基于B样条优化的改进纯追踪农机导航曲线跟踪方法

针对驾驶农机采样路径平滑性对跟踪效果的影响和曲线路径变曲率特性导致跟踪适应性较低的问题,提出了一种基于B样条路径优化的积分补偿模糊纯追踪控制方法。首先采用B样条插值方法平滑优化采样路径信息;再基于行驶规律分析农机曲率与作业速度对跟踪控制的相互作用关系,设计了模糊调整前视距离的纯追踪控制方法,该方法根据前期试验结果采用拖拉机速度和前视路径平均曲率模糊整定纯追踪前视距离,同时采用跟踪横向偏差设计前轮转角积分补偿,减小稳态误差。设计构建了曲线跟踪Simulink仿真模型并进行了仿真试验。仿真结果表明,改进方法的平均绝对横向偏差均值和最大绝对横向偏差均值相较于传统纯追踪控制方法降低4.8%和7.1%。进行了拖拉机田间正弦曲线跟踪试验,插值路径对比试验结果表明,路径插值后跟踪误差较插值前降低75.9%。控制算法对比试验结果表明,拖拉机以速度1.0、1.5、2.5 m/s跟踪不同幅值正弦曲线路径时,采用改进纯追踪方法平均绝对横向偏差均值分别降低36.80%、62.50%和61.03%,标准差均值分别降低27.8%、24.0%和46.3%。最后跟踪田间随机采样路径,当速度为2.5 m/s时,横向偏差标准差为0.06 m。本文方法有效提高了农机曲线路径跟踪精度,满足需要曲线作业的农业生产需求。

基于ABMSSA的PP算法分布式自动驾驶轨迹跟踪控制策略

针对在轨迹跟踪控制中横向纯追踪控制算法前视距离的选取受车辆速度影响较大的问题,本文设计了一种改进樽海鞘优化算法对纯追踪控制中的前视距离进行实时调整优化。首先在纯追踪控制模型的基础之上,采用横向误差作为主要决策参数,设计了改进樽海鞘优化算法的目标函数,同时还在算法中引入布朗运动和自适应权重以防止陷入局部最优解和提高算法的收敛速度。其次本文还设计了纵向双环PID控制算法用于实现智能体车辆对于参考速度的跟踪。最后在智能体车辆实际平台上对所提出的基于分布式纵向双环PID控制算法、横向前视距离优化的纯追踪控制算法进行实验验证,并且设置多组对比实验。结果表明采用基于前视距离优化的纯追踪轨迹跟踪控制控制算法具有最优控制性能,其中最大横向误差为0.068 m,平均横向误差为0.014 m,相较于模糊优化其控制精度提升了24.73%。

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。

基于时滞补偿的纯追踪控制预瞄距离优化方法

纯追踪算法是无人驾驶领域中常用的路径跟踪算法,其中预瞄距离的选择影响着路径自主跟踪的精度。针对实际车辆时滞导致理论最优预瞄距离与实际最优预瞄距离不符的问题,提出了一种基于时滞补偿的纯追踪控制预瞄距离优化方法。首先,基于时延和迟滞对传统模型的影响,更新时滞车辆模型;其次,设计了一种改进樽海鞘优化算法对预瞄距离进行优化,研究不同车辆速度下最优预瞄距离配置,得到了仿真平台下最优预瞄距离和速度的一次线性关系式;最后,在实际车辆平台上,对所提优化方法进行了实验验证。实验结果表明:相比于传统模型,加入时滞补偿所得最优预瞄准确率提高了67.55%。

基于两阶段纯追踪模型的农用车辆路径跟踪算法研究

针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况,基于最小二乘法对车辆进行了转向运动模型辨识,得到了不同设定线速度下的转向运动模型。同时,为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应,造成路径跟踪精度下降问题,提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法,并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明,在行驶速度为0.6 m/s时,固定前视距离的纯追踪算法平均横向偏差为0.5238 m,两阶段纯追踪算法为0.3616 m,其跟踪精度提高30.9%,较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%,抑制效果提升46.8%。

非同轴两轮机器人自平衡与转向闭环控制

针对车速、车身侧倾角和前轮转角变化较大工况下的非同轴两轮机器人在基于前轮转角的自平衡控制中,因动力学模型准确性对自平衡控制带来的影响,设计了基于RBF神经网络模糊滑模控制的自平衡控制器,利用RBF神经网络的逼近特性,对动力学模型中非线性时变的不确定部分进行自适应逼近,从而提高动力学模型的准确性,并借助模糊规则削弱滑模控制中产生的系统抖振;以及因前轮转角用于自平衡控制中难以实现转向闭环控制,建立了基于纯跟踪法的轨迹跟踪控制器,并设计利用车身平衡时车身侧倾角与前轮转角的耦合关系,将转向闭环控制中的目标前轮转角替换为目标车身侧倾角,从而将自平衡控制器与轨迹跟踪控制器相结合,在保证车身平衡行驶的前提下,实现带有轨迹跟踪的转向闭环控制。实验结果表明,凭借动力学模型的较高准确性,RBF神经网络模糊滑模自平衡控制器具有鲁棒性好、超调量低和响应迅速的优点,并且利用车身平衡后车身侧倾角与前轮转角耦合关系,实现转向闭环控制是可行的,具有良好的轨迹跟踪效果。

