自动导引车路径跟踪控制

路径跟踪控制算法是自动导引车(AGV,automated guided vehicle)控制系统设计的关键问题之一.推导了差速驱动式AGV的运动学模型,结合反演控制方法设计了变结构控制的切换函数,基于指数趋近律设计了路径跟踪变结构控制器,并采用饱和函数代替符号函数消除抖振.在不同速度和任意初始位姿误差条件下,仿真分析了对直线、圆周和曲线参考路径的跟踪能力,结果验证了控制器的有效性.     

基于视野状态分析的机器人路径跟踪智能预测控制

为视觉导航自动导引车（AGV）的路径跟踪提出一种基于视野状态分析的智能预测控制模型．以最优 偏差状态转化策略取代二次型指标函数对预测控制目标的描述,避免了纯代数优化方法面临的参数选择难题．提出 一种同步控制算法,用于完全消除理想纠偏状态的两种路径偏差并维持无偏差跟踪状态．对于其它状态,则采取假 设—预测—调整的迭代算法,以实现状态转化的协调性．数值仿真和实验证明,在不同偏差状态和速度下,该算法 都能产生可实现的速度差控制量,同步、快速和平稳地消除两种路径偏差,而且,该算法计算量小,可满足嵌入式 控制系统实时处理的要求．     

适用于路径跟踪控制的自适应MPC算法研究

为提高自动驾驶车辆在不同工况下的路径跟踪精度和行驶稳定性,基于车辆的单轨模型和模型预测控制（MPC）理论,提出一种依据跟踪偏差和道路曲率自适应调整成本函数权重系数的路径跟踪控制算法。该算法主要是通过模糊控制理论动态优化传统MPC路径跟踪控制器中权重系数矩阵,使得当车辆与参考路径偏差比较大时,能够快速减小跟踪偏差,保证车辆行驶的安全性;当路径跟踪偏差比较小,且参考路径曲率比较小时,使得系统更加侧重行驶稳定性的要求。为验证所设计的路径跟踪控制器的性能,搭建CarSim/Simulink联合仿真模型,在联合仿真过程中,基于权重系数自适应的MPC路径跟踪控制器与基于权重系数为常量的MPC路径跟踪控制器相比,路径跟踪精度和车辆的行驶稳定性均得到了提高。     

一种仓储AGV路径规划最优策略方法的实现

路径规划是自动导引车系统(AGVS)路径管理系统的关键技术,主要用来规划智能仓储中单台或多台自动导引车(AGV)的作业路径.研究并检验了一种基于迪杰斯特拉算法的堆优化路径规划策略方法,通过仓库多台AGV路径规划案例,表明可以实现最优的单车及多车路径规划策略,缩短了车辆在仓库中的作业时间,提高了AGV的使用效率.     

基于改进模糊PID的自动导引车纠偏控制研究

针对传统模糊比例—积分—微分(PID)控制器对自动导引车(AGV)路径跟踪精度低的问题,提出一种基于比例调整和积分分离的模糊PID纠偏控制方法。首先分析并建立AGV的运动学模型;其次设计模糊PID控制器的输入输出隶属度函数及模糊控制规则;最后对模糊控制器输出的比例项和积分项以偏差的大小为依据分别进行比例调整和积分分离。仿真实验表明:积分分离可以有效降低系统超调量,比例调整加快系统的响应速度,本文设计的纠偏控制器具有快速性和稳定性等优点。     

基于运动学的自动导航车控制系统

针对自动化仓储设备固定轨迹的自动导航车(AGV)控制需要,设计基于运动学的自动导航车控制系统.系统从AGV小车路径偏差控制系统的运动学关系入手,分析小车运动偏差与车轮转速的关系,得到了AGV动态特性关系,采用模糊智能控制方法,控制PWM波占空比,修复小车路劲偏差,提高导航准确度和小车稳定性.仿真和实测结果表明,运行时AGV虽有轻微的振荡,但偏差振幅不超过10cm,故能做到沿路径中线运行.     

基于运动预测的路径跟踪最优控制研究

针对自动导引车的路径跟踪.提出一种基于运动预测的线性二次型调节器优化模型.在速度约束下.从全局角度通过运动预测达到多步控制的最优协调性.在目标函数中只包含速度控制量,避免了加权矩阵选择的难题,算法的快速性由控制步数的最小化来保证.数字仿真和实验均表明.对于不同速度和路径偏差,该算法均能产生可实现的最优控制序列,同步、快速和平稳地消除两种偏差,且计算量小,可满足嵌入式控制系统实时滚动优化的需求.     

无人车辆轨迹规划与跟踪控制的统一建模方法

无人车辆的轨迹规划与跟踪控制是实现自动驾驶的关键.轨迹规划与跟踪控制一般分为两个部分，即先根据车辆周边环境信息以及自车运动状态信息规划出参考轨迹，再依此轨迹来调节车辆纵横向输出以实现跟随控制.本文通过对无人车辆的轨迹规划与跟踪进行统一建模，基于行车环境势场建模与车辆动力学建模，利用模型预测控制中的优化算法来选择人工势场定义下的局部轨迹，生成最优的参考轨迹，并在实现轨迹规划的同时进行跟踪控制.通过CarSim与MATLAB/Simulink的联合仿真实验表明，该方法可在多种场景下实现无人车辆的动态避障.     

