智轨电车列车网络控制系统设计与应用

列车网络控制管理系统是轨道交通车辆的智能控制和安全保障的核心部件。文章基于智轨电车的数据传输及控制需求,开发出符合列车实时以太网相关标准的智轨电车专用列车网络控制管理系统。文中概述了该系统的组成,介绍了针对智轨电车这一跨界创新交通工具所做的特性开发,包括双环网拓扑结构及实时以太网控制等,并对智轨电车网络控制系统的技术发展趋势进行了展望。     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

智轨电车自主导向与轨迹跟随技术研究

智轨电车是一种城市轨道交通新制式,自主导向与轨迹跟随系统作为其关键技术,解决了多编组铰接车辆在转向过程中占路宽度大、灵活性差、转向不及时及误差大等难题,保证了车辆在转弯过程中的快速性、准确性及稳定性。文章首先介绍了自主导向系统组成,然后分析了轨迹跟随控制原理,并建立了智轨电车转向系统模型。仿真分析与试验结果表明,该系统能很好地满足车辆在转向过程中的响应速度及轨迹跟随精度要求。     

基于预测控制的全向移动机器人轨迹跟踪

针对全向移动机器人的轨迹跟踪控制问题,在分析与建立全向移动机器人运动学与动力学模型的基础上,研究了基于模型预测控制的移动机器人轨迹跟踪方法;通过对误差模型的线性化描述,并将目标函数以二次项部分与线性部分构成,在满足控制约束的条件下,将采样周期内最小化目标甬数的优化问题转换为二次规划问题的求解;当取预测时域N=5时,机器人在x和y方向的误差范围分别为±5.4%和±4.7%,并在轨迹曲线中曲率半径较小处出现较为明显的抖动,最后对误差产生原因进行了分析与总结,结果表明该方法对全向移动机器人的轨迹跟踪控制是有效可行的.     

智轨电车动力学性能研究

智轨电车是一种胶轮承载、多编组、虚拟轨道运行的新型轨道车辆。针对其动力学性能,文章通过数学模型的搭建开展仿真研究,为中央虚拟轨迹线循迹控制器、自动跟随转向控制器的算法设计验证提供支持,通过精细化模型的搭建开展仿真研究,为整车动力学性能评价与改进提供指导。通过仿真研究,缩短了研发周期,降低了研发成本,为智轨电车的基础研发和快速工程化应用提供理论支撑。     

矿用卡车路面自适应模型预测轨迹跟踪控制

针对矿区道路环境突变对无人矿用卡车无人驾驶的挑战, 本文研究了路面自适应模型预测轨迹跟踪控制 问题. 首先, 根据矿区常用矿卡车型及环境突变特点分别建立矿卡动力学模型和矿区道路环境模型; 其次, 提出矿卡 路面自适应模型预测轨迹跟踪控制框架; 然后, 引入预设附着系数库, 提出基于自主切换策略的最小二乘参数估计 方法以应对突变工况做出合理递推; 最后, 提出矿卡路面自适应模型预测轨迹跟踪控制方法. 仿真表明, 所提方法 比传统自适应模型预测控制方法轨迹跟踪精度更高, 可以充分考虑道路附着条件突变的矿区道路工况, 自适应地保 证矿卡的操纵稳定性.     

变参考轨迹下的鲁棒迭代学习模型预测控制

迭代学习模型预测控制是针对间歇过程的先进控制方法.它能通过迭代高精度跟踪给定参考轨迹,并保证时域上的闭环稳定性.然而,现有的迭代学习模型预测控制算法大多基于线性/线性化系统,且没有考虑参考轨迹变化的情况.本文基于线性参变系统提出一种能有效跟踪变参考轨迹的鲁棒迭代学习模型预测控制算法.首先,采用线性参变模型准确涵盖原始非线性系统的动态特性.然后,将鲁棒H_∞控制与传统迭代学习模型预测控制相结合,抑制变参考轨迹带来的跟踪误差波动,通过优化线性矩阵不等式约束下的目标函数求得控制输入.深入分析了鲁棒迭代学习模型预测控制的鲁棒稳定性和迭代收敛性.最后,通过对数值例子和连续搅拌反应釜系统的仿真验证了所提出算法的有效性.     

智轨电车自动循迹感知与控制系统

自动循迹系统旨在实现智轨电车头轴自动跟随数字虚拟轨道行驶。其感知子系统解决了信息分离、标识、特征提取和连续数字轨道生成难题,在路面信息残缺、车辆随机振动条件下能够稳定形成数字轨道;其控制子系统在列车架构特殊、初始姿态随机情况下,实现了头轴可自主、精确地进入和跟踪数字轨道。文章首先介绍了自动循迹系统组成,提出一种基于深度学习的车道线识别与数字虚拟轨道生成算法;接着基于智轨电车非线性、大延时的特点,分别提出了考虑延时的PID控制法和MPC控制法。实车试验结果表明,采用所提出的方法,列车停站时头车与站台间隙保持在10 cm内,高速行驶时横向偏差控制在±15 cm内,达到了业内领先的自动循迹控制水平。     

音圈电机伺服系统的自适应非光滑控制

针对音圈电机伺服系统的轨迹跟踪控制品质受动力学参数不确定性及外部扰动影响的问题,建立动力学模型,结合自适应控制与非光滑控制理论,设计一种自适应非光滑控制方法,并理论证明了闭环系统的渐近稳定性．最后,通过仿真实验及其对比来验证所设计方法的有效性,仿真结果表明,所设计方法具有自适应控制的补偿能力与非光滑控制的快速收敛特性,能够克服不确定性影响,有效提高音圈电机伺服系统的轨迹跟踪控制品质．     

