基于补偿控制的无人地面车辆轨迹跟踪方法

:针对无人地面车辆轨迹跟踪精度不高,鲁棒性差的问题,提出了一种基于补偿控制的算法;该算法分为运动学和动力学两部分:基于方向角调整策略的运动学控制律能确保无人地面车辆有效跟踪参考轨迹;基于PD与模型参考模糊滑模自适应控制相结合控制的动力学控制律能有效补偿建模不精确和外界扰动带来的影响;仿真结果表明:该算法能够有效跟踪参考轨迹,控制量分配合理且鲁棒性较好.     

考虑侧倾的无人车NMPC轨迹跟踪控制

针对高速行驶工况下,无人车转弯时的侧倾易导致车辆模型非线性程度增加,引起轨迹跟踪精度下降和状态失稳的问题,设计一种考虑车辆侧倾因素,基于非线性模型预测控制(NMPC)的无人车轨迹跟踪控制器.根据拉格朗日分析力学和车辆运动学,考虑车辆侧倾几何学和载荷转移效应,建立考虑侧倾因素的非线性车辆模型,包括车体动力学模型和修正的“Magic Formula”轮胎模型;基于此车辆模型,构建非线性模型预测控制器(NMPC)的预测模型,并设定控制器的线性、非线性约束,以保证车辆的运动状态处于稳定区域内.在Carsim和Simulink联合仿真平台上,验证车辆高速蛇形工况和双移线工况下的轨迹跟踪控制效果,仿真结果显示,所设计的控制器可有效改善高速弯道工况下的跟踪精度和车辆状态稳定性.     

无人水面艇复合自适应轨迹跟踪控制

针对存在模型参数不确定性和极易受到风、浪、流等时变干扰的欠驱动无人水面艇的轨迹跟踪控制问题,根据扰动观测器能对不确定项和外界干扰进行估计和补偿且具有鲁棒性特点,提出一种基于复合扰动观测器的自适应轨迹跟踪控制。该复合自适应观测器利用跟踪误差和估计误差共同调节自适应参数,在不激励高频未建模动态的情况下,该复合自适应闭环控制系统可得到更快的收敛速度和更高的跟踪精度。理论分析和仿真实验证明了所提出的无人水面艇复合自适应控制的有效性。     

智能车辆的滑模轨迹跟踪控制

智能车辆是集各种机械装置、传感器、计算机于一体的复杂非线性系统,其轨迹跟踪控制器是研究的关键技术之一。针对高速自主导航智能车辆轨迹跟踪控制器鲁棒性、精确性和实时性的高要求,在智能车辆结构组成与运动模型基础上,设计了一种滑模变结构控制器。通过控制智能车辆的线速度和角速度实现智能车辆对任意路径的跟踪,并用Matlab进行了仿真实验。结果验证了该方法的有效性和可靠性。     

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。     

基于模型预测控制的直升机轨迹跟踪控制

针对直升机在实际任务中对轨迹精确控制的实际需求,提出基于模型预测控制(model predictive control,MPC)的直升机轨迹跟踪算法.轨迹控制的整体方案采用分层的架构:底层对直升机的速度以及姿态进行调节,顶层通过实施MPC算法对底层的姿态和速度指令进行调度,以期实现直升机轨迹的精确控制.通过分段MPC方...     

车辆避障驾驶控制方法研究

受机器人基于人工势场的路径控制方法的启发,在吴镜开等提出方法的基础上,提出了车辆避障控制机制。定义了基于停车视距的车辆行驶动态目标位置;依据人工势场建模原理构建道路和障碍物势场;为了平滑车辆行驶路线,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法;针对车辆系统是典型的非完整控制系统,将车辆运动学模型转换为链式系统模型,实现相对简化系统控制设计目的。仿真控制实验说明这种方法对车辆避障控制具有较好的轨迹跟踪效果和全局稳定性。     

微小型无人直升机建模与航迹跟踪控制

无人直升机航迹跟踪控制系统对控制器性能要求较高,而现阶段很多控制器对复杂航迹跟踪效果一般,误差较大,很难为真实无人直升机航迹飞行提供理论依据.针对上述问题,首先,对无人直升机外部进行PID控制器设计,并针对PID控制器提出一种改进粒子群算法对控制器进行参数整定.然后,采用改进人工势场法的航迹与无人直升机模型相结合的方式...     

