基于时变局部模型的无人驾驶车辆路径跟踪

目前常用于无人驾驶车辆路径跟踪控制的有模型控制方法有两类,一类是基于全局模型的控制方法,另一类是基于局部模型的控制方法。基于全局模型的路径跟踪控制中无人驾驶车辆的纵向速度与全局坐标系中的横向、纵向位移误差之间存在随航向角变化的耦合关系,这种耦合关系使得控制器无法将纵向速度作为控制输入来提高路径跟踪控制的精确性。基于局部模型的路径跟踪控制器通常采用误差模型作为参考模型,这种模型使得控制器在参考路径曲率变化幅度较大时精确性较低。针对前述问题,基于非线性模型预测控制滚动优化的原理,提出一种基于时变局部模型的无人驾驶车辆路径跟踪控制方法,并在低速高附着路面、低速低附着路面和高速低附着路面等工况下进行仿真验证。在仿真结果中,相比于基于全局模型的路径跟踪控制器、基于局部模型的路径跟踪控制器以及Stanley路径跟踪控制器,基于时变局部模型的路径跟踪控制器精确性更高,其位移误差绝对值不超过0.3342 m,航向误差绝对值不超过0.0913 rad。      

基于非线性模型预测控制的自动泊车路径跟踪

与行驶速度较高的其他无人驾驶工况相比, 自动泊车时参考路径的曲率较大, 因此车辆转向轮转角速度的限制等系统约束条件会严重影响自动泊车路径跟踪控制器的性能. 为了解决这一问题, 提出了基于非线性模型预测控制的自动泊车路径跟踪控制器, 并在MATLAB/Simulink和PreScan联合仿真环境中将该控制器与基于线性时变模型预测控制的控制器进行了对比. 仿真结果表明非线性模型预测控制器可以实现多约束条件下的自动泊车, 泊车完成后车辆航向与车位中线的夹角为0.0189 rad, 车辆后桥中点与车位中线的距离为0.1045 m, 仅为车身宽度的5.56%. 相比线性时变模型预测控制器, 非线性模型预测控制器具有泊车精度更高、安全裕度更大、泊车耗时更少等优势. 在实时性方面, 该控制器也能够满足自动泊车的需求.      

无人驾驶车辆路径跟踪控制研究现状

近年来路径跟踪控制的发展十分迅猛,研究者们发表了大量的研究成果。考虑到在相同或相近工况下的路径跟踪控制存在一些共性的技术问题与解决思路,从低速路径跟踪控制和高速路径跟踪控制两个角度对近年来的研究成果进行了回顾。在关于低速路径跟踪控制的研究工作中,研究者们较为重视前轮转角速度约束等系统约束对路径跟踪精确性的影响。目前减少系统约束影响的方法包括在规划参考路径时将系统约束纳入考虑,采用预瞄控制使控制器提前响应,以及采用线性模型预测控制（LMPC）或非线性模型预测控制（NMPC）等模型预测控制方法作为路径跟踪控制方法等。考虑到NMPC既能减少系统约束的影响,又无需人为设置预瞄距离,且对定位误差等扰动因素具有较强的鲁棒性,加之低速路径跟踪控制对实时性的需求较低,因此可以认为NMPC能够满足低速路径跟踪控制的绝大多数需求。高速路径跟踪控制在受系统约束影响之外,还面临着较高车速带来的行驶稳定性不足问题的挑战,因此常采用能够将动力学层面的复杂系统约束纳入考虑且计算成本较低的LMPC作为路径跟踪控制方法。不过仅采用动力学层面的LMPC控制方法无法完全解决高速路径跟踪控制中路径跟踪精确性和车辆行驶稳定性之间存在耦合的问题,目前常见的解决思路是在路径跟踪控制中加入额外的速度调节或权重分配模块。此外,在高速路径跟踪控制中,地面附着系数等环境参数的影响也较大,因此地面附着系数等环境参数的估算也成为了高速路径跟踪控制领域的重要研究方向。      

基于前馈模型预测控制的类车机器人路径跟踪

在类车机器人路径跟踪控制方法中,模型预测控制（Model predictive control, MPC）在处理系统约束方面具有较大优势,但是现有的非线性模型预测控制（Nonlinear MPC, NMPC）实时性较差,线性模型预测控制（Linear MPC, LMPC）精确性较差,因此亟需提出一种同时具有较高精确性与实时性的类车机器人路径跟踪控制方法.为此,以无预瞄点的LMPC为基础,引入基于逆运动学模型的前馈转向角信息,提出了一种前馈模型预测控制（Feedforward MPC, FMPC）方法,并通过MATLAB和Carsim进行了联合仿真测试. FMPC具有较高的精确性,在所有仿真结果中,位移误差绝对值不超过0.1110 m,航向误差绝对值不超过0.1177 rad.在相同工况下,FMPC与NMPC精确性相当,LMPC、前馈控制和Stanley控制误差发散. FMPC也具有较高的实时性,在每个控制周期内的解算时间不超过4.31 ms.在相同工况下,FMPC与LMPC实时性相当,相比NMPC能将每个控制周期内解算时间的最大值减小80.68%,平均值减小65.14%.此外,FMPC...     

