农业轮式移动机器人自适应滑模路径跟踪控制

针对不确定性干扰影响下的农业轮式移动机器人鲁棒自适应路径跟踪问题,提出一种非时间参考的自适应滑模路径跟踪控制方法。首先,选择合适的非时间参考量,建立面向移动机器人路径跟踪控制器设计的相对运动学模型,摆脱了时间和速度因素的影响。其次,对传统的指数趋近律进行改进,设计了新型的快速趋近律。此外,引入RBF神经网络对不确定性干扰进行实时估计,进而提出一种基于新型趋近律的自适应滑模控制方法,并对其性能进行了理论分析与证明。该控制方法既消除了抖振现象又提高了轮式移动机器人在不确定性干扰作用下的路径跟踪性能。最后,通过仿真验证了提出方法的有效性和优越性。     

雷达汽车列车通过能力分析——一种简单实用的方法

雷达汽车列车通过性是实现雷达机动性指标的先决条件 ,现代中型地面对空情报雷达的运输单元都比较大 ,使其在低等级劣质道路的通过性受到限制。本文根据现代地面对空情报雷达运载汽车列车的结构特点 ,定量地对其通过能力指标进行了分析 ,并推导出几个直接关系到通过能力指标的计算公式。     

扰动观测器在列车速度预见跟踪控制中的应用

针对高速列车在运行中牵引和制动系统必然出现的损耗现象以及车体受到外界环境的干扰是时刻变化的,导致建立的模型参数出现偏差,设计了一种用最优预见控制算法实现的控制器。该算法以列车动力学为基础,确定列车模型传递函数,进行极点配置之后使控制系统稳定;将建立的列车模型作为该算法的被控对象,线路附加阻力和基本阻力作为该算法的扰动输入,并在其基础上加入扰动观测器,进一步提升该控制系统的稳定性能,从而实现列车速度的自动预见控制。仿真结果表明,加入扰动观测器的最优预见算法控制列车按目标速度自动跟踪运行具有良好的抗干扰和自适应性,能在约束范围内使列车运行达到期望状态,且运动轨迹能很好地跟随目标轨迹。     

一种改进的变结构控制律

本文在研究变结构控制中常用到的非线笥控制律的基础上，提出了一种变结构控制律，并将它用于文献〔７〕潜艇深度控制系统的仿真研究中。结果表明，使用该控制律使控制系统的调节时间缩短，并且在滑动模态上的抖动明显减小。     

汽车列车承载轴偏斜危害性分析及检测方法研究

公路运输的不断发展,半挂汽车列车的保有量不断增加。分析了半挂汽车列车承载轴偏斜对汽车使用性能造成的影响,根据其结构分析产生的原因。进而建立汽车列车承载轴偏斜角检测模型,为其承载轴偏斜的不解体检测提供了理论依据。     

全自动泊车系统路径规划与非时间系滑模跟踪

为了提高全自动泊车系统的路径规划质量和跟踪精度,提出了微分平坦路径规划方法和非时间参考滑模的跟踪控制方法。分析了微分平坦系统原理,确定了车辆运动学模型的平坦输出,基于平坦输出量规划了泊车路径。分析了随时间单调递增的非时间参考量,建立了在非时间参考系下的路径跟踪误差模型;在非时间参考系下设计了滑模面和控制律,并证明了Lyapunov意义下的稳定性。经仿真验证可以看出,基于微分平坦原理可以规划出一条最优的泊车路径;同时使用PID控制器和非时间参考滑模控制器对泊车路径进行跟踪,PID控制器的最大纵向误差是滑模控制器的3.57倍,最大方位角误差是滑模控制器的1.67倍,证明了非时间滑模控制器对泊车路径具有更高的跟踪精度。     

