基于模型预测控制的UUV路径跟踪控制研究

水下无人航行器(UUV)的路径跟踪控制是实现UUV多种军、民用途的重要技术基础。针对UUV路径跟踪控制中的欠驱动、非完整约束、模型的非线性,基于非线性连续模型预测控制算法设计了UUV垂直面路径跟踪控制器。建立了垂直面运动模型并基于状态空间模型给出了垂直面预测模型,通过给定性能指标,运用泰勒级数展开与李导数求解出了连续时间状态下的最优控制律,实现了欠驱动UUV路径跟踪控制。通过仿真实验,验证了垂直面路径跟踪控制器设计的有效性。     

无人驾驶越野车辆纵向速度跟踪控制试验

以无人驾驶轻型战术轮式越野车辆为平台,开展模型预测纵向速度跟踪控制实车试验研究。针对平台控制特性设计合适的下位控制器,使用Matlab/Simulink与包含气压制动系统的TruckSim车辆联合仿真初步测试系统可行性,并在沥青路和土路分别进行实车试验。试验结果表明：模型预测速度跟踪控制系统能够克服气压制动延时长、整车质量重、越野路况行驶阻力波动大等模型误差和不确定干扰,自适应调节期望加速度大小,实现不同行驶工况高精度速度跟踪。试验过程驱动/制动切换平稳、无振荡,且能够像熟练驾驶员一样充分利用发动机辅助制动,必要时既不施加电控制动,也不请求发动机输出转矩。系统使用现代车辆易于获得的车辆状态参数,便于向其他车辆移植,可作为无人车辆车体控制得力技术加以推广。     

基于模型预测控制的智能车辆横纵向综合控制研究

汽车数量的急剧增长使得道路安全问题日益严峻,如何提高车辆的自动化水平来改善交通问题成为了目前的研究热点。在智能车辆自动驾驶领域,车辆控制算法是整个智能车辆自动驾驶系统中最为基础关键的部分之一,决定了智能车辆行驶时的安全性和舒适性。为实现智能车辆控制,现有研究常根据智能车辆的横向运动和纵向运动将车辆控制简单分为横向控制和纵向控制,但车辆本身是一个高度耦合的复杂控制系统,简化解耦控制不符合实际车辆动力学特性。为提高车辆的横纵向综合控制能力,本文基于模型预测控制的理论原理,提出了一种适用于智能车辆路径和速度跟踪的横纵向控制算法。该控制算法以前轮转角和轮胎纵向力为控制量,以车辆与参考道路中心的纵向位置差、横向位置差、横摆角误差以及与参考车速的横向和纵向速度误差为零为控制目标,基于搭建的三自由度动力学模型,进行智能车辆横纵向控制器设计。随后,基于Carsim/Simulink联合仿真平台,搭建Simulink模型对所设计的控制器性能进行验证,仿真结果表明,本文提出的基于MPC的横纵向控制算法,在对双移线工况进行跟踪时,能很好的跟踪参考速度和参考路径,误差范围均在合理范围内,能实现较好的控制效果。...     

车辆动态目标位置跟踪的自适应预测控制研究

车辆在行驶过程中由于受车载、路况、车体运动状态、环境变化等因素影响,使得通过建立数学模型来精确描述车辆动态过程变得非常困难,导致传统基于模型的控制方法难以适应车辆行驶过程中复杂的动态变化因素。针对车辆的动态目标位置跟踪特点,通过构建车辆动态目标位置的运动学模型,采用自适应预测控制方法(Model-free Adaptive Predictive Control,简称MFAPC)研究车辆弯道保持系统中的动态目标位置跟踪问题,并基于MFAPC方法实现控制器的设计。控制仿真结果表明,相比PID控制方法,采用无模型自适应预测控制方法对车辆动态目标位置进行动态跟踪控制,其跟踪精度更高,控制过程更加平稳,从而使车辆驾驶过程具有更好的舒适性。     

