型调节器、在高速工况下使用模型预测控制算法进行路径跟踪控制,在此基础上设计基于有限状态机(FSM)的控制算法切换机制,并通过遗传算法(GA)对控制参数进行优化,基于CarSim和MATLAB/Simulink仿真平台对混合控制策略进行仿真验证,并进一步完成了实车试验。试验结果表明,所设计的混合控制策略能够在提高跟踪精度的基础上缩短计算时间,与单一控制算法相比,平均横向误差和平均航向误差分别减小了26.3%和39.6%,平均计算时间缩短了10.9%。

无人驾驶拖拉机路径跟踪控制方法综述

为加快农业现代化的发展,农机自动化、智能化是我国农业机械的发展趋势。无人驾驶拖拉机能够提高作业精度与作业效率,减少投入成本,是近年来智能农机装备领域的重要研究对象。为此,介绍了无人驾驶拖拉机的两种主要建模方法以及5种路径跟踪控制方法。同时,对该技术发展提出了建议:应进一步深入研究曲线行驶和转弯控制方法,分析不同路面的影响,综合考虑成本与控制方法鲁棒性、适应性之间的平衡关系。

基于事件触发机制的多自主水下航行器协同路径跟踪控制

针对考虑外部海洋环境扰动和内部模型不确定性的多自主水下航行器(Autonomous underwater vehicle,AUV),研究其在通信资源受限和机载能量受限下的协同路径跟踪控制问题.首先,针对水声通信信道窄造成的通信资源受限问题,设计一种基于事件触发机制(Event-triggered mechanism,ETM)的协同通信策略;然后,针对模型不确定性和海洋环境扰动问题,设计一种基于事件触发机制的线性扩张状态观测器(Extended state observer,ESO)来逼近水下航行器的未知动力学,并降低了系统采样次数;最后,针对机载能量受限问题,设计一种基于事件触发机制的动力学控制律,在保证控制精度的前提下,降低了执行机构的动作频次,从而节省了能量消耗.应用级联系统稳定性分析方法,分别验证了闭环系统是输入状态稳定的且系统不存在Zeno行为.仿真结果验证了所提基于事件触发机制的多自主水下航行器协同路径跟踪控制方法的有效性.

基于优化动力学模型的路径跟踪控制研究

针对一般路径跟踪模型预测控制器在高速大曲率工况下适应性差的问题,提出了一种基于优化动力学模型的自适应预测时域控制策略。首先,为解决经典动力学模型在较高侧向加速度工况下精度不足的问题,建立了包含侧倾转向和变形转向特性的优化模型,实现了车辆状态的较高精度预测;其次,为解决高速大曲率工况下固定预测时域控制效果不佳的问题,提出了基于二维高斯函数的自适应预测时域策略,以低算法复杂度实现了预瞄距离的实时调整;最后,通过CarSim/Simulink联合仿真实验验证了控制器在双移线道路上的控制效果,结果表明,横向位置峰值误差降低45.1%,横摆角峰值误差降低72.4%,设计的控制器对极限工况有更好的适应性。

无人自行车平衡及路径跟踪耦合控制策略研究

为提高自行车自行驶过程稳定性,提出一种实现车身平衡及路径跟踪耦合控制策略。由自行车动力学模型得到车身理想倾角与前轮转角关系,在惯性飞轮提供外力矩实现车身平衡的基础上,将车身主动倾斜辅助惯性飞轮平衡车身。当惯性飞轮电机输出功率饱和或车身受横向干扰时,前轮转向由路径跟踪切换至辅助车身平衡。研究测试表明:提出的控制策略,实现车身自平衡及路径跟踪,同时减小惯性飞轮电机输出力矩,有效提高了自行车行驶过程的抗干扰性。

基于多层MPC框架的类车机器人调速路径跟踪

针对类车机器人路径跟踪控制的研究工作尚未考虑主动调速与路径跟踪之间的关联,现有控制系统为了保证较高的路径跟踪控制精度只能将纵向速度设置为较低值.同时,在其他移动装备的主动调速路径跟踪控制策略中,以模型预测控制(Model predictive control,MPC)为基础的多层模型预测控制(Multilayer MPC,MMPC)具有对于误差来源兼容性较强的优势,但是现有系统采用速度较高时精度不佳的线性模型预测控制(Linear MPC,LMPC)作为底层路径跟踪控制算法,因此纵向行驶速度仍然较低.针对这些问题,结合基于MMPC的主动调速路径跟踪控制框架、精确性和实时性均较好的前馈模型预测控制(Feedforward MPC,FMPC)底层路径跟踪控制算法与长时域预测精度较高的非线性模型预测控制(Nonlinear MPC,NMPC)顶层速度决策算法,构建了新的基于MMPC框架的主动调速路径跟踪控制系统.通过MATLAB和CarSim联合仿真对提出的MMPC系统进行了测试.提出的MMPC系统可以在平均行驶速度较高时实现较高精度的路径跟踪,在平均行驶速度为4.2859 m·s^(-1)时,位移误差的最大幅值为0.1838 m,航向误差的最大幅值为0.1350 rad.在纵向速度较高时,提出的MMPC相比恒速的FMPC、NMPC系统和已有的MMPC系统精度更高,在相同工况下,FMPC系统误差发散,提出的MMPC系统可以相对已有的NMPC和MMPC系统将位移误差最大幅值减小46.29%和62.22%.在能够保障较高精度时,提出的MMPC系统的平均行驶速度较高,相比已有的FMPC和MMPC系统,可以将平均行驶速度提高43.06%和317.48%,与NMPC系统指标接近.

