融合反步法的无人驾驶汽车轨迹跟踪控制方法

为了解决无人驾驶汽车轨迹跟踪控制的准确性、稳定性和快速性问题,将反步法分别融合滑模变结构控制和模糊自适应控制.建立车辆三自由度运动学位姿误差微分方程,推导了基于反步法的车速和横摆角速度控制律,结合Lyapunov稳定性判据验证了系统稳定性.分别建立融合反步法的滑模变结构和模糊自适应轨迹跟踪控制方法,结合轨迹跟踪稳态误差、超调量和调整时间,验证、比较了控制方法准确性、稳定性和快速性3种性能的优劣.结果表明:融合反步法的滑模变结构轨迹跟踪控制的稳定性最好,轨迹跟踪超调量接近于0;融合反步法的模糊自适应轨迹跟踪控制快速性最好,轨迹跟踪调整时间相对于反步法缩短了18.2%.

矿用无人运输车辆轨迹跟踪控制算法研究

矿用无人运输车辆作业环境恶劣,存在大曲率弯道、坡道等非结构化道路明显特征,对无人化运输控制要求高。为改善PID等传统控制算法适应性问题,提高无人驾驶轨迹跟踪的车辆横纵向控制精度,提出一种纯跟踪与PID结合的多点预瞄横向控制、考虑模糊控制表参数拟合的纵向控制方法,减少控制参数的同时提高算法效果。根据传统控制算法设计基础控制器,结合基础算法优势进行横向与纵向控制算法设计,通过硬件在环仿真和实车测试验证算法的性能。试验结果表明,横向控制算法与斯坦利算法相比,车辆路径跟踪精度有明显改善,纵向控制方面,速度跟随误差<1 km/h,保证了车辆驾驶时的平稳性与舒适性。

多参数优化MPC的自动驾驶轨迹跟踪控制

针对自动驾驶车辆横向控制在大曲率路径处跟踪误差较大的问题,提出一种多参数优化模型预测控制(model predictive control,MPC)的轨迹跟踪控制策略。根据车辆动力学模型和目标函数搭建轨迹跟踪MPC控制器,将车速、横向位置误差和横摆角误差作为模糊输入,输出前轮转角作用于车辆。通过模糊控制对MPC控制器的预测时域、控制时域和权重矩阵等多个参数进行实时优化,在双移线轨迹不同速度和不同路面附着系数下完成Carsim/Simulink联合仿真,验证控制策略的有效性。仿真结果表明,MPC多参数优化算法优于MPC传统算法和MPC单参数优化算法,在高附着路面轨迹跟踪精度平均可提高27.4%;在低附着路面能够降低最大横摆角误差27.3%,并且能够更好地平衡跟踪精度和操纵稳定性。

基于MPC的自动驾驶汽车轨迹跟踪控制

文中提出了一种基于模型预测控制的自动驾驶汽车轨迹跟踪控制方法。首先,建立了由车辆轨迹跟踪侧向偏差、横摆角偏差与车辆质心侧偏角、横摆角速度构成的自动驾驶汽车轨迹跟踪误差状态空间方程;其次,构建了考虑轨迹跟踪精度和前轮转角变化率的目标函数;然后,设计了包括汽车前轮转角极限值与前轮转角变化率的汽车转向系统执行机构物理约束条件,并采用二次规划方法求解实现轨迹跟踪控制的前轮转角;并进行变质量和变侧偏刚度鲁棒性验证。最后,通过仿真试验、硬件在环试验与实车测试对文中提出轨迹跟踪控制算法进行验证。仿真测试结果表明,相比于LQR轨迹跟踪控制器,文中提出的MPC轨迹跟踪控制器的峰值横向误差7.4%,并且对于质心侧偏角的控制效果更好。硬件在环试验结果表明,在高速高附着工况下文中所提方法具有良好的轨迹跟踪精度和车辆稳定性。实车测试结果表明文中所提方法能够在低速工况下实现单移线、双移线的自动驾驶汽车轨迹跟踪控制。