基于线性时变模型预测控制的自主车辆轨迹跟踪控制器设计与验证

随着自动驾驶技术的快速发展,精确的轨迹跟踪已经成为汽车工业和学术领域公认的实现自主车辆运动控制的核心技术之一。为提高自主车辆轨迹跟踪的实时性与准确性,提出一种应用于自主车辆的线性时变模型预测跟踪控制器（Linear time-varying model predictive controller,LTV-MPC）设计方法。根据运动学原理建立某自主无人小车的二自由度运动学模型,其次,基于该模型构建车辆轨迹跟踪系统的误差模型并利用线性参数化理论对其进行离散化,在模型预测控制框架内将该轨迹跟踪控制器的设计转化为一个线性二次规划最优问题。在一个实际搭建的自主车辆试验平台上对所提出控制器的有效性进行不同预设参考路径轨迹下的实车验证,结果表明,该自主车辆能够对所预设的实际参考道路轨迹进行快速、准确的轨迹跟踪控制,且具有较好的行驶稳定性能。     

基于可变预测时域及速度的车辆路径跟踪控制

非线性模型预测控制(NMPC)在车辆路径跟踪控制中的应用日益广泛,但目前的研究成果中尚未深入考虑预测时域和速度对车辆路径跟踪控制性能的影响。为此,分析了预测时域、速度与车辆路径跟踪控制性能之间的关系;采用三次多项式拟合获得了能够保证车辆路径跟踪横向误差小于0.1 m的最佳预测时域和参考速度的控制律;改进了用于车辆路径跟踪控制的NMPC控制器,且改进后的NMPC控制器的性能通过仿真进行了验证。仿真结果表明:改进后的NMPC控制器的横向误差在0.092 8 m以内,航向误差在0.072 4 rad以内。相比传统NMPC控制器,改进后的NMPC控制器将最大横向误差减小了4.267 1 m以上,将最大航向误差减小了0.392 7 rad以上,路径跟踪控制性能得到了较大幅度的提高。     

基于自适应模型预测的无人车跟踪控制方法研究

针对避障工况下现有控制方法难以同时满足跟踪精度和稳定性的问题,设计了一种考虑滑移约束的自适应模型预测控制方法,能够在不同避障工况自适应匹配最优时域参数和稳态转角约束,提高控制器的适应能力和动态响应性能。首先由实验测试获取优化的时域参数表,并综合考虑滑移边界内的稳态转角约束,设计参数自适应机制,然后在联合仿真平台进行了双移线工况的仿真实验来模拟避障场景,验证了所设计的自适应模型预测控制器的有效性,最后基于实车平台进行了实际避障场景的路径跟踪实验。实验结果表明,与传统模型预测控制相比,所设计的自适应模型预测控制器在跟踪精度和稳定性方面都有较大改善。     

基于模型预测控制的排爆机器人轨迹跟踪算法研究

排爆机器人在复杂、危险环境下代替人作业拥有非常重要的地位。排爆机器人对期望轨迹的跟踪是避免发生危险最重要的环节。基于模型预测控制算法提出了排爆机器人末端轨迹跟踪算法。给出了机械臂状态空间的离散模型,已知当前时刻位置状态和下一时刻位置输入状态,预测未来某时域内的输出状态;然后根据给定性能指标和约束条件,求解未来一段时域内的输入序列,对实际输出进行反馈校正;最后,采用实验仿真对比测试,验证了该算法的有效实时性,结果表明,基于模型预测控制的机器人末端轨迹跟踪算法具有良好的动态实时跟踪能力,实现了目标轨迹的有效跟踪。     

