基于MATLAB的双后轮机器人的路径识别与跟踪的研究

以双后轮驱动机器人为对象,主要研究了其运动结构模型,并用MATLAB完成了对机器人路径识别与跟踪的仿真。采用了改进的PID算法来对机器人进行控制,使机器人能更好地运动。

虚拟轨道列车超螺旋滑模自适应导向控制

为提高虚拟轨道列车在参数不确定和未知外部扰动环境中自导向控制的鲁棒性能,针对列车运行中多输入多输出的过驱动控制问题,基于拉格朗日方程建立了多铰接列车的非线性导向控制模型,将等效轮胎侧偏力作为控制输入量;利用虚拟轨道离散点坐标与列车运行速度,建立了计算列车位置、速度与加速度的参考模型,设计了独立的列车导向控制器与纵向速度控制器;利用李雅普诺夫方法,基于传统滑模控制(SMC)和自适应超螺旋滑模(ASTSM)分别设计了2种列车导向控制器,利用轮胎逆模型计算了线控转向系统的转角控制量;建立了轮速分配模型,基于参考速度矢量,将列车纵向速度控制转换为每个轮毂电机的转速与电磁转矩控制;建立了7节编组列车的动力学仿真模型,通过变速和综合线路测试分析了轮毂电机转速和电磁转矩的响应过程,研究了车辆模块之间铰接作用力的分布规律,比较了SMC和ASTSM在参数不确定和未知外部扰动工况下的鲁棒性能。研究结果表明:建立的列车导向控制模型、运动参考模型与轮速分配模型是有效的;车辆模块的纵向速度跟踪误差小于1.5 km·h^(-1),车轮转速跟踪误差率小于1%;与SMC相比,当存在未建模动态、50%负载变化与未知扰动时,提出的ASTSM具有更好的自适应鲁棒性能,使车轴中心位置偏差能在有限时间内收敛至0附近;在侧向力干扰下,ASTSM的车轴中心偏差均方根与最大值分别为10和42 mm,分别降低了82%和61%;ASTSM在曲线路段中无明显的稳态偏差,且车间铰接角能一致地收敛至稳态值,保证了虚拟轨道列车的运行稳定性。