无人驾驶铰接转向车辆路径跟踪控制研究综述

路径跟踪是无人驾驶技术的重要组成部分,是实现铰接转向车辆准确平稳自主行驶的关键,对提高铰接转向车辆在农业、林业、矿山及建筑等行业的作业效率和安全性具有重要意义。车辆模型构建、控制算法设计和算法验证评估是路径跟踪控制研究的基础,围绕这3方面阐述了铰接转向车辆路径跟踪控制研究的进展。首先回顾了铰接转向车辆的几何学模型、运动学模型和动力学模型,并讨论了各类模型在路径跟踪控制研究中的适用场景及局限性;在此基础上,阐述了铰接转向车辆路径跟踪控制算法的研究现状,对比并总结了每种算法的优缺点及适用范围,并进一步归纳了算法的验证与评估手段;最后展望了铰接转向车辆路径跟踪技术未来的研究重点及方向:考虑车辆动力学因素及模型参数动态时变特性的车辆建模研究;融合各类算法适应性并结合智能算法的多工况自适应控制算法设计;标准化、流程化的高保真仿真场景开发及集成准确性、稳定性、安全性等多性能的评估方法研究。

铰接农用车路径跟踪控制算法研究

针对铰接农用车在变附着系数路面条件下的路径跟踪精度难以保证的问题,提出了引入侧滑补偿的非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)算法。首先,构建了考虑侧滑补偿的铰接农用车二自由度运动学模型,并基于该模型在Simulink中构建了NMPC控制器,最后以Adams环境中的虚拟铰接农用车为被控对象,以农业典型的地头转弯路径为参考路径,开展了变附着系数路面条件下的试验验证。结果表明,该算法的跟踪误差最大约为0.03 m,能够实现铰接农用车在变附着系数路面下的高精度路径跟踪。

一种针对铰接转向车辆的状态预测方法

车辆状态预测对于风险评估以及规划控制意义重大。提出了一种用于铰接转向车辆的状态预测方法。首先构建了模型预测控制器,并根据控制信息设计了虚拟测量向量。接着设计了一种卡尔曼滤波预测器,融合了虚拟测量向量以及模型预测结果并输出最终预测结果。仿真结果表明,提出的状态预测算法可以准确预测0.5秒内铰接转向车辆的铰接转角、速度以及位置。

基于BP-QR模型的负荷区间预测

为了减少负荷预测中电网运行不确定因素产生的误差,本文结合BP神经网络与分位数回归(QR)算法,提出基于BP-QR模型的负荷区间预测方法,以气象因素与前一日用电负荷值作输入,实现当日负荷区间预测。实验结果表明,该模型能准确反映用电负荷的波动趋势,可实现任意置信水平下的区间预测,为电力调度提供参考信息。

数据挖掘技术在建筑节能中的应用

建筑运行数据是节能管理不可忽略的信息资源。以建筑运行数据中应用数据挖掘技术实现建筑节能管理为主线,阐述数据挖掘在建筑节能领域的应用流程和技术细节,对国内外建筑运行数据、数据挖掘实例、用电负荷和建筑能耗预测、在楼人员数量和行为分析、公共建筑能耗评价等方面做细致全面的总结和分析。