带有时变输出约束的机械臂自适应轨迹跟踪控制

针对带有输出约束和动力学模型参数未知的机械臂系统，提出一种基于时变tan型障碍李雅普诺夫函数的自适应控制方法.首先，通过设置时变约束边界，给出了一个时变tan型障碍李雅普诺夫函数，保证系统在初始误差较大情况下的瞬态性能和稳态性能，拓展了传统对数型障碍李雅普诺夫函数的适用范围.其次，为了处理机械臂动力学模型的不确定性，采用径向基神经网络(RBFNN)拟合未知的动力学模型，设计了基于RBFNN的自适应控制器，在满足约束的情况下提高了系统的鲁棒性.最后，通过二自由度机械臂轨迹跟踪的仿真，验证了所提方法的控制性能优于传统的PD控制器.     

农业轮式移动机器人反演自适应滑模轨迹跟踪控制

为提高农业轮式移动机器人路径跟踪控制的鲁棒性,提出一种基于农业轮式移动机器人反演自适应滑模控制策略。运用反演控制设计其运动学控制律,保证位置跟踪误差渐进收敛到零;根据动力学模型,设计自适应滑模动力学控制律,实现农业轮式移动机器人左右轮平稳的运行;运用李雅普诺夫定理保证闭环系统的最终一致稳定性。仿真实验验证了该方法的有效性和优越性,能够实现正弦型曲线路径跟踪。     

小型无人直升机控制律设计与仿真

依据摄动线化原理,本文对模型直升机非线性模型在平衡点进行了小摄动线性化处理,得出了线性化动力学模型,并对它进行了PID控制律设计,应用MATLAB/Simulink对控制律作用于线性化模型和非线性模型分别进行了仿真验证,结果表明作用于线性化模型具有良好控制效果的控制律尚不能有效控制非线性模型.使用backstepping方法对非线性模型子系统选择相应的李雅普诺夫候选函数,应用递归方法设计了使型直升机动力学非线性模型镇定的控制律,确保李雅普诺夫候选函数的导数为负定.经仿真验证表明利用该设计方法得到的控制律能对非线性模型进行有效控制.     

基于神经网络滑模的智能车辆横向控制

以智能车辆为研究对象,针对车辆模型存在高度非线性动态特性、参数不确定性以及行驶时受外部干扰较多导致控制精度不高、鲁棒性差等问题,提出了采用径向基函数(RBF)神经网络滑模控制方法.建立2自由度线性车辆模型和自由度非线性整车模型,在传统2自由度车辆控制模型状态方程的基础上推导出新的状态方程并以此设计了相应控制器.利用李雅普诺夫(Lyapunov)稳定性理论推导出神经网络的权,并证明控制系统的稳定性.仿真结果表明:与传统的滑模控制方法相比,该方法控制精度高,有较强的鲁棒性.     

基于虚拟模型的自适应解耦抗扰控制

针对一类多变量非线性耦合系统,提出了一种基于虚拟模型的非线性自适应控制器.首先将非线性系统线性化处理并将其作为虚拟模型,对该模型设计线性自适应控制律.然后将线性控制律分别应用在虚拟系统和受控的实际非线性系统上,根据两者的输出误差设计补偿控制律,以达到对实际被控对象进行自适应解耦抗扰的目的.利用李雅普诺夫稳定理论给出了控制系统稳定性条件.实验仿真验证了控制算法的有效性.     

带有输出约束的柔性关节机械臂预设性能自适应控制

针对带有输出约束和模型不确定的柔性关节机械臂系统,提出一种基于时变障碍李雅普诺夫函数的预设性能自适应控制方法.通过构造指数衰减的时变约束边界,提出时变正切型障碍李雅普诺夫函数,能够同时适用于约束与非约束情况,进而拓宽传统对数型障碍李雅普诺夫函数的适用范围.此外,通过预先设置时变边界函数的相关参数,使得系统输出在初始阶段具有较小的超调量和较快的跟踪速度,并能够满足系统的稳态性能要求.在此基础上,结合反演法设计反馈控制律,保证系统的输出约束性能和轨迹跟踪精度.最后,基于李雅普诺夫稳定性定理证明所有闭环信号能够达到一致最终有界,并给出数值仿真对比验证所提出方法的有效性.     