半挂汽车列车高速变道横向稳定性控制研究

针对半挂汽车列车在高速变道时因参数不确定性导致的横向失稳、半挂车运动轨迹偏移的问题,提出了基于直接横摆力矩控制(Direct Yaw moment Control, DYC)与主动转向(Active Steering, AS)技术的集成控制策略。以追踪牵引车侧向速度、横摆角速度和铰接角的参考数值为目标,设计了一种横向稳定性控制系统。在MATLAB/SIMULINK软件中搭建横向稳定性控制系统模型,并进行高速变道工况仿真试验。仿真结果表明：在高速变道工况下,施加横向稳定性控制作用后,半挂汽车列车模型能较好地追踪参考模型的响应且在车辆参数发生变化时仍有良好的追踪效果;相较于未施加横向稳定性控制作用的系统和仅施加了单控制作用的系统,双控制作用下半挂车追踪牵引车运动轨迹的能力更优。证明了设计的控制方法有效,可为提高半挂汽车列车横向稳定性和半挂车追踪牵引车运动轨迹能力方面提供一定参考。     

汽车驾驶机器人车速跟踪神经网络控制方法

为了实现汽车驾驶机器人对给定车速的准确跟踪,提出了一种驾驶机器人车速跟踪神经网络控制方法。网络模型输入层变量为驾驶机器人油门和制动器、离合器机械腿、换挡机械手的位移;中间层为隐层,节点数为5,神经元传递函数为正切传递函数;输出层变量为试验车辆车速,神经元传递函数为线性传递函数。结果表明,该方法的收敛速度明显高于梯度下降法的收敛速度,且达到的控制精度更高,车速跟踪误差满足国家汽车试验标准的要求。     

汽车自动变速器的电子控制及其发展趋势

介绍电子控制自动变速器的发展及自诊断技术,阐述了电子控制系统的组成、控制原理和发展趋势。     

一种列车垂向磁流变减振器结构优化设计方法

阻尼器是列车减振降噪的关键设备,良好的阻尼器可以显著提高列车乘坐的舒适性。提出了一种基于列车整车阻尼比与磁流变阻尼器出力模型的优化设计方法。将列车模型简化为单自由度系统,使用阻尼比公式计算列车模型垂向减振磁流变阻尼器的最大阻尼力。以最大阻尼力为优化性能约束条件,以使磁流变阻尼器的可调范围最大为目标值,使用Matlab优化工具箱得到磁流变阻尼器的结构参数。以某型列车模型为例,优化设计了用于此模型垂向减振的磁流变阻尼器的参数,证明了方法的可行性。     

智能小车的路径跟踪控制算法研究

以3轮式智能小车为例,跟踪一条不带时间参数的几何路径,将路径划分成若干个路标节点,在极坐标误差模型下,利用Lyapunov直接法设计出跟踪离散节点的跟踪控制器,最后通过MATLAB仿真平台进行仿真实验。仿真结果表明所设计的跟踪控制律是正确有效的,小车最终能够跟踪到期望的目标点位置。     

智能汽车路径跟踪混合控制策略研究

针对传统单一控制算法无法有效协调智能汽车不同转向工况下横向控制性能要求的问题,根据智能汽车在高速和低速转向工况下呈现出的系统特性差异,设计了一种基于PID控制和模型预测控制的智能汽车路径跟踪混合控制策略。该控制策略在低速模式下采用PID控制,在高速模式下则采用模型预测控制,通过车辆速度确定路径跟踪控制模式,进而设计带稳定监督的控制模式切换机制,实现了横向控制系统的平滑切换。基于Carsim和MATLAB/Simulink仿真平台对所设计的智能汽车路径跟踪混合控制策略进行了仿真验证,在此基础上,进一步完成了实车试验。仿真和实车试验结果表明,所设计的混合控制策略能够保证智能汽车不同速度下的路径跟踪性能,具有较好的跟踪精度、实时性和车辆行驶稳定性。     

一类自动引导小车的路径规划方法

针对运行环境部分可知的自动引导小车,提出了一种全局路径规划和局部模糊逻辑控制相结合的方法.该方法不仅能有效利用已知环境信息,而且具有小车行驶路径短,运行速度适当和有效避障的特点.仿真结果表明了这一方法的有效性与实用性.     

