基于单点预瞄最优曲率的4WDEV人-车-路闭环仿真研究

车辆路上行驶系统是一个复杂的非线性系统,依据传统控制方法难以建立精确的驾驶员模型。在"单点预瞄最优曲率理论"的基础上,应用Matlab/Simulink仿真软件,对包括"稳态统一指数轮胎模型"在内的整车动力学系统,建立了模糊控制PID控制器,并能在线实时调整3个PID参数。仿真结果表明,所建立的驾驶员模糊控制器能很好地描述驾驶员的控制行为,并可将其研究成果推广到智能无人驾驶车辆上。

基于最优传输的网格参数化序列簇生成方法

利用Ricci曲率流将原曲面上的面元测度前推到目标参数域上形成初始面元测度,对初始面元测度或目标面元测度进行变换,以构造一系列连续变换的面元测度序列,然后计算面元测度间的最优传输映射并构建连续变换的参数化序列簇。通过莫比乌斯变换、曲率强化和重要性驱动3种方式对面元测度进行变换实验,结果表明,相比拟等积方法,该方法可以构造出多种不同的参数化序列簇,并能取得较好的特殊参数化效果。

单拖挂汽车列车路径跟踪控制策略

为提高汽车列车路径跟踪性能,结合模型预测控制和最优曲率预瞄控制设计了路径跟踪控制器。在曲线部分采用模型预测控制以减小横向跟踪误差,在直线部分采用最优曲率预瞄控制来提高行驶稳定性,基于Truck⁃Sim/Simulink建立联合仿真模型并进行了仿真分析。结果表明,与对标车型自带路径跟踪控制器相比,在单移线工况下,采用综合控制器的汽车列车轨迹跟踪误差减少了60%以上,稳定性指标改善了7%。

基于多传感器融合的陆空两栖机器人移动控制系统设计

无人机和无人车迅速发展,而无人机续航受限,无人车运动受限,且在复杂场景移动困难,为此推出陆空两栖机器人来弥补这些不足。陆空两栖机器人主要是能够通过切换空中飞行和地面行驶驱动,解决无人机和无人车在复杂环境下移动困难问题。若纯粹将无人机和无人车的组合体来实现,既不能体现系统控制的集成化,不能降低成本,也无法增加效率。系统采用STM32F405高速率芯片作为控制系统驱动主控,将控制算法融合为一体化控制,采集多个相同传感器数据融合后控制两种模式下的电机驱动。控制算法采用串级比例积分微分(proportion integration differention,PID)以及最优曲率法来增强机器人移动的鲁棒性。研究结果表明,该机器人无论是在空中飞行还是在地面行驶都有很好的控制效果和较强的稳定性。

基于视觉传感器的智能车控制算法设计

以第四届"飞思卡尔"杯全国大学生智能汽车大赛为背景,介绍了基于视觉传感器的智能车控制算法,包括方向控制和速度控制。在PID算法或模糊控制算法几乎为所有参赛队伍所采用的背景下,提出了"最优曲率法",并使用与之配合的"贪婪路径规划"算法。该小车在复杂赛道上的平均速度达3.3m/s,其控制算法设计对智能车设计有借鉴意义。

基于CCD摄像头的仓储机器人控制策略

对仓储环境下的移动机器人控制系统进行了研究,该系统以CCD图像传感器作为路径识别的装置,依据图像处理相关算法,计算出车辆距车道线中心线的距离d及车辆与中心线的夹角θ。直线行驶策略采用模糊控制方法控根据d和θ共同决策仓储机器人的转向机构;转弯行驶策略使用自行车模型和图像传感器识别混合的方法确定车辆位置,利用预瞄最优曲率模型控制仓储机器人转弯。测试结果表明:仓储机器人能够准确地跟踪车道中心线,并根据设定的转弯策略实现转弯的功能。

驾驶员前视距离对汽车稳定性的影响

本文采用预瞄最优曲率模型来仿真驾驶员的控制行为。假设驾驶员向前预视一个距离d ,并根据汽车的即时状态 y(t)与 y·(t) ,来确定一个最优的轨迹曲率 1 /R ,从而确定输入一个适当的转向盘转角。分析了系统响应的稳定性条件 ,并对等速输入时系统的响应作了仿真计算 ,结果证实了稳定性条件 。

基于MATLAB的汽车驾驶员模型探究

以预瞄最优曲率驾驶员模型作为研究对象,建立人—车闭环控制系统,根据道路信息和汽车运动状态,驾驶员输出最佳的方向盘转角,维持汽车预期的行车轨迹。构建MATLAB/Simulink仿真模型,引入侧风干扰,对所建立的驾驶员模型控制汽车操作稳定性进行仿真试验。仿真结果表明:相比于开环控制,基于预瞄最优曲率驾驶员模型的闭环控制系统,能很好地维持汽车行车轨迹跟随能力,从而提高汽车的操作稳定性。

不完全微分与微分先行的农业机器人巡航PID控制算法

为了解决传统PID控制在农业机器人控制中响应迟滞，稳态误差和敏感性较大等问题。在传统PID控制的基础上，引入了不完全微分，微分先行和“最优曲率”算法。首先针对传统PID微分环节对误差波动的敏感性较大，在微分环节加入滤波器，构成不完全微分算法，以减少误差敏感性。然后针对速度和方向设定值的不断变化给系统带来的动态波动，加入微分先行算法，提高系统的动态稳定性和系统的响应速度。最后结合最优曲率，制定动态的PID控制参数，进一步提高控制的精度。实验结果表明，相比于传统PID控制，该改进的PID控制算法使农业机器人稳定行驶速度由原来的2．4m／s达到了3m／s，农业机器人整圈完成度提高5％～10％。加速性、鲁棒性、可靠性得到较大的提高。