矿用铰接式车辆路径跟踪控制研究现状与进展

铰接式车辆的路径跟踪控制是矿山自动化领域中的关键技术，而数学模型和路径跟踪控制方法是铰接式车辆路径跟踪控制中的两项重要研究内容。在数学模型研究中，铰接式车辆的无侧滑经典运动学模型较为适合作为低速路径跟踪控制的参考模型，而有侧滑运动学模型作为参考模型时则可能导致侧滑加剧。此外基于牛顿–欧拉法建立的铰接式车辆四自由度动力学模型原则上满足路径跟踪控制的需求，但是还需要解决当前的四自由度模型无法同时反映瞬态转向特性和稳态转向特性的问题。在路径跟踪控制方法研究中，反馈线性化控制、最优控制、滑模控制等无前馈信息的控制方法无法有效解决铰接式车辆跟踪存在较大幅度曲率突变的参考路径时误差较大的问题，前馈–反馈控制可以用于解决上述问题，但是在参考路径具有不同幅度的曲率突变时需要解决自动调整预瞄距离的问题，而模型预测控制，尤其是非线性模型预测控制，可以更加有效地利用前馈信息，且不需要考虑预瞄距离的设置，从而可以有效提高铰接式车辆跟踪存在较大幅度曲率突变的参考路径时的精确性。此外，对于基于非线性模型预测控制的铰接式车辆路径跟踪控制，还需深化三个方面的研究。首先，该控制方法仍然存在误差最大值随参考速度增大而增加的趋势。其次，目前该控制方法以运动学模型作为预测模型，无法解决铰接式车辆以较高的参考速度运行时侧向速度导致的精确性下降和安全性恶化的问题。最后，还需对这种控制方法进行实时性方面的优化研究。      

基于LQR-QPSO的地下铲运机控制参数优化研究

现代控制理论是实现地下铲运机路径跟踪控制的重要技术之一。目前,控制算法应用的难点在于参数的选取和整定。为解决控制参数整定问题,提出应用量子行为粒子群优化算法（QPSO）对基于线性二次型调节（LQR）的状态反馈控制器进行参数优化,实现对地下铲运机精准、稳定的路径跟踪控制。状态反馈控制器基于铲运机的误差动力学模型得出,优化后的路径跟踪控制最大横向位置偏差低于0.23 m。仿真试验结果表明：相较于标准粒子群优化算法,QPSO算法优化的路径跟踪控制器的最大横向位置偏差减小53.4%,优化效果更好、成功率更高。     

具有状态约束与输入饱和的全向移动机器人自适应跟踪控制

研究了全状态约束与输入饱和情况下的全向移动机器人轨迹跟踪控制问题.首先,针对一类三轮驱动的全向移动机器人,考虑系统存在模型参数不确定与外部扰动,建立了运动学与动力学模型;其次,利用障碍Lyapunov函数,结合反步设计方法,有效处理全向移动机器人跟踪过程中存在的状态约束,保证所有状态变量不会超出状态约束的限制区域;然后,针对系统参数不确定和未知有界扰动,设计相应的自适应律进行处理;同时,提出一种抗饱和补偿器保证机器人输入力矩满足饱和约束;并且利用Lyapunov理论分析证明了当选取合适的控制参数时闭环系统中的所有信号均能保证一致有界;最后,通过与未考虑状态约束和输入饱和的控制器以及经典比例-微分控制器进行仿真对比,验证了该方法的有效性和鲁棒性.      

智能网联应急车辆路权动态优化

智能网联环境下,精确交通信息的感知与交互为应急救援车辆的动态时空路权优化提供了可能.然而目前应急救援车辆缺乏高效的时空路权同步动态优化方法.因此,以江苏省某城市部分路网为研究对象,设计了基于双层模型预测控制(Model Predictive Control,MPC)的应急车辆时空路权同步动态优化方法.在路径规划层,构造了路网韧性指标,并设计了MPC路径规划器进行动态路径调整,并提供合理的应急信号优先配时;在车辆控制层,基于车辆动力学设计MPC车辆控制器,计算满足车辆动力学约束的应急车辆速度最优解.结果 表明:提出的策略能够有效降低对路网通行效率的负面影响并同时显著提高应急救援效率.     

