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%。

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.

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。

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%。

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.

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。

基于模型预测控制的车辆路径跟踪控制技术研究

以车辆三自由度动力学模型为研究对象,对自动驾驶车辆模型预测控制算法进行研究。结合魔术轮胎模型线性区域和小角度假设理论对车辆动力学模型进行简化处理,设计基于模型预测控制算法的路径跟踪控制器。使用MATLAB/CarSim联合仿真平台,选用多组工况进行仿真试验。设定车辆的速度分别为低速、中速、高速3种状态,并且使用线性二次型最优控制器进行换道工况路径跟踪,与模型预测控制器进行控制效果对比与分析,结果表明,模型预测控制算法路径跟踪控制效果更加优秀。

基于前馈模型预测控制的类车机器人路径跟踪

在类车机器人路径跟踪控制方法中,模型预测控制(Model predictive control,MPC)在处理系统约束方面具有较大优势,但是现有的非线性模型预测控制(Nonlinear MPC,NMPC)实时性较差,线性模型预测控制(Linear MPC,LMPC)精确性较差,因此亟需提出一种同时具有较高精确性与实时性的类车机器人路径跟踪控制方法.为此,以无预瞄点的LMPC为基础,引入基于逆运动学模型的前馈转向角信息,提出了一种前馈模型预测控制(Feedforward MPC,FMPC)方法,并通过MATLAB和Carsim进行了联合仿真测试.FMPC具有较高的精确性,在所有仿真结果中,位移误差绝对值不超过0.1110 m,航向误差绝对值不超过0.1177 rad.在相同工况下,FMPC与NMPC精确性相当,LMPC、前馈控制和Stanley控制误差发散.FMPC也具有较高的实时性,在每个控制周期内的解算时间不超过4.31 ms.在相同工况下,FMPC与LMPC实时性相当,相比NMPC能将每个控制周期内解算时间的最大值减小80.68%,平均值减小65.14%.此外,FMPC能够保证控制变量在系统约束范围内,且受定位误差的影响较小.

基于多模型自适应方法的智能汽车路径跟踪控制

路径跟踪控制是智能汽车的一项核心技术,跟踪效果的精确性和在各种路面附着条件下的鲁棒性是该技术的两大关键要素。但汽车动力学模型的不确定性,尤其是轮胎侧偏刚度的摄动使这两者难以同时得到满足。针对这一问题,将多模型自适应理论引入到智能汽车运动控制中处理不确定性系统的控制。首先,推导了多模型自适应控制律,提出了凸包构架下各个顶点的子模型对真实模型的自适应逼近律,并通过李雅普诺夫函数证明了所提出自适应律的收敛能力。在此基础上建立了汽车动力学模型和车辆-路径联合模型,并由多个顶点子模型构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,利用汽车动力学模型求解自适应率,通过车辆-路径联合模型,基于线性二次型方法(linear quadratic regulator,LQR)求解各个顶点的子模型处的反馈控制律,并通过所得出的自适应权重进行加权。基于Carsim/Simulink的联合仿真结果表明,所提出的多模型自适应路径跟踪控制器在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,与基于名义模型的LQR控制器和鲁棒保性能控制器相比,在高附着路面和低附着路面上都可以取得更好的控制效果,很好地解决了路径跟踪控制中精确性与鲁棒性之间的两难问题。最后,通过快速原型测试平台对算法进行了进一步的实验验证。结果表明,所提出的多模型自适应算法实时性良好,具有较好的工程应用潜力。

基于滑模变结构的农机路径跟踪控制算法研究

为提高农机路径跟踪时的精确性,提出了一种基于滑模变结构的路径跟踪控制算法,并运用滑模变结构算法设计了自动驾驶控制器,通过简化农机车辆模型与线性化二自由度模型,求解出滑模变结构控制器的控制规律。通过在Simulink与CarSim中建立联合仿真模型验证控制器的可行性,结果表明:基于滑模变结构的农机路径跟踪控制算法的车辆作业转弯时横向偏差可控制在0.45m之内,实际行走路径与预设路径基本吻合,较加入预瞄模块的PID控制算法控制精度得到提高,满足自动驾驶农机路径跟踪精度及实时性的需求,可为农机路径跟踪控制的研究提供参考。

自主车辆前馈NMPC路径跟踪控制方法研究

在弯道等大曲率场景中,车辆转向系统的迟滞和车辆模型的线性化会导致转向不足和稳态误差,从而影响自主车辆路径跟踪精度和响应速度。为了解决这一问题,提出了一种路径跟踪框架。该框架在弯道等大曲率场景,触发前馈控制控制器,输出理想转角序列,提前使转向机构到达最优转角附近;随后将引入排斥目标函数的非线性模型预测控制器优化求解出的最优控制序列作用于车辆,刷新理想转角序列。搭建自主车辆实验平台,在不同场景下进行仿真验证,结果表明,与忽略滞后的传统模型预测控制相比,前馈非线性模型预测控制器跟踪精度和响应速度方面的性能有所提高。特别是在弯道等大曲率场景中,所提出的框架将横向均方根误差降低了近30%。

智能汽车自动驾驶路径跟踪控制算法的应用分析

科技不断进步,汽车行业进入了全新的时代,自动驾驶汽车的路径跟踪控制作为该领域的关键技术,其算法质量直接影响车辆能否顺利跟踪预定路径。因此,自动驾驶汽车路径跟踪控制算法的分析和优化成为自动驾驶领域的研究热点。本文重点探讨路径跟踪控制算法,以期为自动驾驶汽车技术的后续发展提供参考。

垄耕模式的无人四驱四转移动作业平台路径跟踪控制

为了提高垄耕模式的无人四驱四转(four-wheel independent driving and four-wheel independent steering,4WID-4WIS)移动作业平台路径跟踪控制精度和稳定性,该研究提出一种基于非线性干扰观测器(nonlinear disturbance observer,NOB)的路径跟踪控制策略。考虑到转弯区域跟踪误差较大,引入原地转向数学模型,设计基于原地转向的航向角PI控制与纯追踪控制的切换控制策略,以实现转弯路径精准跟踪。在此基础上,根据横向偏差和路径弯曲度,设计基于前视距离函数的纯追踪算法及模糊比例补偿器,构建基于NOB的前馈补偿器,以减小上线距离和位置超调。最后对所设计的跟踪控制策略进行仿真和试验验证,结果表明:与传统纯追踪控制相比,所设计的路径跟踪控制策略在3种初始横向偏差下,上线距离、超调、全线平均绝对误差分别减小了32.2%~43.4%、0~42.4%和27.7%~49.5%,且曲线区域平均绝对误差减小33.7%~39.5%;在颠簸硬石板、草地、农田翻耕路况下的稳态区平均绝对误差分别减小了6.25%、33.3%和41.7%。该路径跟踪控制策略有效提高了系统鲁棒性和作业路径跟踪精度,可为垄耕模式的无人四驱四转农业机械导航系统开发提供创新思路和技术参考。