考虑复杂扰动的轻型商用车路径跟踪混合控制方法

外界扰动、模型不确定性和参数摄动等复杂扰动直接影响智能车辆路径跟踪控制的精度和行驶安全性。商用车的载重特性使其在行驶过程中受到的复杂扰动更为明显,为提升自动驾驶商用车路径跟踪精度和平顺性,提出一种路径跟踪混合控制方法。首先,建立鲁棒性强的基于扩张观测器的滑模控制器和变化平稳的增量式LQR控制器,其中增量式LQR的参数使用粒子群算法整定。然后,使用模糊控制器将两者相结合,根据车速和横向误差调整权重系数,在提升系统鲁棒性的同时削弱抖振。最后,进行了仿真分析和实车试验。试验数据表明,SMC+LQR具备较好的控制效果,能应对外界的复杂扰动。

考虑稳定边界和侧倾稳定的车辆路径跟踪控制

为了解决无人驾驶车辆的路径跟踪任务中跟踪精度和车辆稳定性之间的冲突问题,提出了一种考虑横向和侧向稳定的路径跟踪控制器.首先以四轮独立驱动智能车为研究对象,设计了一种基于主动转向和电机驱动扭矩分配的整体模型预测控制器,以保证车辆在极端工况下的稳定和跟踪精度.然后通过相位图法和轮胎最大侧偏角设计车辆稳定性约束以优化动力学性能,利用零力矩方法建立侧倾约束,防止侧倾.最后在仿真中对比现有控制器,结果表明,所提出的控制器能够最大化地发挥车辆动力学极限,并在保证车辆稳定性的同时提高车辆的路径跟踪精度.

基于虚拟力分析的全柔性共轴旋翼无人机路径跟踪方法

随着无人机作业工况复杂性的提升,对其控制精度提出了更高要求,需结合多种因素对无人机控制系统和结构特性进行建模并开展改进研究。该文章提出了基于虚拟力分析的全柔性共轴旋翼无人机路径跟踪方法:首先,基于旋翼柔性变形的受力形变模型构建全柔性共轴旋翼无人机动力学模型;然后,依据虚拟力分析方法制定虚拟力反馈控制律,并利用长短时记忆网络实现基于虚拟力反馈无人机路径跟踪;最后,开展模型特性分析及仿真实验,验证了所提方法在抵抗外界干扰方面具有有效性和鲁棒性。

采用转角补偿LQR的自动驾驶集卡路径跟踪控制

为了解决自动驾驶集卡中半挂车在行驶过程中的路径偏移问题,提出了一种引入铰接角偏差和转角补偿的线性二次调节器(LQR)控制方法。基于集卡三自由度动力学模型建立了考虑铰接角偏差的路径跟踪误差模型;通过采用比例-积分-微分(PID)算法进行转角补偿设计了LQR路径跟踪控制器;通过MATLAB/Simulink和TruckSim搭建联合仿真平台,在不同工况下进行仿真分析验证。结果表明:通过采用提出的路径跟踪算法,引入PID转角补偿,牵引车平均距离偏差降低62%以上,半挂车平均距离偏差降低31%以上,航向偏差和铰接角偏差也均有所改善。因此,该文提出的控制算法具有较好的路径跟踪性能,提高了对期望路径跟踪的精度和稳定性。

面向海底管道巡检的AUV三维自适应路径跟踪

针对面向海底管道巡检任务的欠驱动自主水下航行器(AUV)三维路径跟踪控制问题进行研究。首先,在固定坐标系和机体坐标系下建立AUV的运动学模型,为设计适宜运动控制的三维路径跟踪控制器,建立流体坐标系,并在Serret-Frenet坐标系下建立AUV的路径跟踪误差模型;其次,将可变前视距离引入传统视线(LOS)制导策略,提出一种自适应LOS制导策略以提高制导精度,并基于此设计面向海底管道巡检的AUV三维路径跟踪控制器,使得AUV可有效跟踪设定的参数化路径;最后,基于李雅普诺夫稳定性理论证明了闭环系统的稳定性。仿真结果验证了所提面向海底管道巡检的三维路径跟踪控制器的有效性。研究成果能够改善AUV的操纵性,可为面向海底管道巡检的无人水下航行器路径跟踪控制方法提供参考。

