融合Stanley与模糊PID无人车横纵向协同控制

提出了融合Stanley与模糊PID的无人车横纵向协同控制算法。横向控制策略采用自适应Stanley算法,根据道路曲率的变化调整增益参数,解决了增益系数对Stanley算法跟踪精度的影响;纵向控制策略采用模糊PID控制,通过模糊推理规则调整PID参数,使车辆能快速跟踪期望速度。联合CarSim与MATLAB/SimuLink对横纵向协同控制方法进行仿真实验。结果表明:恒定速度下,相比Stanley算法,文中算法的最大位置误差减少了80%,最大航向误差减少了50%;在纵向控制方面,模糊PID控制比PID控制器表现出更稳定地跟踪期望速度。

基于非对称势场的人车协同博弈避撞

为保证人机共驾车辆紧急避让行人时的行人安全和车辆稳定性,提出了一种基于行人非对称势场的人(驾驶员)车协同博弈避撞策略。首先充分考虑行人过街特性及其与车辆的相对运动,建立了一种非对称双椭圆行人势场,以更好地表征行人风险,并在此基础上进行了避撞路径规划。接着为提升避撞过程的车辆稳定性并同时保证轨迹跟踪性能,构建了基于非合作博弈的驾驶员-主动前轮转向(AFS)-主动后轮转向(ARS)三者协同控制器,并在行人避让工况下进行了仿真验证。结果表明:ARS参与后,在确保避撞轨迹跟踪性能的同时,稳定性明显提升,其横向速度误差绝对值均值比驾驶员-AFS两者协同控制器减小了46.43%。

基于Lyapunov方法的非合作目标接近与视线跟踪

研究了接近和跟踪同时存在姿态翻滚和轨道机动的非合作目标轨道姿态6-DOF联合控制问题。综合视线坐标系下相对运动动力学模型和追踪航天器姿态动力学模型,建立姿轨联合动力学模型。由于系统模型存在很强的非线性,所以对系统模型先进行预处理,将其转化成利于控制器设计的形式,采用Lyapunov最小-最大方法对同时存在姿态翻滚和轨道机动的非合作目标设计了自主接近和随动跟踪控制律。通过仿真验证了模型和控制方法的有效性。

一种多机械手编码控制系统的果蔬采摘机器人设计

为了提高果蔬的采摘效率,对果蔬采摘机器人进行了改进,设计了一种新的多机械手的编码控制采摘机器人。通过对机器人功能和结构的设计,使机器人具有了利用机器视觉技术的图像边缘提取来划分每个机械手的作业区间的功能,并可以利用编码器对每个机械手进行编码,从而完成多机械手的协同作业。对机器人的采摘作业性能进行了测试,首先利用机器视觉模块完成了苹果采摘区间的划分,并预设了每个机械手的采摘作业轨迹,利用编码器对预设轨迹进行了追踪。通过测试发现:机器人多机械手的实际追踪轨迹和预设轨迹的误差很小,满足设计需求,多机械手的协同采摘平均速度可以达到80个/min以上,具有高效的果蔬采摘性能。

基于多目位姿实时监测的多体协同技术研究

多目位姿实时监测系统是一种高精度的数字化测量设备,可用于获取目标物在空间中三维位置信息。本文将多个麦克纳姆移动机器人和多目视觉系统相结合构建智能体集群系统,该系统由定位子系统、通信子系统、控制子系统3部分组成。多目视觉系统作为定位系统通过反光靶球对智能体进行定位,通信子系统将定位信息实时输入控制子系统,控制子系统识别不同的智能体,并将相机坐标系下位姿关系转换到世界坐标系下,再根据不同智能体彼此间的位置关系,设计相应的协同控制算法解算单个智能体所需的姿态控制输入,控制智能体达到指定的位置。测试结果表明,用多目位姿实时监测系统辅助多智能体定位,定位误差小,可令整个智能体集群拥有良好的协同控制性能。

引入深度强化学习思想的脑-机协作精密操控方法

针对精密操控中人-机之间缺乏信息双向交互,以及人的精神状态变化会严重影响肢体操控的精度和安全性等问题,提出了一种引入深度强化学习思想的脑-机协作精密操控方法。首先,结合人在上层规划与机器在精细控制上的各自优势,建立由主动操控和被动调控组成的双环路人-机信息交互机制;其次,引入深度强化学习思想,从蒙特卡罗采样原理出发,以表征精神状态的脑电信号(EEG)作为模型的输入,以机器人速度指令作为模型的输出,推导出脑-机协作方法的数学模型;再次,建立具有3个全连接层的精神状态感知网络,从脑-机接口系统的实时监测计算机内存中提取最后1000 ms的EEG作为输入信号,设计开发脑-机协作精密操控算法。最后,创建轨迹跟踪虚拟环境和任务场景,对脑-机协作精密操控方法进行了实验验证,结果表明:该方法在轨迹跟踪任务的控制精度和完成时间指标上均得到了提高;相较于传统方法,该方法的平均轨迹跟踪精度和完成时间指标分别提高了36.55%和22.81%。