基于模型预测控制的叉车型AGV路径跟踪研究

针对工厂环境下的叉车型AGV沿给定路径跟踪问题,将模型预测控制应用于叉车型AGV舵轮驱动速度和舵轮转角的最优控制。算法首先对AGV进行运动学建模,将AGV的位姿取作状态变量,舵轮速度和转角取作控制变量,建立误差模型并将其线性化和离散化。其次基于状态变量的偏移量,以及控制变量的偏移量构造二次规划问题的目标函数,通过最优控制求解出舵轮的实时速度及转角,从而实现对路径的精确跟踪。算法最后使用Matlab针对直线和圆弧路径进行了仿真验证,结果表明本算法能够在不同初始位姿偏差的情况下,控制AGV迅速而准确地回归到所跟踪的路径,验证了算法的可行性。     

基于轮胎状态刚度预测的极限工况路径跟踪控制研究

为解决高速极限工况下自动驾驶车辆紧急避撞时传统路径跟踪控制方法因轮胎力表达不精确导致的路径跟踪失败问题, 提出一种基于轮胎状态刚度预测的模型预测路径跟踪控制方法. 首先, 基于非线性UniTire轮胎模型求解的轮胎状态刚度对非线性轮胎力进行线性化处理. 其次, 基于期望路径信息提出状态刚度预测方法, 实现预测时域内轮胎力的预测和线性化. 最后, MATLAB和CarSim联合仿真实验表明: 所提出的方法能够明显改善高速极限工况下的避撞控制效果.     

叉车式AGV模糊控制系统的设计与试验研究

针对叉车式AGV的结构和非完整约束的特点,提出了基于模糊控制理论的磁导引AGV的运动控制方案。在对车体位移偏差和方向角偏差模糊化的基础上,根据模糊控制器推理分析结果对AGV的运动轨迹进行纠偏,使AGV始终沿着规定的磁导引路径运动。测试结果表明,该AGV控制方法的轨迹跟踪精度完全可以满足运行要求。     

磁导航AGV分段模糊PI控制器设计

为了提高3C产品的自动化生产效率,以STM32F407ZGT6单片机为系统控制器核心,对磁敏传感器组寻迹的滚筒式AGV设计了16位磁敏传感器的阵列布置形式,并根据此形式以及磁导引滚筒式AVG的寻迹约束条件和行走要求提出了路径的识别与轨迹跟踪算法,即分段模糊PI控制算法,以适应AGV小车在直行 、转弯和停车三种状态下存在的位置偏差和角度偏差的控制.运用Matlab软件中Simulink模块搭建模糊控制器的仿真模型,对AGV的轨迹跟踪进行仿真,并进行了实际行走测试.AGV行驶时路径偏差保持在8 mm以内,可保证AGV稳定准确地跟踪预设路径,且具有较强的鲁棒性.     

Adaptive path planning and tracking system based on model predictive control for autonomous vehicle local obstacle avoidance

Path planning and tracking control are the key technologies of autonomous vehicle. The planned path and tracking results affect driving stability and safety directly. In this paper, an improved local path planning method based on model predictive control is proposed to match the variation of vehicle speed and road adhesion coefficient. A two-layer model predictive control (MPC) path planning and tracking system is further designed to validate the method and the simulation results show that the proposed solution solves the problem of excessive avoidance and reduces the lateral deviation with the reference path.     

基于微分平坦与MPC的智能车换道控制算法

为了提高智能车换道的安全性,提出了一种基于微分平坦理论与模型预测控制(MPC)算法相结合的智能车换道轨迹规划与跟踪算法。该算法利用约束求解得到基于sigmoid函数的优化路径;将其与多项式参数化时间函数作为平坦输出,利用微分平坦理论构造一个非线性性能指标函数并对其进行优化求解完成车速规划;从而实现对智能车辆路径-速度分解式的轨迹规划。利用动力学模型预测控制算法线上控制的优点,对智能车的车轮转向进行实时控制,使得车辆按照规划好的轨迹行驶完成换道。通过CarSim与MATLAB/Simulink的联合仿真,将提出的轨迹规划算法应用于车辆系统仿真软件中进行验证,结果表明该算法能够实现对智能车进行轨迹规划和跟踪控制,使其安全高效地换至目标车道。     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制（MPC）的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。     

一种基于最优状态点的无人车路径跟踪横向控制方法

对于小区、施工导流路段等狭窄区域,很难保证大中型车辆安全地通过.针对这类情况,本文研究了整个车体的路径跟踪横向控制问题,提出了车辆最优状态点和最优参考状态的概念.为了求解最优状态点,本文构造了车辆参考状态所对应的整体偏差这一目标函数,基于车辆运动学模型,依据最优状态点处车辆与参考轨迹的偏差设计了横向控制器,并利用Lyapunov方法证明了该控制系统的稳定性.与车体特定位置的横向偏差相比,整体偏差更为显著地反映了整个车体的跟踪性能.最后,在具有代表性的狭窄区域场景和普通城区道路场景分别进行了仿真实验,结果表明该方法能够有效提高车辆低速行驶时的整体跟踪精度,不仅可以保证车辆安全裕度较大地通过狭窄区域,而且也提升了车辆在城区交通场景驾驶的安全性.     

磁导航AGV纠偏控制模型的研究与设计

针对轮式移动机器人循迹偏差问题,以差速驱动型AGV为研究对象,基于LQR(LinearQuadratic Regulator)线性二次型最优控制算法设计磁导航AGV纠偏控制器,控制AGV速度实现循迹跟踪。通过对磁导航AGV偏差建模,将决定AGV运行的驱动电机线性化,建立其状态空间模型,判别系统能控、能观性;同时用Matlab进行仿真设计,实验得到最佳Q、R完成最优控制器设计;通过Simulink设计基于LQR最优控制算法的AGV纠偏控制系统模型,并与传统PID控制算法进行对比分析表明,论文设计的基于LQR算法纠偏控制模型具有更好的收敛性和实时响应性。