基于“Pure Pursuit”自动驾驶汽车的路径跟踪控制

为了提高自动驾驶汽车路径跟踪控制中的可行性和稳定性,提出一种基于“Pure Pursuit”自动驾驶汽车的路径跟踪控制方法。借助某集团新能源汽车自动驾驶平台采集园区一条参考轨迹纬度值,并再将其转化为大地坐标值;建立自动驾驶汽车运动学模型,根据车速可利用Pure Pursuit算法确定前轮转角,基于前轮转角,通过Carsim与Simulink软件搭建路径跟踪控制联合仿真模型,分别对参考轨迹跟踪控制及跟踪误差进行了仿真分析;最后对所提出的控制方法进行了实车试验验证。研究结果表明:车速低于20 km/h,仿真轨迹和实车轨迹误差均小于0.4 m,最后试验结果与仿真结果基本一致;基于Pure Pursuit算法有效地实现了低速工况下自动驾驶汽车的路径跟踪。

MPC算法与纯跟踪算法的横向控制策略研究对比

为探究智能车辆横向控制算法的性能差异及其适用场景,分别构建了基于预瞄模型的纯跟踪算法(PurePursuit,PP)和基于运动学模型的模型预测控制算法(Model Predictive Control,MPC),利用CarSim和Simulink对双移线和低速、中速以及高速行驶工况进行联合仿真,对比不同工况下的横向控制效果。结果表明:PP算法在低中速时具有较高跟踪精度,在高速时则有很大的误差;MPC算法在低、中、高速工况下的跟踪效果均良好,但实时性较弱。考虑到计算量和实时性,在低速工况下优先选用PP算法,中高速工况下选用MPC算法最佳。

几何路径跟踪组合算法及其农业机械自动导航应用

农业机械自动导航是实现精准农业的有效途径,高精度路径跟踪控制是智能农机自主作业可靠性的重要保证。为提高不同路径曲率和初始误差条件下路径跟踪算法适应性,基于两种几何路径跟踪方法自适应切换提出一种几何路径跟踪组合算法。分析纯追踪和Stanley模型在U型路径跟踪中的稳态误差和收敛特性,在恒定速度下分别设置其最优几何路径跟踪参数,以跟踪误差和路径曲率为输入量设计路径跟踪方法切换逻辑,并采用往复式梭行路径对几何路径跟踪组合算法进行测试。搭建移动小车平台对所提算法有效性进行验证,跟踪结果表明当初始误差为2.5 m时,Stanley模型较纯追踪算法有更快的收敛速度,当直线和曲线路径作业速度为1.0 m/s和0.7 m/s时,纯追踪与Stanley具有相似直线段跟踪误差,但曲率突变时纯追踪和Stanley模型最大跟踪误差分别为12.0 cm及11.0 cm。路径跟踪组合算法有效减小曲率突变时路径跟踪误差,相同速度配置下梭行路径最大跟踪误差为9.0 cm,较纯追踪和Stanley分别减小25.0%和18.2%。几何路径跟踪组合算法减少前视距离和增益系数在线优化运算量与算法复杂度,可为复杂作业场景下农机自适应路径跟踪算法设计提供工程实现参考。

移动机器人路径跟踪的方法及研究进展

随着机器人技术的迅速发展,机器人在人们日常生活中应用越来越广泛。在机器人运动控制中,路径跟踪是非常重要的一个方面。路径跟踪的研究是为了保证机器人可以精确跟踪预设好的路径,确保机器人的稳定性和精确度。文章从控制方法切入,简要介绍了几种路径跟踪方法,主要分为基于反馈误差的控制算法,如PID控制;基于模型的跟踪方法,如模型预测算法、线性二次调节器;几何跟踪方法,如纯追踪算法,斯坦利算法。对几种方法的研究进展进行了阐述,比较它们的优缺点。最后,将深度学习、机器学习等融入控制器中也是一个重要的研究方向。

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法。该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度。农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性。

基于SVR逆向模型的拖拉机导航纯追踪控制方法

针对行驶过程中轮胎侧滑量、路面性质等不确定性因素导致传统拖拉机二轮运动学模型难以准确描述拖拉机运动轨迹的问题,提出了一种基于SVR(Support vector regression)逆向模型的拖拉机导航纯追踪控制方法。采用粒度支持向量回归(Granular support vector regression,GSVR)方法建立了拖拉机前进航向的逆向模型,实时获得实际转弯曲率与运动学理论转弯曲率的函数关系,逆向模型对纯追踪导航模型输出进行,校正提高了纯追踪导航控制方法的适应性和动态性能。拖拉机导航系统的路径追踪路面试验结果表明:当行驶距离大于125 m、行驶速度为1.2 m/s时,直线追踪最大横向偏差小于0.061 4 m,较常规纯追踪模型导航方法具有更好的直线追踪性能;田间试验结果表明:该导航控制方法适用于2BFQ-6型油菜精量联合直播机自动对行作业。

