智能小车路径跟踪的研究与实现

自动智能小车作为一种轮式移动机器人.是一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统。本文基于自动引导车智能控制系统.以小车精确、快速跟踪给定路径为控制目标.研究了自动引导车路径跟踪控制策略及其实现:并通过芯片TL494对智能小车实行双闭环控制.从而达到对小车的速度实现精确的控制。     

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。     

移动机器人智能路径跟踪系统的应用研究

介绍了一种用于移动机器人路径跟踪控制系统中参数自调整的模糊PID控制器.给出了参数自调整的原则、模糊PID控制算法,阐述了参数自调整模糊PID控制器的工作原理、特点及组成,并通过仿真实验与常规PID控制对比,结果表明了移动机器人路径跟踪控制系统具有超调小、响应快、调节时间短等较高的控制精度和良好的动态品质及鲁棒性,从而证明了该模糊PID控制算法对移动机器人路径跟踪控制的有效性.     

一类具有频率自跟踪的控制算法研究

本文介绍了一类具有频率自跟踪的智能PID控制算法。此方法实时性强,控制算法简单,控制精度高,在被控对象频率发生改变时,仍能进行有效控制,适用于工程上的一大类被控对象。具有工程推广价值。     

基于组合趋近律的差速AGV高精度路径跟踪技术研究

为了提高AGV路径跟踪的精度和稳定性,针对最常用的差速AGV系统,先将系统离散化,得到离散AGV系统状态方程,再结合指数趋近律和变速趋近律两种趋近律进行滑模控制,提出了一种基于组合趋近律的离散AGV系统滑模控制方法,优化AGV小车在小偏差下路径跟踪的效果。通过工厂应用测试,在对接最大允许误差5 mm的测试条件下,验证了该方法可以避免AGV小车路径跟踪时起始摆动大和高频抖动的缺点,实际测得车身横向摆动误差5 mm。     

基于OpenMV的智能小车路径规划及定点摆放棋子的设计

以智能小车为载体,以机械臂为抓取机构,通过OpenMV的识别以及Arduino的驱动控制,提供了一种能够完成路径规划及定点摆放棋子功能的系统设计方案,该系统的机械结构以及程序设计简单,可靠性高,可实践性强。     

结合模糊决策与势场栅格的智能小车路径规划

针对智能小车在路径规划过程中环境建模和人工势场法存在的问题,建立了栅格法与势场法相结合的路径规划方法,并对结合后的势场栅格路径规划方法的缺陷和不足进行了改进。首先,在斥力场函数中引入影响因子,促使在目标点附近的斥力场能够迅速减小,从而解决障碍物附近目标不可达和振荡的问题;其次,将模糊决策和势场栅格法进行有机结合,考虑航向角,建立了势场值和航向角的隶属度函数,选择隶属度函数值最大的栅格作为路径点,有效地提高了路径的平滑性。论文通过matlab对改进前后的算法进行了仿真实验,结果表明该方法实时性好,路径平滑,充分体现了其有效性和优越性。     

模糊控制在智能小车方向控制中的应用

设计了一种基于模糊控制的智能小车方向控制系统,该智能车方向控制系统核心控制单元采用单片机控制.实验证明该智能小车方向控制系统能很好地满足小车在前进过程中对方向调节的快速响应,系统具有较好的动态性能.     

自动驾驶汽车路径跟踪控制算法综述

自动驾驶汽车路径跟踪控制是自动驾驶领域中的关键技术,其控制算法的好坏直接决定了自动驾驶汽车能否顺利跟踪目标路径.首先对基于运动学和动力学模型的路径跟踪控制算法进行了分类,并对目前在路径跟踪横纵向控制方面应用较多的算法进行了分析,找出其目前仍存在的问题,提出了相应对策.     

