四旋翼飞行器航迹规划和控制研究

以四旋翼飞行器为研究对象,提出一种航迹规划和控制方案,使其能完成室内环境下的避障探索任务。通过激光扫描仪对室内场景建模,并采用快速扩展随机树(RRT)算法规划可行航迹,进行平滑处理。为了实现对规划航迹的跟踪,采用模型预测控制算法,分别设计航迹、航姿控制器。数值仿真结果表明所设计控制器可以完成较准确的轨迹跟踪控制。     

基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制策略

为了实现单舵轮自动导引车(Automated Guided Vehicle, AGV)轨迹跟踪的快速稳定响应,设计了一种基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制策略。建立了单舵轮AGV的运动学模型,构建包括外环位置子系统和内环姿态子系统的双闭环轨迹跟踪控制方案;采用基于双幂次趋近律的滑模变结构控制算法,分别设计了前轮速度和前轮转角控制律,并利用李雅普诺夫稳定性理论分别对所设计的外环位置子系统和内环姿态子系统进行稳定性证明;MATLAB软件仿真结果表明,相较于基于指数趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制器,基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制器在保证单舵轮AGV轨迹跟踪稳定性的同时具有更快的响应速度。     

基于低通滤波器的跳跃机器人滑模控制

针对单关节跳跃机器人的轨迹跟踪、速度跟踪和振动问题,提出一种基于低通滤波器的滑模控制算法。基于Lynapunov算法设计滑模控制律,并对该算法进行了稳定性分析。利用MATLAB对单关节跳跃机器人的控制器进行了动态仿真,仿真结果表明:该算法能够快速地实现单关节跳跃机器人的位置跟踪和速度跟踪,并且相比未加入低通滤波器的单关节跳跃机器人,加入低通滤波器的单关节跳跃机器人能很好地抑制抖振,从而提高了机器人的工作品质。     

基于生物激励神经动力学的AGV轨迹跟踪控制

提出了一种基于门限偶极子生物神经元模型和快速终端滑模控制策略的轨迹跟踪控制算法,使AGV在存在初始速度跳变的情况下能顺利实现小车的轨迹跟踪控制。首先由运动学控制器产生一个理想控制律,接着利用神经动力学思想解决初始速度跳变问题,最后用快速终端滑模控制器进一步提高跟踪精度。该控制器的输出有界且光滑,整个控制系统全局快速渐进稳定。计算机仿真结果验证了该控制器的有效性。     

基于ROS和激光雷达的室内移动机器人定位和导航系统设计与实现

根据自主运动机器人的室内定位需求,设计并实现基于机器人操作系统ROS和激光雷达的室内移动机器人定位和导航系统。机器人系统采用树莓派控制器作为控制核心平台,利用激光雷达采集环境信息,在ROS分布式框架下进行软件算法的开发,实现基于扫描匹配算法的SLAM功能、基于最优路径算法路径规划以及基于粒子滤波算法的导航功能。理论仿真及实验实测结果表明,系统可构建精度较高的环境地图,并对机器人进行定位,有效完成室内定位和导航任务,具有低成本、开源、模块化、易于拓展等优点。     

基于电磁直线执行器的电子凸轮轨迹跟踪控制

提出了一种基于电磁直线执行器的电子凸轮,通过对给定轨迹的跟踪来实现所需要的直线运动规律,以取代传统的机械凸轮机构。采用迭代学习控制算法控制电子凸轮实现对目标轨迹的跟踪,并进而应用迭代加模糊滑模控制的算法提高电子凸轮的收敛速度与鲁棒性。模糊滑模迭代控制是将误差函数输入滑模控制器中,然后以滑模函数作为模糊控制器的输入,最后通过模糊控制器的输出来控制迭代算法中的增量。通过仿真以及试验验证表明,基于电磁直线执行器的电子凸轮能够有效取代传统的机械凸轮机构,模糊滑模迭代控制算法能够满足电子凸轮对轨迹跟踪精度、响应速度、收敛速度与鲁棒性的要求。     

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法.该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长.仿真结果表明,提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性.     

复杂结构条件下的装配路径求解与优化技术

针对复杂结构条件下的零部件装配路径自动求解困难的问题,提出基于障碍和贪心规则的快速扩展随机树(Rapidly-exploring random tree,RRT)算法。该算法以基本RRT算法为基础,采用随机采样、终点采样、局部采样相结合的采样方式,利用目标零件与障碍物的碰撞面片法向量和碰撞点位置来引导随机树的扩展方向,在每个扩展方向上按贪心规则进行扩展,并提出先平移后旋转的扩展策略。对求解得到的初始装配路径,提出运用分段线性拟合的方法进行路径自动优化。设计并开发了装配路径求解软件原型系统,进行了算例测试和实例应用,结果验证了算法的高效可行。     

