基于双参数自适应优化的无人履带车辆轨迹跟踪控制

为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。     

分布式电驱动无人高速履带车辆越野环境轨迹预测方法研究

越野环境下,无人车辆轨迹预测是车辆轨迹跟踪和精确导航的核心模块,预测误差将直接影响无人车辆行驶任务完成的准确程度。为实现速差转向式履带车辆在复杂越野环境下无人行驶轨迹准确预测的目的,搭建了分布式电驱动无人履带车辆系统,实现了车辆动态过程中的无人系统数据和车辆底层状态数据的同步采集。建立了速差转向车辆运动学模型,分析了履带车辆滑动转向特性。分别采用扩展卡尔曼滤波(EKF)方法和Levenberg-Marquardt方法对转向过程中的滑动参数进行估计,并完成了车辆轨迹预测。基于真实越野环境下的实车数据进行了验证。试验结果表明：相比于履带车辆理想预测模型,所采用的两种轨迹预测方法都大幅降低了车辆轨迹预测误差;对误差均值而言,EKF方法预测轨迹优于Levenberg-Marquardt方法;对误差标准差而言,后者优于前者,且随着转向程度的增加而增大。     

基于MPC-MFAC的双侧独立电驱动无人履带车辆轨迹跟踪控制

简化模型带来的模型失配以及外部环境不确定性是导致轨迹跟踪误差的主要原因,尤其对于无人履带车辆,其复杂的物理特性和工作环境更放大了两大因素的不利影响。针对该问题,将基于模型和基于数据的控制方法结合起来,提出一种基于模型预测控制结合无模型自适应控制补偿的双侧独立电驱动无人履带车辆轨迹跟踪控制方法。在平衡建模准确度和求解耗时的基础上,利用模型预测控制进行前馈求解。针对模型预测控制中简化模型与车辆实际模型之间必然存在的差异以及环境不确定性,基于动态跟踪效果构建无模型自适应控制算法进行补偿,即利用车辆实际轨迹与模型预测所得轨迹之间的误差,对模型预测控制求解的两侧履带速度控制量进行实时修正。仿真实验结果表明,该方法能够在一定程度上抑制系统内外部不确定因素的影响,提高动态环境下双侧独立电驱动无人履带车辆轨迹跟踪控制的精度。     

基于滑动参数实时估计的履带车辆运行轨迹预测方法研究

要实现履带车辆的无人驾驶,在轨迹规划阶段需要准确预测其未来一段时间内的运动轨迹,然而履带与地面之间的滑动使车辆运动轨迹的准确预测变得非常困难。通过研究转向过程中履带接地段的运动,建立基于瞬时转向中心的履带车辆运动学模型。针对车辆的相对位姿是滑动参数的泛函,雅可比矩阵难以求解的问题,通过对泛函微分方程线性化,推导了雅可比矩阵的解析解。根据车辆相对位置计算值和测量值的差值,运用Levenberg-Marquardt算法迭代求解滑动参数,并结合给定控制序列预测未来一段时间内车辆的运动轨迹。该方法不需要提前知道土壤参数,并且能够实时估计滑动参数,以适应路面变化。实车试验结果表明,与传统轨迹预测方法相比,利用该方法预测车辆轨迹时,车辆位置偏差减少30%以上。     

基于模型预测控制的无人驾驶履带车辆轨迹跟踪方法研究

无人驾驶履带车辆的轨迹跟踪面临着系统不确定性和外界干扰等难以克服的不利因素。针对这一问题,通过研究履带车辆的滑动转向特性,建立了基于瞬时转向中心的履带车辆运动学模型。同时,针对参考路径是离散路点序列的特点,提出了一种基于3次Bezier曲线的参考路径自适应拟合方法,在实现路径平滑基础上提供道路的曲率信息。考虑到模型不确定性和外界干扰对轨迹跟踪精度的影响,设计了基于模型预测控制的轨迹跟踪控制器,并引入反馈校正,系统地处理无人驾驶履带车辆建模误差、环境约束以及执行机构约束。实车试验结果表明,该方法可以有效地抑制系统不确性和外界干扰的影响,实现无人驾驶履带车辆高精度的轨迹跟踪控制。     