基于预测控制的全向移动机器人轨迹跟踪

针对全向移动机器人的轨迹跟踪控制问题,在分析与建立全向移动机器人运动学与动力学模型的基础上,研究了基于模型预测控制的移动机器人轨迹跟踪方法;通过对误差模型的线性化描述,并将目标函数以二次项部分与线性部分构成,在满足控制约束的条件下,将采样周期内最小化目标甬数的优化问题转换为二次规划问题的求解;当取预测时域N=5时,机器人在x和y方向的误差范围分别为±5.4%和±4.7%,并在轨迹曲线中曲率半径较小处出现较为明显的抖动,最后对误差产生原因进行了分析与总结,结果表明该方法对全向移动机器人的轨迹跟踪控制是有效可行的.     

自动化机器人轨迹跟踪与路径规划技术研究

针对复杂环境自动化机器人的路径规划问题,采用改进的人工势场法与改进的A*算法进行路径规划寻优;同时,针对机器人轨迹跟踪控制问题,提出基于干扰观测器的自适应滑模控制算法。结果显示,与传统算法相比,改进后的A*算法的转弯角度减少了37.43%,路径长度减少了2.21%,为机器人提供了安全且平滑的路径,实现了全局路径优化。与传统人工势场法相比,采用改进后的人工势场法不仅使运行时间降低了59.13%,而且使路径长度减少了52.3%,既避免了在障碍物附近震荡,又绕过局部极小值陷阱区域。而基于干扰观测器构建的自适应滑膜控制算法,既能有效降低跟踪误差,又能有效提升机器人轨迹跟踪的收敛速度。因此,自动化机器人轨迹跟踪与路径规划技术研究的创新性,表现为既有效弥补了传统人工势场法的缺点与不足,又实现了自动化机器人轨迹跟踪在线估算最优增益。     

基于A*算法的无人机跟踪目标的航迹规划

针对无人机跟踪目标的航迹规划问题,文章提出了一种双评估函数的改进A*算法;首先,根据无人机在跟踪目标时的飞行特点提出了航迹规划策略,并结合无人机的油耗、航迹长短和机动性能等约束条件来设计中间目标点的评估函数和航迹片段的评估函数;之后,采用加权法对A*算法进行改进,以使航迹的优化与时间耗费之间找到平衡点;同时,改进在Open表中插入与删除节点的方式,提高计算效率;最后,通过对跟踪航迹的仿真,表明该算法可以快速、有效地为无人机在跟踪目标时规划出优化的航迹.     

基于滑模预测控制的海底采矿车轨迹跟踪算法

海底采矿车多工作于稀软底质,其面临的外部扰动较大,难以快速收敛跟踪误差,精准地跟踪预设轨迹。为此,本文提出了一种海底采矿车的滑模预测控制（sliding model predictive control,SMPC）轨迹跟踪算法。基于海底采矿车的运动学模型,首先设计滑模控制率实现轨迹跟踪误差快速收敛,其次利用少预测时域的线性时变模型预测控制算法（linear time varying model predictive control,LTV-MPC）优化该滑模控制率。而后,通过证明滑模控制率收敛和模型预测控制稳定,保证了闭环控制系统的稳定性。RecurDyn&Simulink联合仿真结果表明,与单一的滑模控制（sliding mode control,SMC）和线性时变模型预测控制算法相比,所提出的SMPC轨迹跟踪算法提高了轨迹跟踪精度,且算法具有较好的实时性。     