异型曲面加工机器人自适应NDO控制

针对异型曲面打磨机器人中摩擦导致的加工精度降低的问题，提出了一种改进的非线性干扰观测器对其进行观测和补偿。建立了高精度工业机械臂的动力学模型，基于该模型设计非线性干扰观测器并应用李雅普诺夫函数稳定性理论给出了系统的稳定性分析。引入典型摩擦模型，利用观测器估计不可测的内部摩擦状态，并将估计值用于PD控制器中摩擦补偿部分。经过仿真以及实验验证，对比实验结果表明该观测器可以使系统的控制精度大幅提高，降低了仿真实验的跟踪误差，实验平台的控制精度提高了30%以上，能很好地补偿双关节机械手的摩擦力，更好地跟踪关节位置。     

基于分段多项式李雅普诺夫函数的模糊系统的稳定性分析

本文采用最大型分段多项式李雅普诺夫函数研究了多项式模糊系统的闭环稳定性问题.首先,本文设计了与分段李雅普诺夫函数对应的切换模糊控制器,提出了多项式模糊模型稳定的平方和条件,同时证明了最大型分段多项式李雅普诺夫函数在函数切换点的稳定性.然后,设计了相应的路径跟踪优化算法,对本文非凸的稳定条件进行迭代求解.最后,通过两个算例进行仿真与比较,说明并验证了本文所提出结论的可行有效性.     

带有输出约束的水面船舶实际有限时间控制

考虑带有输出约束的水面船舶系统,提出一种自适应神经网络航迹跟踪实际有限时间控制算法.基于反步法设计有限时间控制律,构造障碍李雅普诺夫函数处理输出约束问题,采用神经网络逼近船舶模型中的不确定信息.在控制算法递推过程中,通过设计一个关于跟踪误差的可微幂函数来避免控制器中的奇异问题.借助李雅普诺夫稳定性分析理论,证明了航迹跟踪误差在有限时间内收敛到有界的邻域内.最后,以一艘1:70的比例模型船作为仿真对象,来验证所提出的航迹跟踪实际有限时间控制算法的有效性.     

一种绳牵引并联机器人系统控制律设计及Lyapunov 稳定性分析

根据绳牵引并联机器人系统的耦合性和非线性,以6-DOF八绳牵引并联机器人(WDPR-8)系统为研究对象,设计一种基于系统动力学方程的PD控制律,并构造出一种李雅普诺夫函数;基于李雅普诺夫稳定性理论以及LaSalle定理对非线性并联控制系统进行稳定性分析,结果表明,WDPR-8支撑系统呈渐近稳定特性.针对用于风洞试验的飞机模型支撑,通过仿真实验验证所设计控制律的正确性和可行性.仿真结果表明,系统的控制性能良好,可为实际应用提供依据.     

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。     

Aggressive Longitudinal Aircraft Path Tracking Using Nonlinear Control

We study the problem of converting a trajectory tracking controller to a path tracking controller for a nonlinear non-minimum phase longitudinal aircraft model. The solution of the trajectory tracking problem is based on the requirement that the aircraft follows a given time parameterized trajectory in inertial frame. In this paper we introduce an alternative nonlinear control design approach called path tracking control. The path tracking approach is based on designing a nonlinear state feedback controller that maintains a desired speed along a desired path with closed loop stability. This design approach is different from the trajectory tracking approach where aircraft speed and position are regulated along the desired path. The path tracking controller regulates the position errors transverse to the desired path but it does not regulate the position error along the desired path. First, a trajectory tracking controller, consisting of feedforward and static state feedback, is designed to guarantee uniform asymptotic trajectory tracking. The feedforward is determined by solving a stable noncausal inversion problem. Constant feedback gains are determined based on LQR with singular perturbation approach. A path tracking controller is then obtained from the trajectory tracking controller by introducing a suitable state projection.     