基于多胞体系统的FWID EV鲁棒加权增益调度轨迹跟踪控制

为了提高四轮独立驱动电动汽车(FWID EV)轨迹跟踪控制性能,针对车辆横向运动系统的不确定性与非线性问题,考虑转向执行机构的动态特性,提出了基于线性变参数(LPV)的鲁棒加权增益调度轨迹跟踪控制策略。首先利用凸分解技术将LPV系统转化为有限多胞顶点凸组合的多胞体系统,然后基于离线设计的每个多胞顶点控制器和线性组合在线计算任意时变参数对应的系统控制器参数,并利用MATLAB和CarSim进行联合仿真。结果表明:在加速变道场景下,所设计的控制器可以保证横向偏移误差不超过2 cm,横向偏移平均绝对误差不超过0.9 cm的较高跟踪精度及行驶稳定性和鲁棒性。

基于固定时间积分滑模观测器的双闭环UUV轨迹跟踪控制

针对水下无人航行器(UUV)轨迹跟踪控制问题,设计一种基于固定时间积分滑模观测器(FTISO)的双闭环运动控制策略。建立UUV运动数学模型,对运动学外环设计积分滑模控制器,使用非线性微分器获得外环虚拟控制律的导数,以保证航行器位置能够精确收敛。考虑动力学内环存在的模型不确定性和外部干扰难以测量等问题,采用FTISO实现对集总干扰快速估计,同时引入李雅普诺夫函数分析系统的稳定性。在仿真环境下对比基于FTISO的双闭环积分滑模控制与积分滑模控制、RBF网络自适应滑模控制的控制效果。仿真结果表明:基于FTISO的双闭环滑模控制对集总干扰有良好的补偿能力,可提高控制系统的性能及精度,可保证UUV在不同环境下均能实现轨迹跟踪。

水下无人航行器实时轨迹跟踪控制方法研究

针对水下无人航行器受外界不确定因素影响产生航行准确度低的问题,研究水下无人航行器实时轨迹跟踪控制方法。分析水下无人航行器运动特性,设计基于贝叶斯神经网络的水下无人航行器自适应控制器,以水下无人航行器的参考速度信号为网络输入,通过网络的不断训练,输出控制力矩,促使水下无人航行器的航行点与预设航行位误差趋近于0,完成实时轨迹跟踪控制。实验结果表明,该方法可完成直线轨迹、圆形曲线轨迹的跟踪控制,且航行点与预设航行位误差小、收敛快、波动次数少,具备轨迹跟踪控制抗干扰能力强、适应能力强的优势。

Udwadia-Kalaba方法在四足机器人单腿轨迹跟踪控制违约问题的应用

针对四足机器人由于初始条件与约束方程不相容和数值积分对低阶约束造成的违约的问题,提出了一种基于Udwadia-Kalaba方法以解决以上四足机器人单腿动力学违约问题的轨迹跟踪控制方法,该方法利用拉格朗日方程建立无约束的动力学方程,将系统的预定轨迹视为系统的约束关系,联系正运动学得到的末端位置建立约束方程.首先,对于初值违约问题,设置了各关节不为零的初角速度,基于Udwadia-Kalaba方法所进行的末端轨迹跟踪误差较大,利用Baumgarte稳定性方法以减小系统误差,并与PID控制下得到的末端轨迹进行对比,验证了对于修正初值违约问题,Baumgarte稳定性方法的优越性;接着,考虑数值积分对低阶约束造成的违约的问题,将其中一个约束轨迹设置为和时间有关的线性方程,利用Udwadia-Kalaba方法进行轨迹跟踪控制,发现其轨迹偏差较大,而后利用Baumgarte稳定性方法对末端轨迹进行修正,达到了使末端轨迹与轨迹规划贴合的目的.

