自主移动小车轨迹跟踪的参数优化及仿真研究

控制律中参数的选取在很大程度上影响着自主移动小车的轨迹跟踪精度,但很少有人考虑参数的优化取值问题。首先,该文将轨迹跟踪控制变量转换至小车车轮上以确保控制能在实际系统中实现;然后,用遗传算法对控制律中的参数进行优化设计,并用MATLAB进行了仿真研究。仿真结果表明：控制参数的选取对自主移动小车的轨迹跟踪精度影响很大;相同的控制参数对在不同的自主移动小车初始位姿下的轨迹跟踪控制效果不同;通过优化控制参数以提高自主移动小车的轨迹跟踪精度是可行与有效的。     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。     

改进的智能飞机牵引车路径导航纯追踪算法

为了提高飞机地面自动牵引滑行导航控制系统的精度,提出一种改进的纯追踪算法。基于纯追踪算法对飞机牵引车系统的路径进行跟踪控制,将简化的两轮模型作为其运动学模型。融合经典纯追踪算法及改进算法确定新的预测目标点,以减少轨迹误差。采用偏差统计的方法实现不同预测距离下最优融合系数的选择,提高控制精度。仿真结果表明,该算法的路径轨迹误差控制在0.5 m范围内,满足飞机自动牵引滑行的精度要求,验证了其可行性和有效性。     

执行器约束下基于数据驱动的参数化前馈控制器设计

针对执行器约束下非重复性点到点运动的轨迹跟踪问题, 提出了一种在执行器约束下基于数据驱动的参数化输入整形滤波器和前馈控制器优化设计算法. 首先对输入整形滤波器以及前馈控制器进行参数化, 然后在目标函数中加入控制信号变化量与控制信号能量的约束, 再采用基于数据驱动的迭代寻优算法得到最优参数, 在该参数下可以实现满足执行器约束条件下的运动控制系统轨迹最优跟踪性能. 并且由于采用了前馈参数化设计方法, 在点到点轨迹发生变化时所提出算法依然能够保持良好的轨迹跟踪性能. 仿真与实验结果表明在执行器约束下所提出算法能够实现最优点到点轨迹跟踪性能, 并且对非重复性点到点轨迹跟踪具有一定的鲁棒性.     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.     

欠约束多机器人并联协调吊运系统运动控制

针对吊运过程中如何协调控制各机器人以实现负载高精度快速运动问题,采用了一种基于动力学模型前馈补偿+PD反馈的欠约束多机并联协调吊运系统轨迹跟踪控制方法。利用位置几何关系进行了逆运动学分析,并采用拉格朗日方程建立了系统的逆动力学模型。考虑到模型不确定性及外界扰动,采用前馈补偿+PD反馈控制方法进行轨迹跟踪控制。为了使被吊运物的轨迹跟踪控制更加快速准确,采用遗传算法对PD参数进行优化。理论分析和数值仿真结果表明,控制方法实现简单,能够快速有效地跟踪被吊运物的运动轨迹,满足被吊运物轨迹跟踪精度的要求。     

插补轨迹预补偿交叉耦合控制算法研究

本文提出了一种适用于高速运动控制设备的插补轨迹预补偿算法的交叉耦舍轮廓控制方法.插补轨迹预补偿算法是将插补输出经过一次运动规划之后的结果作为输入量,结合系统位置跟踪误差的模型,对输入数据做进一步的补偿.补偿量的大小与XY轴进给速度及实时目标位置的切线方向有关.将插补轨迹预补偿作为系统的前馈环节,交叉耦合轮廓误差补偿作为系统的反馈环节,较好的实现了交叉耦合控制与插补轨迹预补偿之间的协调.该方法应用在伺服跟踪圆轮廓的实验结果表明,插补轨迹预补偿的交叉耦合轮廓控制方法能有效提高轨迹精度与速度稳定性.     

大口径天线伺服控制系统的扰动观测器设计

针对大口径天线伺服控制系统在风扰动较大的情况下跟踪目标会产生较大的指向误差,为达到跟踪精度和指向精度的要求,在PID控制器的基础上加入扰动观测器,使得天线的指向精度和跟踪精度等都得到了很大的提升.仿真结果表明,加入扰动观测器后,伺服系统的性能得到了优化,系统对风扰动的抑制能力显著增强,跟踪高速目标的指向精度明显提高.     

康复机器人的自抗扰与滑模复合控制

针对康复机器人主动康复训练任务中可能出现的患者肌肉痉挛时的控制问题,提出一种康复机器人自抗扰与滑模复合控制方法,对预设的康复训练任务轨迹实现精确跟踪。滑模控制可以克服系统模型结构参数不确定性并能达到迅速的跟踪效果,自抗扰控制可以实现在系统状态到达滑模面后精确跟踪轨迹,避免了滑模控制的抖振现象。实验结果表明,该方法在完成康复训练任务时具有较高的轨迹跟踪精度以及较快的跟踪速度,对于外界的干扰具有良好的抗干扰能力,同时对于系统的内部的非线性扰动具有很好的鲁棒性。     

多观测器轨迹优化仿真研究

研究优化机载雷达组网系统的跟踪性能问题,在机载雷达组网中,多观测器与目标间的相对几何关系对定位跟踪精度有影响.可通过改变观测载体的飞行速度和航向角,控制其沿最优轨迹运动有效提高观测器的估计性能.为了对多站时差无源定位准确跟踪问题提出遗传算法对机载多观测器轨迹进行优化.推导出目标优化函数的表达式,采用遗传的轨迹优化算法,求解每一采样时刻使得目标函数最小的观测器位置,并在最佳位置对目标进行量测.可将轨迹优化加入运动目标被动跟踪过程构成闭环,通过估计和优化相结合的方法仿真实现观测器自适应运动下的运动目标被动跟踪.通过结果比较证明,算法可以有效提高对运动目标的跟踪精度.     