基于模型预测控制的工业机器人曲面跟踪方法研究

工业机器人执行接触性作业任务时,通常需要稳定控制接触力,比如在磨抛过程中,不平稳的法向接触力容易影响表面质量。为解决力跟踪控制时法向控制速度易超调和不确定环境造成法向接触力不平稳的问题,提出一种基于模型预测控制的工业机器人曲面跟踪方法。首先,根据工件模型几何信息计算出末端工具的运动轨迹,再结合机器人当前位姿求解末端工具的笛卡儿速度;然后,建立末端工具与工件接触时的状态空间模型,并依据末端工具的姿态变化对法向阻尼系数进行在线调节;最后,根据实时力信号的反馈,利用模型预测控制算法对法向速度进行修正,实现曲面恒力跟踪。基于Staubli TX90工业机器人,在末端工具姿态不变和姿态改变的情况下分别进行了曲面跟踪实验,结果显示法向接触力波动范围分别为±1 N和±2 N,方差分别为0.038 1 N²和0.105 9 N²,能够达到较好的力跟踪效果。     

基于LQR的智能车辆路径跟踪控制研究

路径跟踪问题是智能车辆研究的一项关键技术,其重点在于寻找一种合适的控制算法去控制车辆精确的跟随规划好的路径。文章主要研究了线性二次型最优控制(LQR)在智能车路径跟踪方面的应用,包括智能车辆模型搭建、算法应用、路径工况选择的具体过程,指出了LQR控制算法在该领域应用的优缺点。     

无人车辆横向跟踪控制研究

使用传统模型预测控制对车辆轨迹进行跟踪时,模型中的路面附着系数往往为特定工况下的经验数值。当车辆在未知路面行驶时,现有控制算法难以对路面附着系数进行及时修正,并调整预测控制模型内的约束,进而导致车辆横向失稳。针对此种情况,提出一种考虑实时路面附着系数估计的横向跟踪控制策略,用于实现车辆横向轨迹跟踪。该算法针对路面附着系数未知的工况,利用车辆当前横纵向加速度、横摆角速度、前轮转角等状态量,通过扩展卡尔曼滤波预测路面附着系数后,再对控制模型中的侧偏角约束量进行实时调整,以保证车辆在未知路面工况下的行驶安全,使车辆跟随预期轨迹行驶。实验表明,将扩展卡尔曼滤波法与模型预测控制结合的控制算法具有可行性,且有效提高了车辆在不同附着系数路面行驶时横向轨迹跟踪的稳定性及鲁棒性。     

基于MPC的智能车辆变轨迹跟踪控制研究

为解决智能车辆进行变轨迹跟踪问题,基于传统的MPC（模型预测控制）控制器设计一种轨迹跟踪控制器,使所设计的控制器应用于智能车辆时能够先进行五次多项式的单行换道然后继续追踪一定半径的圆形轨迹行驶。采用二自由度车辆运动学模型,分析研究传统MPC控制器的设计原理,将二自由度车辆运动学模型进行线性、离散化处理得到线性误差方程;构建新的状态空间方程引入控制量的变化量,在此基础上进行迭代得到预测方程,利用这一时刻的状态量和控制量的变化量预测下一时刻的状态量。将求解这一时刻控制量的问题转化为二次规划问题,建立目标函数（代价函数）,结合硬约束和软约束条件解得控制量,该控制量输入车辆模型得到新的状态量,进而得到新的误差方程,利用约束环节进行反馈校正,如此循环,逐渐追踪上参考轨迹。为防止求解最优解出现无解时能够继续进行计算,加入松弛因子得到新的能够适应变轨迹的MPC控制器。设计五次多项式的单行道换道轨迹与圆形轨迹的连续变轨迹,搭建Carsim-Simulink联合仿真平台进行实验,验证结果显示：该控制器应用于智能车辆时能够先进行单行道换道行驶然后继续进行圆形轨迹的变轨迹追踪,所设计的控制器具有新型可行性。     