混合驱动水下机器人浮游与爬行双模式轨迹跟踪控制

针对混合驱动水下机器人在进行水下浮游和爬行双模式作业时的轨迹跟踪控制问题,结合混合驱动水下机器人在浮游模式和爬行模式下的不同运动学特性,分别设计了一种基于改进灰狼优化模型预测控制算法的控制器,以实现机器人在浮游模式下的轨迹跟踪,以及一种基于模糊滑模控制算法的控制器,以实现机器人在爬行模式下的轨迹跟踪。仿真结果表明:所设计的改进灰狼优化模型预测控制器通过引入改进灰狼优化算法求解模型预测控制器滚动优化阶段中的目标函数,使得浮游模式的水下机器人能够快速、精确和稳定地跟踪预设轨迹;所设计的模糊滑模控制器采用模糊控制对滑模控制器中趋近律参数进行在线调整,使得爬行模式下的水下机器人能够实现有限时间收敛的同时并抑制抖振问题。

大行程磁阻驱动微定位平台及其轨迹跟踪控制

麦克斯韦磁阻驱动器克服了传统压电陶瓷驱动器行程小及音圈电机推力密度和效率低等难题,在大行程高速微纳米定位中具有极大的应用潜力。设计了一种基于麦克斯韦磁阻驱动的大行程二自由度柔顺微定位平台,并对其进行了高性能轨迹跟踪控制。该定位平台由2个永磁偏置的麦克斯韦磁阻驱动器和二自由度并联解耦柔性导向机构组成,平台利用磁阻驱动器的非线性负刚度来部分补偿柔性导向机构的弹性恢复力,有效提高了运动行程和能量传递效率,使其在±2 mm行程范围内的所需推力从±120 N减少至±24 N。轨迹跟踪控制方面,为补磁阻驱动器偿驱动器软磁材料冲磁带来的磁滞非线性,利用逆Prandtl-Ishlinskii磁滞模型构建了率相关磁滞补偿控制器并将其置于前馈回路中。为解决平台低阻尼谐振及动力学模型不一致等问题,设计了含分数阶相位超前环节的PI反馈控制器以完成对系统开环频率特性的灵活调整,实现了对平台的高精度轨迹跟踪控制,有效减小了系统的跟踪误差。对2 mm幅值、1 Hz和10 Hz频率的三角波信号进行轨迹跟踪所得到的均方根误差分别为0.013 mm和0.017 mm。

多自由度电动静液驱动机械臂轨迹跟踪控制

液压机械臂相比于电动机械臂在重载搬运领域具有不可替代的优势,而多自由度液压机械臂强耦合、本质非线性和模型不确定的特点,给高精度轨迹跟踪控制带来挑战。以多自由度电动静液驱动机械臂为对象,提出一种轨迹跟踪控制策略。首先,建立含电动静液作动器动态的多自由度机械臂动力学模型;其次,基于反步思想设计控制器,并且通过Lyapunov分析证明了系统稳态性;最后,以三自由度电动静液驱动机械臂为例,搭建AMESim-Simulink联合仿真模型,选取3种控制器对比机械臂各关节轨迹的跟踪精度。2种跟踪指令验证结果表明:相较C3控制器和C2控制器,所设计的C1控制器可以较好地补偿机械臂动态,使机械臂各关节更好地跟踪期望轨迹,本研究可为多自由度电动静液驱动机械臂的控制策略设计提供参考。

采煤机高精度轨迹跟踪控制系统设计及仿真分析

为解决采煤机无法根据煤岩条件对其截割高度进行自主、高精度控制的问题,以MG300/711-WD采煤机为研究对象,在对其调高系统液压分系统进行改进的基础上,提出了基于煤岩识别的高精度轨迹跟踪控制系统,并为其配套基于速度前馈的PID控制策略,降低了采煤机截割岩层的风险。

基于变增益自抗扰技术的机器人轨迹跟踪控制方法

本文针对机器人轨迹跟踪控制精度和初始峰值问题,提出一种变增益自抗扰控制器轨迹跟踪控制方法.首先,采用跟踪微分器将逆运动学解处理为插值点区间,设定插值点选取规则及冲击力目标函数.然后,根据目标函数选取插值点拟合得到的轨迹曲线.最后,在考虑机器人动力学下设计轨迹跟踪控制器.仿真和实验结果表明,优化的方法冲击力减少39.8%,且电机能量消耗降低28.48%.设计的变增益自抗扰控制器轨迹跟踪控制可以准确地跟踪轨迹以及解决峰值问题.