基于Udwadia?Kalaba理论的自行车机器人平衡控制方法

针对自行车机器人侧向自平衡问题,以一类装有角动量轮的自行车机器人为研究对象,提出一种新的平衡控制方法。该方法根据自行车机器人静止时刻的侧向平衡条件,构造机器人平衡控制的运动学约束,并将平衡约束视为控制目标。基于Udwadia?Kalaba（U?K）理论,建立满足机器人侧向平衡的扭矩解析模型,设计基于模型的平衡约束跟随控制器。研究结果表明,所提控制方法能够实现自行车机器人的侧向平衡,克服机器人侧向横滚角θ初始偏差的干扰,通过对平衡扭矩模型的计算,对自行车机器人进行主动平衡控制。相较于传统PD反馈控制方法,该种基于模型设计的控制方法,具有系统响应速度快、超调量小和控制扭矩易于优化等特点。借助MATLAB软件,对所提控制方法进行了仿真验证,实现了初始横滚角速度分别为0、1、2、5°·s?1条件下的自行车机器人侧向自平衡控制,仿真结果验证了控制系统的稳定性和有效性,为无人驾驶自行车机器人的平衡控制领域提供了一个新的思路。      

基于嵌套饱和的输入约束浮空器非线性控制

提出用嵌套饱和函数描述的控制律形式，可以同时解决速率和幅值约束的控制问题.建立浮空器的三自由度模型，将除螺旋桨推力外的其他作用力作为扰动项，进而把该系统化为类积分链式系统；基于嵌套饱和控制理论，研究了类积分链式系统的控制输入幅值及速率约束与控制器饱和函数参数的关系；以浮空器为研究对象，进行纵向和横向通道解耦控制器设计，实现控制系统输入的幅值和速率有界.利用Lyapunov稳定性原理证明了系统的全局稳定性，分析了可调控制器参数对改善系统的动态性能的影响，在考虑风扰动的情况下，仿真验证了控制器的有效性和鲁棒性.      

地下无人矿卡智能调度系统框架及应用研究

针对金川集团二矿区井下复杂环境会对作业人员健康及作业安全造成影响的问题,提出了一种地下无人矿卡智能调度系统整体框架及研究方案,介绍了基于SLAM的井下定位技术、5G信息传输和通信技术、用户交互技术、电子围栏技术和井下交通调度算法等系统功能及工作原理。通过激光雷达等传感器实现井下设备数据的收集和初步处理,利用光纤组网及5G无线网络完成数据实时传输,地表调度系统远程处理数据并下发各种调度决策,无人车辆根据调度决策执行相应指令。在不同生产场景下,通过对运输系统中的车辆进行实时检测和调度,以降低巷道拥堵时间,减少人员及设备安全事故的发生,从而提高生产运输效率,保障矿山企业经济平稳发展。     

离散时间多智能体系统的协调最优预见跟踪

在互联拓扑包含一棵有向生成树的条件下,研究了离散时间多智能体系统的协调最优预见跟踪问题.首先利用状态增广技术把协调跟踪问题转化为一个增广系统的全局最优调节问题.然后应用离散时间线性二次型调节理论的相关结果给出了使增广系统的闭环系统渐近稳定的控制器,并由此得到原系统实现跟踪一致性的全局最优预见控制器.仿真结果不仅验证了所设计控制器的有效性,并且表明适当增加预见步长对保证准确跟踪领导者的输出是至关重要的.      

基于人机协同的车道保持辅助系统研究进展

基于人机动态协同控制的车道保持辅助系统有助于兼顾汽车的安全性与驾驶员的舒适性，分析了该系统在车道偏离决策模型、驾驶权动态分配及性能评估等方面的研究现状和发展趋势。在车道偏离决策模型方面，应根据驾驶员的状态制定不同的决策模型，既可以建立自适应调节的决策模型，又应允许驾驶员根据自己的喜好和外部驾驶环境手动调整决策模型中预设的参数；在驾驶权分配方面，应探索更加合理的驾驶权动态分配方式，设计智能的优化算法或控制模型；在性能评估指标方面，应加入与降低人机冲突及减少驾驶员控制量相关的评估指标，制定科学完善的主观评估体系。未来研究应该深度融合驾驶员因素，实时发出警报与主动干预，并能够对系统进行完善的测试与评估。      

Flatness control of cold rolled strip based on relay optimisation

At present, most of the multi-variable flatness control systems of cold rolling mills are developed based on global optimisation methods. However, the global optimisation methods always occupy a large amount of the controller resource, leading to a reduced control efficiency and real-time performance. In order to improve the efficiency of multi-variable flatness control, a new control method, based on the relay optimisation, has been proposed. First of all, the multi-variable optimisation model of flatness control is converted into a series of univariable optimisation models in the relay mode. Then the optimal adjustments of various flatness actuators will be obtained in cyclic optimisation processes. Moreover, the structure of flatness control system and the time delay compensation strategy have been designed in accordance with the proposed method. It is found that the proposed control method is efficient and effective for the multi-variable flatness control process by means of numerical experiments and applications.     

电渣炉电极调节系统的模糊自适应PID控制

电极调节是电渣重熔炉的重要环节，是节约电能、提高冶金质量的关键。然而，电极调节系统是一个集多变量耦合、非线性、参数时变及随机干扰于一体的综合复杂系统，目前普遍采用的传统HD控制难以达到期望的控制效果。本文针对冶炼工艺对电极控制系统的要求，提出了一种模糊自适应PID控制方法，并成功地应用于电极的实际控制。