基于Kalman滤波和纯追踪模型的农业机械导航控制

以KUBOTA SPU-68水田插秧机为试验平台,以RTK-DGPS为主要导航方式,辅以航向姿态参考系统AHRS500GA-227,研究提高农业机械导航控制精度的方法。在重点对GPS倾斜误差校正的基础上,设计了Kalman滤波器对定位数据进行平滑处理,同时实现磁航向传感器偏移误差的在线辨识与航向校正。采用纯追踪模型实现农业机械直线跟踪控制,基于ITAE优化准则,仿真研究了最佳前视距离的确定方法。试验结果表明:GPS倾斜误差校正和Kalman滤波后的导航参数可以更真实地反映插秧机水田实际运动状态;纯追踪模型可以用于插秧机田间作业直线导航,当行进速度0.6 m/s时,直线跟踪最大误差小于0.17 m,平均误差小于0.02 m。

基于GNSS的农机自动导航路径搜索及转向控制

为提高农机自动导航系统性能,提出了一种基于全球导航卫星系统(global navigation satellite system,GNSS)的农机自动导航路径搜索方法和基于预瞄点搜索的纯追踪模型。根据农机不同作业需求,导航系统可选择直线路径搜索或曲线路径搜索,实现农机直线和曲线自动导航作业;建立基于预瞄点搜索的纯追踪模型,并将其用于农机转向控制,该模型不涉及复杂的控制理论,适用性较强。为验证路径搜索方法和纯追踪模型性能,以John Deere拖拉机为试验平台,进行了农机直线跟踪和转向控制导航试验。结果表明:直线路径跟踪导航试验,车速为0.8、1.0和1.2 m/s时,导航均方根误差分别为3.79、4.28和5.39 cm;转向导航试验,车速为0.6 m/s时,在弓形转弯和梨形转弯导航方式下,导航均方根误差分别为25.23和14.42 cm;与模糊控制方法对比试验,直线路径导航方式下,应用该文方法和模糊控制方法的导航均方根误差分别为4.30和5.95 cm,在曲线路径导航方式下,应用该文方法和模糊控制方法的导航均方根误差分别为13.73和21.40 cm;基于GNSS的农机自动导航路径搜索方法和预瞄点搜索的纯追踪模型可以得到较好的定位控制精度,可满足田间实际作业的要求。

基于改进纯追踪模型的温室采摘运输自动跟随系统

基于Kinect体感感应技术,设计了一套温室果蔬采摘运输自动跟随平台。通过体感感应系统获取图片上像素点的深度信息,结合图像处理算法,逐行扫描确定人体图像并实时获取人体骨骼信息,计算了人体当前的三维坐标并记录人体走过的路径轨迹。系统采用自调整函数对路径进行优化,避免了剧烈转向行为,并对优化后的路径以模糊算法动态确定纯追踪模型的前视距离,从而实时调整转向和转角,实现了精准跟随和稳定跟随。试验结果表明,该跟随系统能在避免剧烈转向的前提下以较高的精度跟随,横向最大跟踪偏差不超过10.0 cm,最大深度偏差为5.5 cm,且系统性能不受光照条件影响,满足温室采摘运输要求。

基于双切圆寻线模型的农机导航控制方法

针对油菜直播机组导航作业中田头换行、转弯等直线跟踪之间的衔接控制问题,设计了一种适用于2BFQ-6型油菜精量联合直播机导航的双切圆寻线模型控制方法。对初始偏差较大时拖拉机的寻线路径进行了定量分析,获得最优寻线路径的几何关系,依据该关系构建控制决策方法。所建决策方法根据拖拉机位姿状态选择相匹配的控制方程组,计算获得前轮转角以实现导航控制。进行了双切圆寻线模型参数仿真优化和性能与适应性仿真试验。使用该模型控制器进行拖拉机路面导航试验,结果表明:当行驶速度为0.7 m/s,拖拉机与目标直线初始横向偏差为7 m,初始航向偏角为90°时,控制器横向偏差响应的超调量不超过3%,上升时间小于14 s,调节时间不大于19 s,较纯追踪模型方法的超调量和调节时间更小;田间和路面试验结果表明:该模型控制方法对2BFQ-6型油菜精量联合直播机导航作业过程中的对行播种起始位姿调整和套行作业自动转弯操作具有指导价值。