轮式移动机器人轨迹跟踪控制的特点与方法

基于传感器的轮式移动机器人已经被广泛地应用于制造、服务、农业、探测等多种领域中。轮式移动机器人的控制问题得到了广泛的关注。轨迹跟踪控制是轮式移动机器人控制的基本问题之一。由于具有非完整条件约束、机器人系统自身的严重的非线性特性、以及控制系统自身的不确定因素和存在各种内部与外部的干扰等使得轮式移动机器人的轨迹跟踪控制非常的困难。本文主要论述了轮式移动机器人轨迹跟踪控制的难点,并且结合这些难点介绍了轨迹跟踪控制的一般方法。最后指出了轮式移动机器人轨迹跟踪控制中存在的一些问题。

欠驱动自主水下航行器轨迹跟踪控制

文章基于级联方法,研究了欠驱动AUV的水平面轨迹跟踪控制问题。将跟踪误差分解为位置跟踪和航向角跟踪2个相互级联的系统,独立设计跟踪控制器,级联系统理论则保证了整个轨迹跟踪误差的全局一致渐近稳定性。其中,采用反演方法获得位置跟踪的全局一致渐近跟踪控制器,并且针对参考航向角速度为非零常值的一类参考轨迹,推导出保证系统全局一致渐近稳定的控制参数及参考轨迹条件。仿真研究表明该轨迹跟踪控制器是有效的,控制品质良好。

柔性臂漂浮基空间机器人建模与轨迹跟踪控制

利用拉格朗日法和假设模态方法建立了末端柔性的两臂漂浮基空间机器人的非线性动力学方程.通过坐标变换,推导出一种新的以可测关节角为变量的全局动态模型,并在此基础上运用基于模型的非线性解耦反馈控制方法得到关节相对转角与柔性臂的弹性变形部分解耦形式控制方程.最后,讨论了柔性臂漂浮基空间机器人的轨迹跟踪问题,并通过仿真实例计算,表明该模型转换及控制方法对于柔性臂漂浮基空间机器人末端轨迹跟踪控制的有效性.

神经网络与计算力矩复合的机器人运动轨迹跟踪控制

为了实现机器人精密运动控制,在其关节系统引入计算力矩法(CTC)与神经网络复合的控制器,旨在通过CTC实现系统的初步控制并利用神经网络补偿机器人的不确定动力学特性所带来的运动误差。首先,建立了机器人的动力学模型并对其不确定性动力学量进行了描述;然后,为机器人构建了双闭环控制系统,并依据机器人标称模型规划出CTC控制律;进而,引入函数链神经网络(FLNN)对不确定性动力学量进行估值,并推导出FLNN的学习律;最后,对系统进行了仿真,结果显示,该复合控制器可将关节位置和速度跟踪误差控制在±0.001 rad和±0.001 rad/s之内,且其对机器人的参数变化及外部扰动具有较强的自适应性与鲁棒性。

基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。

空间机器人柔性臂的动力学轨迹跟踪控制

机器人柔性臂控制问题是目前机器人研究中的一个重点和难点．本文运用基于关节的求逆技术，得到了有关大质量负载的空间机器人柔性臂动力学轨迹跟踪非线性控制问题的有效方法，并以一平面二杆空间机器人柔性臂为例进行了控制的仿真研究．仿真研究的结果表明，该方法具有较高的可靠性和良好的控制效果．

基于四元数的四旋翼无人飞行器轨迹跟踪控制

四旋翼无人飞行器具有复杂的数学模型,但现有控制方法大多是基于系统简化模型提出的.为此,该文分析了这类方法的局限性,并基于原始数学模型研究了非线性轨迹跟踪控制问题.通过期望轨迹建立跟踪误差模型,将其分解为两个相互独立的子系统,并以刚体旋转的四元数为系统状态对姿态子系统进行描述.利用backstepping方法设计时变反馈控制律使其子系统指数稳定.根据级联系统的全局稳定性判据,通过研究耦合部分的性质证明系统的全局指数稳定性.仿真结果表明,该方法能够实现四旋翼无人飞行器对期望轨迹的跟踪.