基于虚拟域动态逆的空地反辐射导弹轨迹优化

针对空地反辐射导弹抗雷达关机问题,基于虚拟域动态逆( IDVD)的方法设计了一种轨迹优化算法。基于动态逆的思想,通过虚拟弧长高次拟合导弹轨迹坐标,并将边界条件以及状态变量从时间域转换到虚拟域,在虚拟域中求出边界条件的导数。再根据直接法原理离散导弹轨迹,采用罚函数法处理性能指标,寻优得到最优轨迹。仿真结果表明,该方法能够快速计算生成反辐射导弹轨迹,达到了即使雷达关机,也能准确命中目标的目的。该方法通过虚拟化轨迹长度能够方便地求解边界条件的高阶导数,简化了计算过程,能够快速生成参考弹道,且对参数初值不敏感。     

基于模型预测控制的轮毂电机驱动车辆防侧翻控制

针对8×8轮毂电机驱动车辆侧翻稳定性问题,提出基于模型预测控制的主动防侧翻控制策略。采用分层控制结构设计车轮转角和电机转矩的分配控制策略,以充分发挥研究对象各轮转矩、转角独立可控的特点开展稳定性控制;基于模型预测控制方法设计主动防侧翻控制策略,并简化滚动优化算法,使运算量降低以保证实时性;通过重型车辆模拟分析软件Trucksim与数学仿真软件MATLAB/Simulink联合仿真实验以及比例模型车辆试验进行验证。结果表明,通过所提分层控制策略与基于模型预测控制的主动防侧翻控制策略,车辆可以避免侧翻失稳,能够准确跟踪驾驶员期望的行驶轨迹。     

非结构道路场景下轮式无人车辆避障算法

针对非结构化道路下轮式无人车辆的避障问题,提出一种基于模型预测控制的避障算法。在没有离线地图和参考轨迹的非结构化场景下,通过优化方法直接获得车辆运动的轨迹、前轮转角与参考纵向加速度,同时满足车辆运动约束与避障功能。利用车辆感知信息,根据非结构化道路场景将避障问题划分为分段最优控制问题;明确最优控制问题各段的车辆约束与评价指标,并将约束转换为与车辆横纵向控制相关的形式,进而对最优控制问题进行求解。实车测试结果表明,该算法在非结构道路中实现了轨迹规划,规划结果满足车辆约束并使得车辆实现避障。     

暴雨天气情况下变换车道的预警算法

根据南方特殊气候,以及当前多数车辆的预警系统因基于车辆参数而误报率增加的情况,建立了一种具有驾驶员生物特性以及车辆未来轨迹预测的预警算法;在暴雨情况下,驾驶员的前方,侧方视线会受到不同程度的限制,后视镜功能因结雾而基本丧失,加上路面因积水而导致阻力减少,驾驶员因对于车辆的控制程度降低而出现车辆偏离正常行驶轨迹而变换车道的情况;而传统的预警系统因雨天因素误报率也会大大增加;针对上述问题,提出一种基于未来轨迹预测以及驾驶员意图判断的变换车道预警算法.     

自主驾驶车辆紧急避障的路径规划与轨迹跟踪控制

为减少道路突发事故,提高车辆通行效率,需要研究车辆的紧急避障以实现自主驾驶。基于车辆点质量模型,设计了非线性模型预测控制（MPC）路径规划器;基于车辆动力学模型,设计了线性时变MPC轨迹跟踪器。在路径规划层引入避障功能函数,通过车辆与障碍物的距离调节函数值大小,综合避障函数权重和路径偏差权重,规划出一条既能避开障碍物又使路径偏差最小的临时轨迹。在轨迹跟踪层,利用该临时轨迹和航向角偏差作为车辆主动转向控制参考量,将线性时变MPC优化问题转化为二次规划问题,计算满足车辆动力学约束的前轮转向角最优解。结果表明：所设计的双层MPC紧急避障控制策略对低速(60 km/h)、中速(80 km/h)、高速(100 km/h)行驶车辆有很强的适应性,高速行驶时最大质心侧偏角不超过1.0°,最大航向角偏差不超过2.5°,车辆横向稳定性良好,随着车速增大,车辆避障响应时刻提前;在多车连续避障场景中,自主驾驶车辆的质心侧偏角和航向角偏差均能控制在较小范围内,在多目标连续避障的路径规划和轨迹跟踪问题上同样具有很好的控制效果。     