机器人视觉跟踪轨迹的分级规划方法

针对跟踪轨迹规划对于确保得到连续光滑的跟踪运动的重要性,提出了两级视觉跟踪轨迹规划方法。第一阶段在图像平面上规划运动轨迹,在图像平面上得到的离散规划点映射到机器人关节空间。第二阶段在机器人关节空间中用三次样条函数来连接这些离散点。为了满足实时控制的要求,在图像处理过程中采用窗口技术并抽取边缘特征。建立用于跟踪两维平面运动物体(如随运输带运动的物体)的机器人视觉跟踪控制系统。实验结果表明,跟踪误差渐近地减小到允许的数值范围,所提出的跟踪轨迹规划方法是有效的。     

基于PER-APF算法的无人驾驶汽车换道轨迹规划

针对传统人工势场算法在解决无人驾驶汽车换道轨迹规划过程中存在的不足,提出一种基于势能重构人工势场 (Potential Energy Reconstruction- Artificial Potential Field, PER-APF) 的无人驾驶汽车换道轨迹规划算法。首先,建立了具有斥力区分的道路边界约束条件和多约束换道轨迹规划模型,通过判断障碍车辆与道路边沿的距离来保证换道过程的安全性与有效性;其次,提出了基于势能重构的改进APF算法,通过构建虚拟区域以及重构物理势能力场,有效的解决了目标不可达以及局部最优问题。仿真结果表明,所设计的PER-APF算法能够快速有效地为无人驾驶汽车规划一条安全合理的换道轨迹。     

基于改进RRT算法的无人车路径规划

针对无人车在复杂环境中进行全局路径规划时存在的盲目搜索、节点冗余、路径不光滑及不安全等问题,提出一种基于快速扩展随机树(RRT,rapidly-exploring random tree)的综合改进路径规划算法;首先引入目标动态概率采样策略和人工势场引导随机树扩展机制;其次根据汽车运动学模型,对规划的路径进行转角约束和碰撞检测,保证路径的安全性;然后引入Reeds-Sheep曲线用于直接与目标位姿进行连接,避免多余的位姿调整;最后对路径进行剪枝和平滑处理,得到一条更短更光滑的路径;在实验部分,针对不同仿真环境,以规划时间、路径长度和节点数目作为评价指标,对比了RRT算法、RRT*算法和文章算法的路径规划效果;实验结果显示,文章算法相比于RRT算法和RRT*算法,节点数目分别减少了58.94%和85.22%,规划时间分别缩短了61.20%和79.23%,且路径长度相比于RRT算法缩短了17.26%,并和RRT*算法规划的最优路径长度相近。     

基于深度学习的无人机飞行轨迹及地质勘测研究

为了对无人机的飞行轨迹及地质灾害勘测进行研究,首先基于深度学习、无人机等相关理论,对无人机飞行高度、图像分辨率以及地质勘测所消耗时间三者之间的关系进行分析;其次将卷积神经网络模型应用于地质勘测图像精度研究中;最后引入Sigmoid算法对无人机的飞行轨迹进行分析。结果表明：无人机的飞行高度与图像分辨率成反比、与地质勘测所用时间成正比。在同一高度、不同控制点的情况下,卷积神经网络模型能够缩小数据的点位误差以及高程误差,并且随着控制点的增多,精确度也会越来越高。将Sigmoid算法引入无人机的姿态控制以及速度控制中,能够将姿态控制的误差限制在-0.5～1之间,速度控制误差限制在-0.3～0.3之间,可见不管是卷积神经网络模型还是Sigmoid算法都对无人机的发展具有优化作用。因此,深度学习下飞行轨迹规划以及地质灾害勘测,对无人机的快速发展具有很大的参考意义。     

高超声速飞行器飞行轨迹的模糊控制设计

针对高超声速飞行器飞行过程中因干扰造成的飞行轨迹散布问题,提出了采用飞行器飞行轨迹的模糊控制设计方法。方法以高超声速飞行器飞行轨迹线偏差和线偏差变化率作为模糊控制器输入,采用模糊推理设计飞行控制系统。在完成高超声速飞行轨迹控制系统数学建模的基础上,结合自动驾驶仪特点对飞行轨迹模糊控制系统进行了设计。结论通过仿真表明所设计的飞行控制系统满足飞行轨迹及攻角性能要求,验证了方法的正确性。