基于模型预测控制的智能网联汽车路径跟踪控制器设计

为解决智能车辆的自主转向问题,提高车辆在高速运动过程中的转向精度和稳定性,在智能网联汽车的背景下,从路径跟踪控制出发,提出一种变参数的智能网联汽车路径跟踪控制方法。该方法基于模型预测控制原理,设计了一种智能网联汽车的路径跟踪控制器。该方法先以3自由度模型的车辆模型为控制系统;对系统进行线性化后,确定系统的二次型目标函数,并依据函数形式确定矩阵形式;然后,在Carsim和Matlab/Simulink平台上进行离线仿真,确定各个典型工况下适用于该路径跟踪控制器的仿真参数;最后实现系统可根据由车联网获得车辆实际所处道路形状和实际车速选择合适的路径跟踪控制器的控制参数,完成智能网联汽车的自动转向。仿真结果表明该控制器相对于固定控制参数的控制器具有更好的控制效果,可控制车辆以较高车速行驶时达到较高跟踪精度和行驶稳定性。     

基于CMOS传感器的循迹智能车路径识别研究

介绍了基于CMOS传感器的图像采集的方法,并对赛道信息的提取与识别进行了深入研究。给出了CMOS图像采集的工作原理、硬件设计和软件实现,通过分析差分法和传统边缘检测算法的优缺点,提出了一种更为优越的黑色指引线提取算法——跟踪边缘检测算法,并精确提取指引线的相关参数,设计路径判别器,从而识别赛道路况。实验表明,此方法有更高的执行效率和判别准度,适用于循迹智能车。     

基于云控平台雾计算架构的网联汽车路径控制

雾计算网络是连接云计算网络和边缘网络的中间人,相比于云计算,更加接近边缘网络,在处理边缘网络数据时,具有低延时、分布式、移动性、虚拟化等优点。本文优化了LQR控制器,并仿真验证道路上的路径跟踪准确性。最后,提出了雾计算网络下汽车实现路径跟踪的一种可能措施,为智能网联汽车自动驾驶提供一个参考方案。     

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。     

球形机器人轨迹跟踪算法

典型的动态轨迹跟踪算法针对非完整移动机器人提出了一种系统框架,并且在模拟实验中展现了良好的跟踪性能。然而,该算法在2自由度摆球形机器人系统中并未同时实现位置和姿态的收敛。讨论了一种实用的球形机器人轨迹跟踪控制算法．着眼于位置与姿态的同时收敛。受跟踪引导模式的启发．提出了一种适用于球形机器人轨迹跟踪控制的模糊自适应控制方案,并通过MATLAB对提出的轨迹跟踪方法进行了有效性验证。     

智能自主控制在航迹控制系统中的应用

首先研究了自主式控制系统的关键问题,然后提出一种智能自主式航迹控制系统的结构,采用了模块化设计思想,对直升机对象的航迹控制系统进行设计.还给出了航迹自主控制关键功能模块的算法与具体实现.最后文章给出了系统数字仿真的结果,验证了系统的可行性.     

基于智能路径规划算法的移动机器人设计

介绍了一种基于智能路径规划算法的移动机器人。该机器人以TMS320LF2407A作为主控制芯片,控制机器人左右轮电机运转．驱动机器人按照预定路径行走。其设计算法首先采用了改进的栅格和Distbug的组合进行全局和局部路径规划。详细阐述了该算法的基本原理及采用该算法的移动机器人控制系统硬软件设计。最后,介绍了该移动机器人自学习路径跟踪PID算法。实践表明,采用该算法的移动机器人行走速度快,实时性强,稳定性好,控制精度高。     

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。     

多机器人系统的编队路径跟踪控制

介绍了一种多机器人系统的编队路径跟踪控制方法。首先将非完整约束机器人的动态方程转化为跟随者和领航员间相对运动模型,克服了非完整约束机器人结构奇异的缺点。随后将滑模控制方法应用于多机器人系统中,分别设计了领航员跟踪希望路径的滑模控制律和跟随者跟踪领航员的滑模控制律。算例仿真表明了应用本文介绍的编队路径跟踪控制律,各机器人能够较快地形成希望的编队,并按希望队形跟踪希望路径。仿真结果验证了此控制方法的有效性。     

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。