玉米收获机自动对行系统设计与试验

为提高玉米收获机的对行质量,减轻驾驶员的劳动强度,设计了一套玉米收获机自动对行系统,包括自动对行感知系统和路径跟踪控制系统。感知系统由激光雷达、机械式对行传感器、陀螺转角仪等组成,激光雷达检测进入地块前的横向偏差,机械式对行传感器检测收获作业时的横向偏差,陀螺转角仪检测航向偏角。以纯追踪模型作为路径跟踪的控制方法,利用模糊控制原理动态调整纯追踪模型中的前视距离,结合收获机的运动学模型,确定收获机转向轮的期望转角,并通过Matlab/Simulink软件对模型进行仿真分析。将自动对行系统搭载于4YL-6型玉米收获机上进行田间试验,结果表明,激光雷达静态检测试验的偏差均值为0.0775 m,标准差均值为0.1309m,偏差在±15cm和±30 cm内的比例均值分别为80.5%和95%;激光雷达地头自动对行试验的平均调整距离为7.89m,平均偏差为0.146 m;基于机械式对行传感器的收获作业自动对行试验的偏差均值为0.0876m,标准差均值为0.0976 m,偏差在±15 cm和±30 cm内的比例均值分别为83.1%和100%。试验结果满足玉米收获机的对行作业要求,可为玉米收获机的自动对行提供理论支持。

两步纯追踪航向校正模型算法

为了提高农业机械导航精度,在纯追踪算法的基础上,设计了两步纯追踪航向校正模型算法,通过校正车体的航向角,减小车体的横向误差。在MATLAB环境下仿真结果表明,该算法比纯追踪算法的精度高,最大误差和标准差均有所减小。在4轮电动车上,搭建液压系统和卫星接收系统,进行现场试验,验证了两步纯追踪航向校正模型算法的可行性和有效性。

智能车辆路径跟踪横向混合控制器设计

智能车辆路径跟踪横向控制系统中存在较大初始偏差条件下,单一控制策略很难同时满足智能车辆系统对鲁棒性和跟踪精度的要求,为此,设计了一种由模型预测控制(MPC)算法和纯追踪(PP)控制算法组成的路径跟踪横向混合控制器。在初始阶段,横向偏差较大,运用PP控制算法控制车辆;当横向偏差较小且前轮转角变化量满足MPC控制算法的约束时,切换到MPC控制算法。针对该横向混合控制器进行仿真分析和实车试验验证,结果表明:存在较大初始偏差条件下,该控制器在不同车速下均能够快速纠正路径偏差,且能保证路径跟踪过程中的横向偏差范围在±0. 1 m,方向偏差范围在±4°,具有较强的鲁棒性和较高的跟踪精度。

基于超宽带无线定位的农业设施内移动平台路径跟踪研究

为实现农业设施内车辆自动导航,提出了一种基于超宽带(ultrawideband,UWB)无线定位的路径跟踪方法。运用4个基站组建UWB无线定位系统,采用加权最小二乘法(weighted least squares, WLS)法解超静定方程组,提高了移动标签的定位精度。重新定义前视距离,根据车体航向与前视直线的夹角界定车体偏差程度,并提出基于动态前视距离的改进型纯追踪模型。在MATLAB 2016a软件环境下的仿真说明该文算法优于采用固定视距的传统纯追踪算法,并进行实车试验。结果显示,在UWB定位系统的引导下,车体在不同初始状态下均能很好地收敛到期望直线,当速度为0.5 m/s时,在4种初始状态下进行直线跟踪,稳态偏差为5.4～8.4 cm,稳态偏差均值为6.3 cm。在矩形路径跟踪时,当横向偏差和航向偏差均为0的初始状态下,全程平均偏差为20.6 cm,跟踪偏差主要出现在90°转向处,最大偏差为85.5 cm,说明改进后的纯追踪算法的路径追踪质量均优于采用固定视距的传统纯追踪模型,能满足农业设施内移动平台自动导航的需求。该方法可为农业设施内车辆导航提供新思路。