一种并联机器人误差综合补偿方法

针对并联机器人轨迹规划和轨迹跟踪过程中,同时存在机构误差引起的期望轨迹与理想轨迹之间的偏差和非线性摩擦、负载变化等扰动因素引起的动态误差,提出一种并联机器人误差综合补偿方法:在轨迹规划过程中,基于并联机器人位姿误差模型将位姿误差补偿转化为驱动杆参数组合优化问题,进而利用粒子群算法寻优驱动杆参数,修正并联机器人期望轨迹;在轨迹跟踪过程中,设计基于自适应迭代学习控制算法的动态误差补偿策略,实现对期望轨迹的有效跟踪。在Stewart平台下基于ADAMS和Matlab进行仿真试验,在轨迹规划和轨迹跟踪过程中,分别修正期望轨迹偏差并补偿轨迹跟踪动态误差,实现并联机器人误差综合补偿。进一步,基于混联机床进行工件加工试验,验证方法对于提高并联机器人工作精度的有效性。     

基于深度确定性策略梯度算法的四旋翼控制器自主导航方法研究

自主导航作为四旋翼无人机飞行导航的核心问题,为了更好地优化四旋翼无人机自主导航路径规划和路径跟踪能力,采用了一种基于改进的深度确定性策略梯度算法的机器学习算法（DDPG）的四旋翼无人机自主导航跟踪控制器,算法中增加了对动作探索策略的设计和对奖励函数的改进,以及采用二维及三维电子地图模拟四旋翼无人机的飞行轨迹,提出基于Matlab软件进行四旋翼无人机自主导航仿真实验以确保系统的稳定性和可行性。结果表明,所改进的深度确定性策略梯度算法可以在仿真实验中实现四旋翼无人机在二维及三维环境下的路径规划、跟踪与避障,并做到导航过程中的姿态状态的自主调整。     

基于“Pure Pursuit”自动驾驶汽车的路径跟踪控制

为了提高自动驾驶汽车路径跟踪控制中的可行性和稳定性,提出一种基于"Pure Pursuit"自动驾驶汽车的路径跟踪控制方法。借助某集团新能源汽车自动驾驶平台采集园区一条参考轨迹纬度值,并再将其转化为大地坐标值;建立自动驾驶汽车运动学模型,根据车速可利用Pure Pursuit算法确定前轮转角,基于前轮转角,通过Carsim与Simulink软件搭建路径跟踪控制联合仿真模型,分别对参考轨迹跟踪控制及跟踪误差进行了仿真分析;最后对所提出的控制方法进行了实车试验验证。研究结果表明:车速低于20 km/h,仿真轨迹和实车轨迹误差均小于0.4 m,最后试验结果与仿真结果基本一致;基于Pure Pursuit算法有效地实现了低速工况下自动驾驶汽车的路径跟踪。     

基于AM335 X的多功能智能车设计

基于AM335X微控制器设计一款具有GPS定位、视觉识别、自动避障、轨迹跟踪等功能的智能车。使用超声波传感测距;使用GPS定位,摄像头路障识别和路径规划;搭载无线通信模块,实现对智能车的远程控制和监测;利用PID算法实现车辆后轮驱动和前轮转向控制。车的硬件主要包括微处理器模块、电源模块、电机驱动模块、通信模块、导航定位模块和避障模块。控制系统中加入PID算法实现车辆前进驱动控制和转向控制,并进行了仿真验证和实车实验。     

基于任意时间RRT算法的三维自动布线技术

考虑约束的路径规划是线缆布局设计的重要方面,针对目前三维环境下的布线方法效率低以及对约束考虑不完善的问题,提出一种基于任意时间RRT算法的三维自动布线方法。该方法将任意时间算法与双树吸引快速扩展随机树(RRT)算法相结合,兼顾路径规划的长度约束及搜索效率,实现线缆初始路径的生成,提出了基于障碍物的磁吸算法(OBMA),将初始路径作"贴壁"细化处理完善线缆路径,最后建立了基于Cosserat弹性杆理论的线缆物理模型,计算获得线缆的精确空间姿态,从而完成布局设计。开发了原型系统,通过典型的布线场景对算法性能进行了测试,并利用某产品仪器板布线实例验证了线缆布局设计效果。     

复杂环境下智能汽车自动驾驶系统研究

为了提高智汽车的驾驶安全性,研究了智能汽车自动驾驶系统,包括路径规划和跟踪两个方面。对于路径规划,在传统RRT算法基础上,将路径转角引入度量函数中,实现了对距离和平滑性的综合度量;将目标偏向策略和相向扩展策略引入到扩展方法中,将随机扩展改进为启发扩展,从而提出了CE-RRT算法,经仿真验证,CE-RRT算法不仅提高了路径规划成功率,而且缩短了规划时间。对于路径跟踪,建立了车辆路径跟踪的线性时变误差模型,设计了线性时变模型预测控制器,通过仿真验证,控制器可以实现对直线路径的完全跟踪,对圆形路径也有很高的跟踪精度。     