基于卷积神经网络的无人作战飞机飞行轨迹实时预测

飞行轨迹预测是空战技术的一部分,预测方结合轨迹预测结果可以选择出更有预见性的机动。为快速、准确地获得无人作战飞机在未来时刻的位置,提出了基于卷积神经网络的飞行轨迹预测方法。原始动力学模型不能正确仿真滚转角有偏差的筋斗机动,采取限制角速度的方式对该模型进行改进;使用改进后的模型在不同条件下进行飞行仿真,得到大量轨迹样本;训练并测试具有不同层数和卷积核数的网络,从中找出预测误差最小的网络;对比卷积神经网络与长短时记忆网络、循环神经网络、全连接网络的运算速度和误差,结果表明：卷积神经网络预测方法在没有增加运算用时情况下,0.25 s后的平均预测误差在x轴方向约为4.2 m,y轴方向约为8.0 m,z轴方向约为19.5 m,且误差均小于其他3种方法。     

基于视频的装甲车和飞机检测跟踪及轨迹预测算法

针对当前视频目标跟踪算法跟踪多目标容易跟丢的问题,以视频中的装甲车、飞机为研究对象,研究一种改进跟踪学习检测(TLD)的视频多目标检测跟踪算法.对于跟丢的目标,利用Kalman滤波算法的预测功能跟踪视频中典型目标的轨迹,并采用Kalman滤波算法跟踪的轨迹来弥补TLD算法丢失的部分,从而获得视频中典型目标的完整轨迹,以...     

有级转向履带车辆的驾驶员操控行为模型

为解决有级转向履带车辆驾驶员操控经验的表征问题,以采集得到的大量真实驾驶数据为依托,提出一种基于操控基元序列的驾驶员操控行为表征模型。操控基元以高斯混合模型表征,并以有向图的形式完成驾驶员操控基元切换序列的提取与类别辨识;依据不同类别的操控基元序列辨识结果完成了对驾驶数据的重分组,利用隐马尔可夫-高斯混合模型完成每一个类别下的驾驶员操控行为模型训练。结果表明：所提取出的操控基元序列既能完成对驾驶员转向操控基元切换行为的表征,又能实现对轨迹基元类别的合理划分;在给定期望轨迹所对应的预测时域内,驾驶员操控行为模型能够实现特定条件下的驾驶员转向操控量预测,预测平均偏差在4.2%以内。     

基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法研究

为实时监测并发现重型车辆危险行驶姿态,在重型车辆侧翻预警系统中,采用一种基于双层隐马尔可夫模型的重型车辆行驶状态辨识方法,动态辨识重型车辆行驶状态。选取典型重型车辆行驶工况,采集相应工况数据,采用T-G检验法对数据序列进行剔除异常数据预处理。利用K-means算法设定重型车辆行驶状态的阈值。利用Baum-Welch算法对双层隐马尔可夫模型进行优化,应用优化后的隐马尔可夫模型进行重型车辆行驶状态在线辨识。辨识结果表明：该模型可准确、高效地辨识各个单一和复合工况下的车辆行驶状态,并且具有很好的实时性。     

水下航行体流体阻尼力系数的CFD计算研究

水下航行体流体阻尼力关系到弹道的稳定性和操纵性,当航行体以较大角速度机动时阻尼力更是不可忽略,因此准确预示航行体流体阻尼力具有重要意义.以计算流体动力学(Computational Fluid Dynamic,CFD)方法为基础,结合动网格和动坐标系技术,进行基于雷诺平均 N-S 方程的阻尼力计算方法研究,发展针对水下航行体附加力系数和俯仰阻尼力矩系数的数值计算方法,通过与试验数据对比表明,该方法具有较好精度,在此基础上分析了空化现象对流体阻尼力系数的影响.     

基于迁移学习的综合传动装置健康预测方法

针对某型步战车综合传动装置变工况的工作特点,提出一种基于迁移学习的健康预测方法.采用灰色关联分析(grey relational analysis,GRA)提取源域和目标域内时序退化特征作为各部件健康指标(health indicator,HI),构建1维时序健康指标,通过动态时间规整(dynamic time warping,DTW)运算得到目标域特征与健康指标的关联度,提取源域与目标域的公共退化信息,构建面向健康预测的支持向量回归(support vector regression,SVR)模型进行健康预测,并以传动装置的变速结构为例进行验证.结果表明:基于迁移学习的健康预测结果更贴合实际健康变化趋势,有助于维修人员更为准确地判断传动装置的健康状态.     

基于无迹卡尔曼滤波算法的弹道落点预测方法

为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题, 提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系, 实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并 通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确 且适用性更强。