基于模糊纯追踪模型的最优预瞄研究

预瞄距离对于纯追踪模型的影响至关重要,面对线性预瞄距离和非线性预瞄距离两种常见的预瞄距离选择,本文通过将车辆速度、道路曲率、横向偏差、航向偏差作为模糊控制器的输入,得到预瞄距离系数K,代入两种预瞄距离函数,探究在纯追踪模型的追踪效果。通过模拟两种预瞄距离在直线路段、曲线路段的追踪效果,得到非线性预瞄在两种路段追踪效果更加优越,符合人类驾驶员的驾驶行为。

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。

基于纯追踪模型的路径跟踪改进算法

针对前视距离随车辆位置、速度变化而调整的问题,将模糊控制器与纯追踪算法相结合,把速度和航向偏角作为模糊控制器的输入量,利用驾驶经验制定模糊控制规则,输出前视距离,从而使前视距离得到动态调整,以达到理想的跟踪效果。在直线道路和折线道路上,对动态前视距离纯追踪算法和固定前视距离纯追踪算法进行仿真对比,结果表明改进的算法使得路径跟踪效果得到明显提高。

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。

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。

基于转角补偿的智能车辆循迹控制系统

文中提出了一种转角补偿智能车辆循迹控制系统。系统由纯追踪控制器和转角补偿控制器组成。 PP 控制器直接控制车辆跟踪路径;转角补偿控制器基于 PI 控制理论,综合考虑行驶偏差及道路曲率进行转向角补偿,其参数采用模糊控制理论实现自适应调节,进一步改善系统跟踪性能。仿真和试验结果表明:较于传统 PP 循迹系统,该系统在不同车速下横向偏差峰值降低了50%以上,方向偏差峰值降低了 20%以上,路径跟踪性能显著提升。

智能收获机定位和自适应路径追踪方法

针对智能联合收获机在路径追踪时存在控制延迟而影响路径追踪精度的问题,提出1种基于全球卫星导航系统(GNSS)的智能联合收获机自适应路径追踪方法:建立收获机的运动学模型;并依据GNSS获取当前时刻的位置、航向和速度信息,预估下一时刻的位置信息,自适应校正纯追踪算法的横向误差;然后依据速度、航向误差和校正后的横向误差设计模糊控制器,动态更新前视距离参数,实现纯追踪算法中前视距离的自适应动态调整;最后根据优化后的纯追踪算法计算期望转向角,控制收获机转向,实现路径追踪。实验结果表明,基于GNSS的联合收获机自适应路径追踪方法,能够有效提高收获机路径追踪时的精度,横向误差的标准差低于2.5 cm。

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。

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。

拖挂式大载荷特种车辆导航控制系统设计与试验

针对拖挂式大载荷特种车辆作业自动化以及高精度安全作业需求,以大载荷牵引车为对象,设计了一套拖挂式机组自主导航控制系统。车载程控系统采用模块化分布式系统,通过CAN总线实现系统内各模块间通信,远程运管平台与车载程控终端之间采用TCP协议进行数据通信,实现远程运管平台与车载程控系统间信息交互。建立拖挂式特种车辆的运动学模型,分析牵引作业时被牵引机具的牵引状态和最小转弯半径。针对传统纯追踪算法中固定前视距离缺陷,本文根据当前牵引车实时速度、追踪路径曲率、航向等信息动态计算前视距离,将固定前视距离改进为动态前视距离追踪,由单参数变为多参数进行优化控制参数,显著提高了轨迹追踪精度;使用随机森林算法对轨迹追踪数据进行特征提取,根据各个特征重要性指标权重,修改算法参数。在试验场地为水平倾斜度最大为2°的空旷的水泥跑道上,牵引车质量2 t,被牵引机具质量10 t、长22 m,且牵引机组设计要求最大行驶速度为6 km/h、最大横向偏差为50 cm。根据复杂路径试验与数据分析,系统纠偏响应时延最大为84 ms,牵引机组绝对横向误差最大为37.14 cm,平均绝对误差为14.91 cm,满足大载荷拖挂作业中的实际应用要求。

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。

智能无人车路径跟踪控制方法研究

文章总结归纳了现有国内外路径跟踪控制技术,并在此基础上分别设计了基于道路几何原理的纯跟踪控制器、基于理想横摆角度跟踪的前馈+反馈控制器以及基于道路误差模型的最优控制器。通过Carsim/Matlab联合仿真测试设计的三种路径跟踪控制器,结果表明,设计的三种控制器均能完成对目标路径的有效跟踪,最优控制器跟踪效果最好,纯跟踪控制器次之,前馈+反馈控制器稍差。

履带式油菜播种机模糊自适应纯追踪控制器设计与试验

针对在丘陵山区小田块中大型农业机械运移不便、作业效率不高和田头调头操作受限等问题,设计了一种针对轻简履带式车辆的基于运动学模型和几何模型的模糊自适应纯追踪控制器。以轻简履带式油菜播种机为研究平台,结合北斗RTK构建了一套自动导航作业系统,根据播种作业需求采用有限状态机设计了田间自动导航作业控制策略。开展了模糊自适应纯追踪控制器与纯追踪控制器的仿真及实地对比试验。仿真结果表明,与纯追踪控制器相比,模糊自适应纯追踪导航控制器具有上升时间短和超调小等特点。水泥路面试验表明,当行驶速度为0.8 m/s时,模糊自适应纯追踪控制器最大跟踪偏差为0.039 m,平均绝对偏差为0.018 m。在旱田路面前进速度0.5、0.8、1.2 m/s下,直线导航跟踪最大跟踪偏差分别不大于0.082、0.086、0.092 m,平均绝对偏差分别不大于0.031、0.032、0.034 m。并对自动导航作业系统进行试验,试验结果表明,所设计的导航控制器直线跟踪稳定,满足丘陵山区小型田块油菜播种要求。