基于改进RRT算法的线缆自动布线技术

针对机电产品中线缆布局设计效率低、成本高的问题,提出一种基于障碍物与目标吸引的改进快速扩展随机树算法(Obs-GA RRT)的线缆自动布线方法。该方法以基本RRT算法为基础,提出标准扩展、基于障碍物碰撞面片法矢量方向扩展及基于历史与目标点吸引扩展相结合的扩展策略,并采用节点扩展概率准则及多步贪婪准则,自动求解出线缆的布局初始路径,并提出基于扩展碰撞信息的路径优化方法对求解得到的初始路径进行优化。设计并开发了三维线缆自动布线软件系统,进行了算例测试与实例应用,验证了算法的高效可行。     

轨迹跟踪控制算法在汽车自动驾驶中的应用

轨迹跟踪是基于预定路径点的跟踪方法,主要用于汽车的自动驾驶或移动机器人的自主行走。在研究"预瞄-跟踪"和PID控制的基础上,设计了横向跟踪和纵向跟踪的控制算法模型;然后将算法移植到嵌入式系统中进行实际验证,实验数据表明,此控制算法在控制实时性和控制精度上都能满足汽车自动驾驶的要求。     

基于GB_RRT算法的机械臂路径规划

针对五自由度机械臂路径规划问题,提出一种基于快速扩展随机树(rapidly-exploring random tree,RRT)优化算法—GB_RRT算法。为弥补因基本RRT算法采样盲目性导致的效率低下的缺陷,GB_RRT算法采用高斯采样的方法进行启发式采样,同时结合贪婪扩展算法来提高随机树的局部扩展速度。为进一步缩短规划路径,该算法采用双向同时剪枝取最优的策略来删除不必要的采样节点。最后对机械臂进行了仿真实验和样机实验。实验结果表明,高斯采样法结合贪婪策略不仅降低了采样的盲目性,而且能够提高扩展树的扩展速度,更好地规避开障碍物;双向剪枝取最优的策略也在一定程度上缩短了规划路径的长度。     

局部环境增量采样的服务机器人路径规划

针对室内服务机器人在未知动态环境中工作时的功能需求,提出了一种局部环境增量采样的路径规划算法。该方法首先依据当前环境构建基于障碍物碰撞风险的评估概率;然后在搜索树扩展的过程中,设计了结合碰撞风险评估概率和欧氏距离的代价函数,避免了每次扩展时新节点和潜在扩展边的碰撞检测,提高了算法效率;同时,搜索树扩展借鉴了快速随机扩展图算法的扩展方式,实现在当前搜索树结构下的最优扩展;另外,提供了算法的性能分析。最后,仿真及实验结果表明该方法具有良好的规划性能,需要较少的计算时间和平均迭代次数,能够满足室内服务机器人实时路径规划的工作需求。     

基于Backstepping的改进等速趋近律AGV滑模轨迹跟踪控制方法

针对自动导引小车(AGV)轨迹跟踪过程中如何快速平稳消除行进所产生的距离和角度误差问题,提出了一种改进等速趋近律的滑模轨迹跟踪控制方法。在全局坐标系下建立了AGV运动学模型,基于反演算法(Backstepping)处理非线性系统的控制策略得到AGV的滑模切换函数,从而解决了非线性系统滑模控制切换函数难的问题;为了更好地实现AGV从任意初始的偏差状态达到滑模切换面,针对等速趋近律中ε常数对趋近过程的影响,通过连续的函数取代原趋近律中的符号函数,得到基于改进等速趋近律AGV滑模控制的切换函数式和轨迹跟踪的控制律式。通过仿真数据与实验结果表明,所提出的轨迹跟踪控制方法能够使AGV在不同转弯半径和不同速度下均能实现较快的误差纠偏,并最终使系统趋于稳定。     

基于四旋翼无人机的二阶PD积分滑模控制算法研究

为提高6自由度四旋翼无人机系统飞行稳定的收敛速度问题,提出双闭环二阶PD积分滑模控制器的设计方法。该控制器的外环采用二阶PD控制算法使无人机在控制精度上有显著的提高;以系统姿态角动态变化为内环,通过引入饱和函数的积分滑模控制,有效抑制滑模控制算法本身的抖振效应,实现期望轨迹的可靠跟踪,同时利用李雅普诺夫函数证明该系统能够快速收敛达到稳定。仿真结果表明,当无人机受到外界扰动后可以快速准确跟踪螺旋上升的航迹,验证了所提算法的有效性和鲁棒性。