路径跟踪控制算法仿真分析与试验验证

为探究车辆路径跟踪算法性能差异及适用性规律,分别构建基于预瞄的纯跟踪(PP)算法、前轮反馈控制算法和模型预测控制(MPC)算法的车辆模型,在圆环、蛇行和低、中、高速等工况下进行Simulink和CarSim联合仿真并分析横向控制效果。结果表明:PP算法预瞄距离越短,横向控制精度越高,但稳定性越弱,低速鲁棒性较好;前轮反馈控制算法在高速下具有更小的横向控制误差,且增益系数k影响控制精度;相较于前两者,MPC算法在不同速度下均具有良好的横向跟踪性能。最后,开展实车试验对比验证3种算法的跟踪性能,结果表明,在同一工况下,MPC算法具有更优的跟踪性能。

基于改进型纯追踪模型的温室AGV运输平台路径追踪

提出了一种基于改进型纯追踪算法的AGV运输平台路径追踪方法。在平台前后安装双排红外反射式光电传感器,以获取车体相对于引导线的横向偏差和航向偏差;根据偏差程度动态确定纯追踪算法的前视距离,提高了路径跟踪的精度;构建了平台运动学模型,将车体的位姿偏差信息最终转化成左右车轮的速度。仿真和实车试验表明:该方法能够解决不同初始状态的移动平台路径追踪问题,在稳定状态下,其偏差在±20mm之间,满足温室内狭窄空间的循迹运输需求。

基于RTK-BDS的果园农用车辆自主导航系统研究

根据果园农用车辆作业需求,设计了一种基于RTK-BDS的自动导航控制系统。利用卡尔曼滤波技术提高了RTK-BDS在果园应用中的定位精度,同时将模糊控制与纯追踪模型相结合,设计了果园农用车辆直线跟踪导航控制器,并进行了追踪仿真和田间试验。结果表明:当果园农用车辆前进速度为0.5m/s时,最大横向误差不大于0.086m,平均误差不大于0.036m。

无人驾驶方程式赛车横向运动控制研究

针对无人驾驶方程式赛车在变速和复杂曲率赛道条件下难以保证横向运动控制精度与行驶稳定性的问题,提出基于纯追踪控制与模型预测控制的横向运动混合控制策略;以赛车纵向车速作为依据,设计控制模式切换逻辑,当赛车处于低速行驶工况时采用纯追踪控制,高速行驶时采用模型预测控制,并使用模糊控制算法设计切换控制器,实现2种算法的平滑切换;使用CarSim与MATLAB/Simulink联合仿真实验进行验证。结果表明,在变速与复杂曲率赛道条件下,所提出的控制策略能保证无人驾驶方程式赛车横向位置误差小于0.2 m,质心侧偏角小于0.15°,具有较好的跟踪精度与行驶稳定性。

基于拟人驾驶模型的联合收获机导航控制器设计与试验

为了解决轮式联合收获机在水稻收获作业中操作繁琐及作业质量和效率低的问题,通过采集熟练驾驶员驾驶时收获机位姿信息和驾驶员操作信息,运用神经网络构建了拟人驾驶模型并设计了一种基于拟人驾驶模型的联合收获机导航控制器。根据收获作业需求设计了一种田间套行作业路径规划方法,在保证转弯精度的同时,较好的完成收获作业;与传统PID和常规纯追踪模型相比,拟人驾驶模型控制收敛速度快0.42 s、超调减小4.0 cm,具有收敛速度快、超调小等特点。路面直角路线转向试验结果表明,当联合收获机行驶速度分别为0.62、0.82、1.02 m/s时,转弯后超调量不大于3.93 cm,在不同行驶速度下仍具有较高的鲁棒性。田间试验结果表明,联合收获机在水稻田中以0.6、0.8、1.0 m/s的速度前进时,直角转向导航跟踪转向后超调量分别不大于8.1、8.9、9.6 cm,直线跟踪部分平均绝对偏差分别不大于3.1、3.0、3.3 cm。试验结果表明,所设计的拟人驾驶模型导航控制器能较好地完成水稻收获作业自动导航。

基于磁钉阵列的牛舍清洁机器人导航系统研究

针对无人机器人牛舍清洁的需求,提出一种基于机器人模型、磁钉修正算法、纯跟踪算法的导航控制系统。因机器人模型受外界干扰大,单纯靠模型实时定位存在累计误差,故在机器人移动的路径上,每隔一段距离设计1个磁钉,在磁钉位置修正机器人的位置误差,并利用纯跟踪算法精确按照设定路径运行。该系统利用机器人模型计算实时航向值替代磁力计,降低硬件成本,且在工程上易于实现。