基于模糊控制的汽车路径跟踪研究

汽车是一个非常复杂的非线性动力学系统,难以建立精确的数学模型,而模糊控制方法适用于难以建立精确数学模型的对象。将模糊控制理论引入汽车操纵逆动力学中,以汽车三自由度模型为研究对象,根据侧向偏差和偏差变化率设计了车辆的路径跟踪模糊控制器。对某车型跟踪给定双移线和蛇形路径行驶情况进行了仿真。结果表明,模糊控制方法可保证汽车准确地跟踪给定参考路径,可以作为车辆路径跟踪控制的一种有效控制方法。     

用于驾驶机器人的车速跟踪多机械手协调控制方法

提出一种用于驾驶机器人的车速跟踪多机械手协调控制方法。建立了驾驶机器人车速跟踪多机械手/腿控制模型,在此基础上设计了驾驶机器人车速跟踪协调控制器,通过油门/离合器协调控制器实现了车辆的平稳起步和平顺换挡,通过发动机/制动器切换控制器实现了驾驶机器人对给定车速的准确跟踪。实车试验结果表明,提出的方法能合理地协调控制驾驶机器人的油门、制动、离合机械腿和换挡机械手,实现对目标车速的跟踪控制,驾驶机器人完全能够代替试验人员进行各种汽车试验。     

移动机器人路径跟踪控制方法研究

基于两轮差动驱动的移动机器人,设计了一种路径跟踪控制系统。系统采用临时路径生成方法,通过规划移动机器人跟踪上期望路径前的轨迹,消除初始位置误差和方向误差,解决了移动机器人直接跟踪期望路径时控制量可能过载的问题,使机器人光滑趋近到期望路径。控制器的设计采用模糊控制器。试验验证了系统的有效性。     

无人驾驶车辆路径跟踪控制预瞄距离自适应优化

基于道路信息,使用驾驶员预瞄模型产生执行器输入是无人驾驶车辆在路径跟踪中使用的主要方法之一,但对于车速较高与转弯半径小等工况,模型误差会导致较差的驾驶舒适性,车辆甚至失去稳定性。为提高无人驾驶车辆路径的跟踪精度,同时兼顾转向频度和车辆稳定性,提出基于粒子群多目标优化（Particle swarm optimization,PSO）算法的预瞄距离自适应驾驶员模型,并将之应用于路径跟踪控制。首先,基于单点预瞄偏差模型,采用滑模变结构设计转向控制器;其次,以路径跟踪精度、转向频度和车辆稳定性为综合性能指标,设计了PSO优化算法,实现了驾驶员模型预瞄距离的自适应寻优。最后,在搭建的CarSim-Simulink联合仿真平台与台架试验上,对所提出的预瞄距离自适应驾驶员预瞄模型进行了仿真和硬件在环试验验证。结果表明,经优化后的预瞄距离能够适应不同车速和道路曲率,驾驶员预瞄模型能兼顾路径跟踪精度、转向频度和车辆稳定性等需求。预瞄距离自适应驾驶员模型结合道路与车速信息,增大对路况与车况适应性,为无人驾驶车辆路径跟踪控制提供可靠的输入。     

自动导引车路径跟踪和伺服控制的混合运动控制

对受到非完整约束和动力学影响的自动导引车(Automated guided vehicle,AGV),提出一种包含路径跟踪和伺服控制的混合运动控制模型。为消除AGV位姿偏差,在速度和加速度约束下,基于多步预测最优控制和智能预测迭代控制的路径跟踪技术,输出纠偏协调性最优的有限速度差控制量,并根据该控制量和AGV运行速度设置两驱动轮的目标速度。为消除驱动轮速度误差,以路径跟踪所需的伺服控制能力为决策偏好,采用多目标遗传算法优化伺服控制器的PID参数,保证两驱动轮的实际速度满足路径跟踪要求,并根据系统响应性能反馈速度和加速度约束。AGV路径跟踪试验表明,该混合运动控制模型可匹配路径跟踪技术的位姿纠偏能力与伺服控制技术的速度纠偏能力,有利于实现AGV运动性能的整体优化。     

轮式移动机器人路径跟踪的模糊自整定PID控制

本文建立了二自由度轮式移动机器人路径跟踪的动力学模型,并设计了自整定模糊PID控制器,利用模糊推理的方法,对PID控制器的参数进行自动整定。仿真实验用常规增量式PID控制和自整定模糊PID控制算法结合进行航向跟踪,结果表明该算法与常规PID算法相比,系统误差减少了20%左右,响应时间减小到原来的0.4,有效地改善了控制器的动态性能,同时表现出了较好的自适应能力,路径跟踪仿真结果表明,轮式移动机器人能够迅速向目标路径靠拢,并能平稳地践踏规划路径。