Modelling and Control Strategies in Path Tracking Control for Autonomous Ground Vehicles: A Review of State of the Art and Challenges

Autonomous vehicle field of study has seen considerable researches within three decades. In the last decade particularly, interests in this field has undergone tremendous improvement. One of the main aspects in autonomous vehicle is the path tracking control, focusing on the vehicle control in lateral and longitudinal direction in order to follow a specified path or trajectory. In this paper, path tracking control is reviewed in terms of the basic vehicle model usually used; the control strategies usually employed in path tracking control, and the performance criteria used to evaluate the controller’s performance. Vehicle model is categorised into several types depending on its linearity and the type of behaviour it simulates, while path tracking control is categorised depending on its approach. This paper provides critical review of each of these aspects in terms of its usage and disadvantages/advantages. Each aspect is summarised for better overall understanding. Based on the critical reviews, main challenges in the field of path tracking control is identified and future research direction is proposed. Several promising advancement is proposed with the main prospect is focused on adaptive geometric controller developed on a nonlinear vehicle model and tested with hardware-in-the-loop (HIL). It is hoped that this review can be treated as preliminary insight into the choice of controllers in path tracking control development for an autonomous ground vehicle.     

基于滑模自抗扰的智能车路径跟踪控制

针对传统的基于精确数学模型的路径跟踪控制方法很难适应复杂多变驾驶环境的问题,提出一种基于终端滑模控制与自抗扰控制的路径跟踪控制方法.首先,通过构造一个期望偏航角函数能够满足当车辆的实际偏航角趋近于该期望偏航角时其侧向位移偏差趋近于零,从而简化路径跟踪控制;然后,采用扩张状态观测器实时估计系统的未建模动态,同时采用非奇异终端滑模来设计非线性误差反馈律,从而实现偏航角快速、准确地跟踪控制.仿真结果表明,所设计的控制器能够保证车辆稳定行驶的同时快速、精确地跟踪期望的路径.     

基于参数自学习的无人车越野环境跟踪控制方法

针对无人车在越野环境下难以高速、高精度地跟踪复杂路况的问题,设计了一种参数自学习的前馈补偿控制器,与模型预测控制方法构成前馈-反馈的控制结构。在该控制结构中,前馈控制根据实时状态的跟踪误差在线更新学习系数,有效考虑车辆高速运动过程中无法精确建模的非线性动力学特性以及复杂路况不断变化的曲率和路面条件等的影响,在保证稳定性的同时快速减小跟踪误差。在越野场景进行了高速的S型与直角弯路径跟踪实车实验来验证参数自学习控制器的有效性,结果表明,所设计的参数自学习控制器相比传统的模型预测控制器跟踪误差和横摆都较小,在跟踪精度和车辆稳定性上都有较大改善。     

SCARA机器人内模控制方法

为了使SCARA机器人在外界干扰和模型不精确的情况下具有优良的轨迹跟踪性能,提出一种基于内模控制原理设计SCARA机器人控制器的方法。采用拉格朗日方法获得SCARA机器人动力学模型,将其作为内模控制的估计模型;选择内模滤波器[f(S)]设计内模控制器[Q(S),]使其满足稳态误差为零的条件,通过推导得出不同输入信号下的SCARA机器人控制律。通过仿真,将其与自适应模糊滑模控制方法进行对比分析,结果表明所提出的方法轨迹跟踪精度高,抗干扰能力强,控制器参数调节简单。     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

基于非线性迭代滑模的欠驱动UUV三维航迹跟踪控制

为实现欠驱动无人水下航行器(Unmanned underwater vehicle, UUV)在未知海流干扰作用下的三维航迹跟踪控制, 提出一种基于工程解耦思想设计的非线性迭代滑模航迹跟踪控制器. 基于虚拟向导的方法,建立UUV空间航迹跟踪误差方程;采用迭代方法设计非线性滑模控制器, 无需对UUV模型参数不确定部分和海流干扰进行估计,避免了舵的抖振现象以及减小了稳态误差与超调问题. 仿真实验表明,设计的控制器对欠驱动UUV系统的模型参数摄动及海流干扰变化不敏感、 且设计参数易于调节,可以实现三维航迹的精确跟踪.     

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.     

基于模糊混合控制的自治水下机器人路径跟踪控制

基于模糊混合控制策略,本文提出了一种用于非线性欠驱动自治水下机器人的鲁棒路径跟踪控制方法.利用Sugeno型模糊推理系统,将PD滑模控制器与非奇异终端滑模控制器光滑连接,构造了模糊混合控制器.它能充分融合这两类控制器的优势,无论系统远离平衡点还是在其附近,都能取得快速收敛的效果.如果,借助于非时间参考量,将该混合控制器用于自治水下机器人路径跟踪控制,将有利于提高它在不确定环境中的跟踪能力.最后,通过仿真计算结果验证了该控制策略的有效性.