智能车辆深度强化学习的模型迁移轨迹规划方法

针对智能驾驶车辆传统路径规划中出现车辆模型跟踪误差和过度依赖问题,提出一种基于深度强化学习的模型迁移的智能驾驶车辆轨迹规划方法.首先,提取真实环境的抽象模型,该模型利用深度确定性策略梯度(DDPG)和车辆动力学模型,共同训练逼近最优智能驾驶的强化学习模型;其次,通过模型迁移策略将实际场景问题迁移至虚拟抽象模型中,根据该环境中训练好的深度强化学习模型计算控制与轨迹序列;而后,根据真实环境中评价函数选择最优轨迹序列.实验结果表明,所提方法能够处理连续输入状态,并生成连续控制的转角控制序列,减少横向跟踪误差;同时通过模型迁移能够提高模型的泛化性能,减小过度依赖问题.     

智轨电车多源环境感知系统

智轨电车的多源环境感知系统是车载平台与运行环境的交互纽带,其包括基于激光雷达的障碍物感知子系统、基于毫米波雷达的前侧向障碍物感知子系统以及基于多摄像头的360度环视子系统。基于激光雷达的障碍物感知子系统采用地面分割算法、点云聚类算法和数据关联算法,实现了对运行前方障碍物的检测和跟踪;基于毫米波雷达的前侧向障碍物感知子系统采用目标检测算法和跟踪算法,实现侧向以及前向障碍物探测;基于分布式鱼眼摄像头的360度环视子系统运用图像拼接算法,实现智轨电车周围障碍物感知和预警。实车试验结果表明,该环境感知系统可有效地提高智轨电车的运行安全系数,为车辆智能驾驶提供了全面的环境信息。     

智轨电车牵引系统设计与应用

智轨电车牵引系统采用一种高能量、高充电倍率的磷酸铁锂动力电池为车辆提供能源,同时其永磁电机牵引的节能性与主电路设备的轻量化、可靠性设计保证了智轨电车续驶里程的最大化。文章概述了该牵引系统的组成及主要参数、牵引/电制动特性等,并对其系统特点、参数计算方法及控制策略等进行了说明。     

智轨电车总体与轻量化设计

智轨电车是智能轨道快运系统的核心组成部分,车辆的总体设计方案及性能直接决定了智能轨道快运系统在城市交通中运送能力、适应性、乘坐舒适性及综合成本等重要指标。文章以满足智轨中小运量交通的系统定位为性能指标出发点,对标现代有轨电车相关参数,确立了智轨电车的总体技术参数及结构设计方案,并针对智轨电车在类轨道行驶车体及轻量化设计方面的优化创新进行了阐述,可为胶轮多编组车辆设计提供有益的参考。     

智能车辆路径跟踪控制方法

为了提高智能车辆路径跟踪控制器的可靠性和控制精度,提出一种基于误差动力学模型的路径跟踪控制方法.基于车辆运动学模型和动力学模型建立系统误差动力学模型,并在此基础上推导出车辆路径跟踪控制的稳态控制律,利用李雅普诺夫稳定性理论验证稳态控制律的正确性.为了减小外部干扰对控制性能的影响,提高控制器的可靠性,进一步设计基于车辆侧向位移误差的瞬态控制律,并利用李雅普诺夫稳定性理论验证闭环系统的稳定性.稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器.通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证所提出控制方法的有效性,线性控制器选用LQR控制器,非线性控制器选用Stanley控制器.仿真结果表明,与LQR控制器相比,所提出控制方法的路径跟踪控制精度、抗干扰性和可靠性更好.与Stanley控制器相比,所提出控制方法具有更好的路径跟踪控制精度和控制收敛速度,且在大曲率路径跟踪过程中具有更好的可靠性.     

智能轨道快运系统通信信号设计与应用

智能轨道快运系统中,通信信号系统是负责运营调度、进行运营监控、保证智轨电车运行安全、提高运输效率的重要设施,需要具有明晰的系统结构、合理的功能分配、适宜的技术方案选择才能保证智轨电车良好的运行效果。文章通过分析通信信号系统功能需求,进行了方案设计,并对其定位方法、通信手段、信号优先、系统集成等关键技术进行了说明,最后对智轨通信信号系统的下一步研究方向进行了展望。     

Observer-Based Path Tracking Controller Design for Autonomous Ground Vehicles With Input Saturation

This paper investigates the problem of path tracking control for autonomous ground vehicles (AGVs), where the input saturation, system nonlinearities and uncertainties are considered. Firstly, the nonlinear path tracking system is formulated as a linear parameter varying (LPV) model where the variation of vehicle velocity is taken into account. Secondly, considering the noise effects on the measurement of lateral offset and heading angle, an observer-based control strategy is proposed, and by analyzing the frequency domain characteristics of the derivative of desired heading angle, a finite frequency H_∞ index is proposed to attenuate the effects of the derivative of desired heading angle on path tracking error. Thirdly, sufficient conditions are derived to guarantee robust H_∞ performance of the path tracking system, and the calculation of observer and controller gains is converted into solving a convex optimization problem. Finally, simulation examples verify the advantages of the control method proposed in this paper.      

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。