基于模糊控制的自动驾驶车辆轨迹跟踪控制研究

本文基于模糊控制算法对自动驾驶车辆的轨迹跟踪问题进行研究。首先建立了车辆的运动学模型,以车辆在坐标系里不同时刻的位置偏差和角度偏差作为输入,车辆的纵向速度和角速度作为输出,设计了模糊控制器,并在Matlab/simulink进行了建模仿真,结果表明,该模糊控制能较好的实现低速车辆的轨迹跟踪控制。     

基于企业间质量跟踪控制模型的质量信息跟踪研究

为解决动态企业环境下的复杂质量跟踪控制问题,保证企业间加工质量信息的完整和全程可追溯性,进行了基于企业间质量跟踪控制模型的质量信息跟踪研究.结合扩展企业的分层分级组织结构,构建了具有分形网络特征的企业间质量跟踪控制模型及其对应的产品分形网络结构.通过质量信息节点的模板封装,建立了基于企业间质量跟踪控制模型的质量信息表达过程,并采用语义函数对质量信息进行了形式化描述.在此基础上,构建了支持企业间动态质量信息交换和共享的体系框架.根据企业间质量跟踪控制模型的自相似性,将企业间质量跟踪控制划分为多层多个相似的子过程,并在不同层次的过程流节点封装不同的质量信息及跟踪控制方法等,通过对过程流节点的监控,实现对企业间质量信息的有效跟踪控制.最后通过应用实例表明,该研究成果为解决相应的问题提供了一种新的思路和解决方法.     

多前车影响的智能网联车辆纵向控制模型分析

为了可以更好的对智能网联车辆跟驰特征进行分析和研究,本文建立起了纵向控制模型,并且在V2V环境下,多辆牵扯速度以及加速度不同的时候,进行影响因素的分析和讨论,能够很好的进行稳定性的分析,进而能够帮助相关领域的工作人员,获得可靠的数据,从而达到对现阶段的智能网联车辆进行优化和改进的目的.     

车辆横摆角速度跟踪控制仿真研究

采用二自由度车辆动力学状态方程建立了车辆横摆角速度跟踪控制模型。用横摆角速度与其期望值的差值及其变化率作为模糊控制器的输入,设计了模糊自适应PID控制器。基于模糊自适应PID控制器,进行了前轮转向阶跃输入、正弦输入仿真试验。仿真和分析结果表明,设计的模糊PID控制器可实现对参考模型横摆角速度的跟踪,车辆的操纵稳定性得到了有效改善。     

车辆纵向运动跟车间距控制的研究

采用一种可以实施混合学习算法的自适应神经一模糊推理系统(ANFIS)结构，对车辆纵向运动跟车间距控制问题进行了研究，设计了基于ANFIS结构的跟车间距控制器，通过仿真对ANFIS结构控制器中的各参数进行了优化，结果表明，运用ANFIS结构进行跟车间距控制是可行的，控制器可取得较为满意的控制效果。     

基于模型预测控制的智能网联汽车路径跟踪控制器设计

为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。     

基于多模态控制的智能车辆路径跟踪

为了使智能车辆的路径跟踪精度更加准确,设计了一种基于MPC控制和LQR控制相结合的多模态控制器,通过对跟踪路径曲率的判断,控制器选择相对应的控制模式,并解析车辆当前状态量和跟踪路径上相对应参考点状态量的偏差,输出控制集,最终完成路径跟踪。MATLAB仿真结果表明,这种多模态控制算法能精确快速的跟踪上参考路径,并保持良好的稳定性。     

基于模糊模型的车辆稳定性控制方法研究

采用系统辨识的方法建立车辆的模糊模型，从而将车辆非线性系统模型通过模糊化方法分解为若干线性子系统，系统的输出是这些线性子系统输出的加权和，提出了基于梯度下降法的模糊模型辨识算法。根据所建立的模糊模型推导了广义预测控制模型(CARIMA)，为车辆的稳定性控制问题的研究提供了新方法。运用该方法对车辆的制动转向工况进行了仿真研究，结果表明，基于模糊模型的广义预测控制能有效改善车辆的稳定性。