考虑柔性关节的机械臂自适应运动控制策略研究

具有柔性关节的轻型机械臂因其自重轻、响应迅速、操作灵活等优点,取得了广泛应用;针对具有柔性关节的机械臂系统的关节空间轨迹跟踪控制系统动力学参数不精确的问题,提出一种结合滑模变结构设计的自适应控制器算法;通过自适应控制的思想对系统动力学参数进行在线辨识,并采用Lyapunov方法证明了闭环系统的稳定性;仿真结果表明,该控制策略保证了机械臂系统对期望轨迹的快速跟踪,具有良好的跟踪精度,系统具有稳定性。     

基于Tiny-YOLOV3的无人机地面目标跟踪算法设计

为了提高四旋翼无人机对地面目标跟踪的稳定性和跟踪精度,提出了一种结合Tiny-YOLOV3和卡尔曼滤波的跟踪算法;首先分析了Tiny-YOLOV3的原理和网络结构,并基于Tiny-YOLOV3的目标检测结果,结合无人机状态和目标的几何关系建立了目标跟踪系统的数学模型;接着对目标相对运动关系进行分析,建立目标的运动学模型,考虑到目标检测结果受干扰影响较大,应用卡尔曼滤波器实现对目标轨迹的滤波和预测,进而提升目标跟踪的精度;最后根据经过卡尔曼滤波后的目标轨迹信息设计无人机控制律,在轨迹控制的同时引入对无人机偏航角的控制,从而实现无人机对目标的稳定跟踪;仿真结果表明无人机对目标的位置跟踪精度在0.5 m以内,速度跟踪误差在0.2 m/s以内,偏航角跟踪误差在3°以内,跟踪效果良好,从而论证了所提算法的有效性。     

Prediction and congestion control algorithm for networked motion tracking

In this paper a novel prediction method and a communication protocol is proposed for distributed motion tracking systems, for example robot control system over the Internet based on on-line visual information. It is assumed that the trajectory generator part of the control system is connected to the low level controller through wide area network (WAN). In this case the variable network delay, packet losses, irregular packet arrival can severely influence the control characteristics (transient behavior and tracking performance) in a negative sense. The proposed prediction method is based on dynamic filters and it generates the trajectory on the control system side in the control periods when no new information on the time varying reference trajectory arrives through the network. The developed application level communication protocol is meant to keep the packet loss under a predefined limit even if the network bandwidth varies below the value required by the control application. Simulations and real-time experiments show that the prediction algorithm applied jointly with the proposed communication protocol can effectively compensate the effect of networked communication on control characteristics.     

无线传感器网络信息检测的目标跟踪算法

目标跟踪定位算法通过簇头节点与汇聚节点之间的通信来定位预测目标位置,但在信息传递过程中会因中间路由出错或者外部攻击致使到达汇聚节点的信息出现错误或丢失,影响目标定位预测的精度。通过分析路由过程中可能产生误差的原因(例如乱序和丢包)以及受攻击之后数据的特征采取有效策略,在汇聚节点接收到信息之后进行检测,排除异常数据,防止错误信息的干扰。仿真实验表明,在非理想状态下加入信息检测机制之后相对于无检测机制的情况定位精度提高,跟踪轨迹更加精确。     

基于RCGA优化GRNN的实时动态目标追踪模型

针对三维环境中导弹追踪目标时制导和控制算法复杂而导致计算量非常大的问题,提出了一种基于隐性交叉遗传算法优化广义回归神经网络的实时动态目标追踪模型。通过将导弹防御区离散化为多个小模块生成输入数据,并针对每个可接受的目标参数数据集,使用RCGA估算导航常量和导弹注意时间;利用输入和输出的目标参数集生成GRNN所需的训练数据集;针对任意位置的目标轨道,将训练后的GRNN应用于实时导弹导引系统的实现中。通过战术目标仿真模型验证了所提算法的有效性及可靠性,仿真结果表明,相比其他几种目标追踪算法,算法取得了更好的实时性和更高的目标定位精度,脱靶率接近零。     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

具有参数不确定性的轮式移动机器人自适应backstepping控制

针对参数不确定的轮式移动机器人的轨迹跟踪问题,设计自适应跟踪控制器.基于移动机器人的动力学模型,采用backstepping积分方法,通过逐步递推选择适当的Lyapunov函数,设计基于状态反馈的自适应控制器,并进行了相应的稳定性分析.与传统PID控制进行仿真对比,结果表明提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了移动机器人的轨迹跟踪性能和鲁棒性.     

基于动态参考规划的鲁棒Tube模型预测跟踪控制

为实现扰动和约束作用下对系统的最优鲁棒跟踪, 提出一种动态参考规划(DRP)方法, 设计鲁棒Tube模型预测控制器(RTMPC)将系统状态驱动到以最优跟踪点为中心的扰动不变集内. 基于DRP的RTMPC控制方法, 以多步参考为决策变量, 确保在线优化递归可行性的同时, 增加在线优化的自由度; 另外, 通过设定目标函数惩罚标称状态轨迹和参考稳态之间、以及最后一步参考稳态和设定点之间的加权欧式距离, 可实现最优鲁棒跟踪.     

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计;综合机器人结构、运动机理和动力机制3个方面,构建机器人数学模型;根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量;依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能;在系统测试与分析中,所设计控制系统的平均位置跟踪控制误差为0.93 mm,与设定轨迹目标基本重合,机器人姿态角跟踪控制误差为0.06 mm,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。