基于辅助信标的无人机协同目标跟踪

针对无人机姿态角误差与观测误差影响目标定位精度问题,构建基于辅助信标的无人机协同目标跟踪模型,提高了对目标的定位精度。提出基于辅助信标的姿态校正方法,利用辅助信标的精确位置实时校正无人机的姿态角,减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型,设计双无人机协同控制律,得到无人机观测的优化轨迹,以提高无人机对目标的观测质量,最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响,提高目标跟踪精度,具有一定的工程应用价值。

多伺服电机智能化协调容错轨迹跟踪控制系统设计

针对一类具有执行器、传感器故障的多伺服电机控制系统,设计了相应的多伺服电机智能化协调容错轨迹跟踪控制系统.首先,提出了一种新结构的分布式中间估计器,修改了其设计结构,提高了估计方案的可行性.其次,通过在线强化学习估计策略,可以显著提高估计性能,其核心是自适应切换机制与源故障模式定位功能块的集成,并根据估计值设计了协调容错轨迹跟踪控制器.同时,设计了可视化人机交互操作界面,可将伺服电机的实时位置、速度、相应的位置、速度估计值及控制性能等信息反馈至监控中心.操作人员可随时调节伺服输入,完成任务调整,可有效提升系统实用性.多伺服电机控制系统的实验结果验证了所提方法的有效性及优越性.

无人机集群分布式跟踪抗扰控制设计与实验验证

研究了存在外界未知扰动下分布式无人机集群轨迹跟踪问题,设计了一种新的无人机集群非线性鲁棒轨迹跟踪策略。首先,基于切向坐标系构造了无人机编队模型,并设计了协同控制律;其次,针对轨迹跟踪问题设计了一种基于误差符号函数积分(RISE)的鲁棒控制算法,用于补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性;然后,基于Lyapunov分析的方法,证明了无人机编队系统协同误差全局渐近收敛,以及位置跟踪误差半全局渐近收敛;最后,在四旋翼无人机编队实验平台上进行了无风扰和有风扰条件下无人机集群轨迹跟踪实验,并与常规滑模控制算法进行了性能对比实验。实验结果表明,所设计的控制律可以实现多无人机的协同轨迹跟踪,且具有较强的抗外界干扰能力。

多UCAV航迹规划研究

给出了一个实时、可行的多UCAV航迹规划和控制算法.构建了多UCAV航迹规划的系统总体结构;提出以协同时间作为指标建立协同管理层的思想,并给出了多UCAV协同飞行时间的确定方法;基于voronoi图的方法规划了UCAV航路点路径;利用开关控制法进行了航迹控制.用Matlab仿真验证了算法的有效性.

基于图像的双臂模糊自适应轨迹跟踪控制

在固定相机的监视下,随机位姿的目标物体在双臂系统的控制下执行轨迹跟踪控制任务时,既要考虑目标随机位姿引起的运动学和动力学不确定性问题,还要考虑运动学和动力学的协同问题.针对上述问题,分别采用自适应方法估计目标质心和特征点的位置信息,利用模糊逻辑系统逼近系统的动力学模型,使用分散控制策略处理双臂的协同问题,最后基于位置/力混合控制方法设计基于图像的双臂模糊自适应轨迹跟踪控制器,并采用李亚普诺夫方法证明系统的稳定性.仿真实验验证了所设计控制器的有效性.

基于滑模和模糊算法相融合的人机协作机器人轨迹跟踪方法

智能制造的应用场景趋于多样化,对人机共融的协作机器人的性能要求日益严格,智能机器人与人的协作越来越密切、融合的场景越来越多。在人机共融的环境下,由于协作机器人的关节产生的摩擦、机器人末端执行器震动产生的干扰项无法准确建模等因素,导致协作机器人在轨迹跟踪过程中产生误差,随之而来的是对协作人员自身安全带来威胁。面向人机共融场景下的协作机器人高精度轨迹跟踪,以抑制机器人的关节抖振和最小化机器人末端执行器的位姿误差为目标,提出一种基于滑模控制和模糊算法相融合的人机协作机器人轨迹跟踪控制方法,基于模糊算法对协作机器人的滑模控制进行优化,降低了滑模控制的抖振。最后,在协作机器人的试验平台和仿真环境中,进行仿真和试验验证,验证该方法提高了协作机器人的轨迹跟踪精度,在收敛速度和跟踪精度方面具有较好的轨迹跟踪效果,更好地为人机协作提供安全、可控的共融环境。

基于Frenet框架的协同自适应巡航控制算法设计

当前对协同自适应巡航控制算法的研究主要集中在单车道纵向方向上,对横向控制考虑的很少,但实际车辆运动过程中转弯以及换道等场景必不可少。为此,本文基于Frenet框架对车队中单个车辆的动力学模型在横向与纵向两个自由度进行解耦。针对车辆的纵向控制问题,通过满足指数收敛条件来保证被控车辆对临近前车和首车的跟踪性,并通过sigmoidal函数来平衡跟踪权重。针对车辆的横向控制问题,采用李雅普诺夫方法进行控制算法设计。仿真实验结果验证了本文控制算法的有效性。