基于LQR的自矫正路径跟踪控制器设计方法

针对农业机械自动驾驶提出了一种基于线性二次调节器(LQR)的自矫正路径跟踪控制器设计方法。该方法通过将车辆系统建模为多输入单输出(MISO)状态空间系统,使用LQR设计控制器,以实现对车辆在给定路径上的稳定跟踪和抗干扰能力。针对LQR控制器中存在的系统误差引入了基于反馈误差的自矫正机制,以实现快速准确的路径跟踪,同步降低农业机械自动驾驶中的轨迹误差值。在仿真与实验中进行了验证,并与传统LQR控制器进行比较。结果表明,该控制器设计方法可以有效实现自动驾驶农业机械在复杂路径上的精确跟踪和强鲁棒性性能,曲线路径跟踪平均最大横向误差小于等于0.0530m,平均最大绝对平均误差小于等于0.0331,平均标准差小于等于0.0273m。

基于自适应采样周期和预测时域MPC的车辆路径跟踪控制

为解决自动驾驶车辆在低附着路面路径跟踪控制精度较低的问题,设计了一种自适应采样周期和预测时域MPC控制器。首先,结合车辆动力学模型和MPC算法设计了MPC控制器,并加入轮胎侧偏角约束;然后,分析控制器的采样周期和预测时域对控制效果的影响,提出一种综合考虑采样周期和预测时域的自适应控制策略,通过车辆前轮转向角更新采样周期,通过车速更新预测时域;最后,使用Carsim和Matlab/Simulink联合仿真平台,在低附着路面的不同车速条件下进行仿真实验。结果表明,当车速为25 km/h和45 km/h时,相较于固定控制参数MPC控制器,自适应采样周期和预测时域MPC控制器的最大横向误差分别减小140.2mm和40.8mm,其在不同车速下的路径跟踪控制精度均更高,横摆角速度和质心侧偏角均在合理范围内,车辆稳定性较好,证明所提路径跟踪控制器在低附着路面具有较高的控制精度和可行性。

基于预瞄模型的农机路径跟踪模糊PID控制方法

为提高农机路径跟踪控制性能,提出一种基于预瞄模型的模糊PID控制方法。以农机预瞄模型中的预瞄航向角偏差为输入、前轮转角为输出构建农机路径跟踪PID控制律,再将预瞄航向角偏差作为航向角变化量的目标值引入农机运动学模型,得到能够适应速度变化的前轮转角基础值,并替换PID控制律中的比例部分,最后使用模糊控制实时动态调整控制参数。CarSim与Simulink联合仿真分析表明,当初始横向偏差3 m时,在作业速度1.5、2.0和3.0 m/s情况下,农机上线时间分别为10.85、8.35和5.15s。与传统预瞄控制相比,该方法在确保跟踪精度的同时能够显著提高系统的响应速度。

基于MPC与Stanley的农机路径跟踪融合控制算法

针对智能农机的路径跟踪问题,基于模型预测控制(MPC)与Stanley控制提出一种融合控制算法。在农机运动学模型基础上,运用MPC算法设计路径跟踪控制律。在MPC算法的基础上通过权重系数与Stanley算法进行融合,并采用模糊规则对权重系数进行动态修正。搭建Carsim与Matlab/Simulink联合仿真平台,分别以不同速度对直线路径与圆形路径进行跟踪实验。结果表明,文中算法的控制性能优于常规MPC算法,在跟踪过程的前半段更为迅速,在跟踪过程的后半段更加平稳,直线路径跟踪误差在±2.5cm以内,特别适于农机初始位置偏差较大以及行驶速度较高的应用场合。

蜿蜒步态下的蛇形机器人路径跟踪控制研究

在面向灾区救援等针对蛇形机器人蜿蜒运动的直线路径跟踪效果差的问题,本项目提出基于滑模控制理论的方向控制器,有效收敛了蛇形机器人在稳态时的运动误差。针对蛇形机器人头部晃动影响头部传感器获取有效数据的难题,创新地提出基于补偿函数的头部控制方法,使得蛇头的运动方向与蛇身整体的运动方向一致,保证了蛇头相机拍摄的可读性和传感器测量的准确性,便于机器人准确地感知环境,确保在转弯时机器人整体呈蛇形曲线。