基于自适应MPC的拖拉机路径跟踪控制方法

针对传统模型预测控制(Model Predictive Control, MPC)无法适应拖拉机田间作业工况复杂性的问题，提出了一种基于自适应时域MPC的路径跟踪控制算法。首先，基于拖拉机运动学建立线性时变车辆误差模型；然后，根据拖拉机实时速度和参考路径曲率，利用模糊控制算法确定当前最优预测时域和控制时域；最后，结合MPC算法控制拖拉机跟踪预先设置好的参考路径。实车试验表明：拖拉机路径跟踪横向误差绝对值均值<0.03m,直线段横向误差绝对值<0.07m,曲线段横向误差绝对值<0.15m,且路径跟踪控制器能够保证拖拉机在5s以内准确、快速地跟踪预先设置的参考路径。     

拖拉机—牵引式农机具的运动建模与跟踪控制

对拖拉机—牵引式农机具跟踪控制进行研究,建立该系统在卡迪尔坐标系和极坐标系下的车辆非线性运动模型。为简化求解过程,通过准确线性变换方法对建立的系统进行线性化,设计滑模变结构控制器,基于Ackermann公式进行极点配置选取控制参数,最后对直线运动轨迹和圆弧轨迹的跟踪控制进行仿真分析。仿真结果表明:设计的路径跟踪控制器可以使线性化的拖拉机—牵引式农机具系统的状态变量经过约3 s收敛到0;直线跟踪时,农机具车轴中心从偏离X轴0.5 m的初始位置经过3 s跟踪到期望路径X轴;半径为5 m、10 m和20 m的圆弧轨迹跟踪时,农机具车轴中心从偏离期望圆弧半径1 m的初始位置经过约3 s跟踪到期望圆弧,验证了设计的控制器具有良好的道路跟踪精度,使偏离的车辆快速返回到不同期望的稳态轨迹上。     

基于滑模控制的自动泊车系统路径跟踪研究

现有的自动泊车系统研究,由于忽略实际车辆转向约束和初始位姿条件而影响实际车辆跟踪参考路径效果,本文提出基于B样条曲线的路径规划算法和基于趋近律的非时间参考终端滑模路径跟踪控制算法。首先,对车辆的运动过程进行研究,建立车辆的运动学模型。其次,基于B样条曲线理论建立非线性约束平行泊车路径优化函数,并分析车辆运动学约束条件。然后,结合非时间参考路径跟踪控制和终端滑模控制方法,提出基于趋近律的非时间参考终端滑模路径跟踪控制方法。最后,通过Simulink和Car Sim联合仿真,验证了规划路径的合理性以及路径跟踪控制器的效果。     

基于模型预测的插秧机路径跟踪控制算法

为了提高自动驾驶插秧机路径跟踪更高频的控制,本文提出一种基于模型预测的路径跟踪控制方法。以模型预测算法为基础设计自动驾驶控制器,通过简化农机车辆模型、线性化运动学方程、制定约束量,实现以当前状态量p=(x,y,θ)预测下一时刻的车辆状态,控制自动驾驶插秧机沿参考路径行走。通过在Matlab中建立仿真模型验证控制器的可行性,结果表明：直线路径跟踪横向偏差小于0.02m,航向偏差小于0.08°,曲线路径横向偏差平均值为0.022m、航向偏差平均值为0.699°,可用于实车试验。另外,以水稻插秧机为试验平台,通过设置不同车速验证算法的鲁棒性,直线路径跟踪平均横向、航向偏差分别为0.021m、6.187°,曲线路径跟踪平均横向、航向偏差分别为0.450m、10.107°,可满足自动驾驶插秧机路径跟踪精度及实时性需求,为农机路径跟踪控制研究提供了参考。     

基于反步滑模的无人车辆横向控制策略

为了满足四轮转向无人车辆在湿滑路面极限转向的路径跟踪需求,设立了双排直线车道并规划了路径,建立车辆动力学模型。对反步控制跟踪算法进行改进,通过启发式优化算法结合滑模控制设计反步滑模控制器。即在反步滑模控制器设计过程中,对于影响控制器性能的常数参数,对于常数参数不确定的函数,通过粒子群优化算法寻找最优值,分别设立3s和5s变道时限以及摩擦系数0.3和0.9四种工况。通过CarSim软件与MATLAB/Simulink联合仿真,通过车辆横向偏移误差以及航偏角误差作为判断依据,发现在低摩擦系数和极限变道时长下,滑模面最后已接近零,并且车辆控制器对轨迹跟踪十分稳定,这表明反步滑模控制器满足要求。     

基于滑模变结构的农机路径跟踪控制算法研究

为提高农机路径跟踪时的精确性，提出了一种基于滑模变结构的路径跟踪控制算法，并运用滑模变结构算法设计了自动驾驶控制器，通过简化农机车辆模型与线性化二自由度模型，求解出滑模变结构控制器的控制规律。通过在Simulink与CarSim中建立联合仿真模型验证控制器的可行性，结果表明：基于滑模变结构的农机路径跟踪控制算法的车辆作业转弯时横向偏差可控制在0.45m之内，实际行走路径与预设路径基本吻合，较加入预瞄模块的PID控制算法控制精度得到提高，满足自动驾驶农机路径跟踪精度及实时性的需求，可为农机路径跟踪控制的研究提供参考。     

无人驾驶铰接式车辆强化学习路径跟踪控制算法

针对无人驾驶铰接式运输车辆无人驾驶智能控制问题,提出了一种强化学习自适应PID路径跟踪控制算法。首先推导了铰接车的运动学模型,根据该模型建立实际行驶路径与参考路径偏差的模型,以PID控制算法为基础,设计了基于强化学习的自适应PID路径跟踪控制器,该控制器以横向位置偏差、航向角偏差、曲率偏差为输入,以转角控制量为输出,通过强化学习算法对PID参数进行在线自适应整定。最后在实车道路试验中验证了控制器的路径跟踪质量并与传统PID控制结果进行了对比。结果表明,相比于传统PID控制器,强化学习自适应PID控制器能够有效减小超调和震荡,实现精确跟踪参考路径,可以较好地实现系统动态性能和稳态误差性能的优化。     

扰动下农用运输车辆路径跟踪控制器设计与试验

为提高农用运输车辆路径跟踪的鲁棒稳定性,基于线性模型预测控制结合农用运输车辆特点设计了路径跟踪控制器。该方法首先将农用运输车辆的运动学模型进行离散化求解,推出误差模型作为控制器预测方程,为使农用运输车能够克服在田间行驶时的各种干扰,通过构建李雅普诺夫函数重点分析了该模型的鲁棒稳定性,得到控制周期约束条件,然后建立目标函数并引入松弛因子,最后把预测模型代入目标函数进行优化求解,重复以上过程,实现优化控制。Matlab仿真表明：当前轮转角扰动不大于15°及横向扰动不大于1.5m时,控制器可以迅速起到调节作用,使车辆快速回到参考轨迹上行驶。对应的场地试验结果表明：试验小车以2m/s的速度跟踪参考路径时,直线路段跟踪效果良好,最大横向偏差为10.57cm,均值为8.49cm;添加扰动路段的跟踪偏差较大,最大横向偏差为23.89cm,最大纵向偏差为62.53cm,但在控制器的控制作用下可以实现对路径的有效跟踪。由此可见,该控制器在速度小于等于2m/s的情况下,可以满足农用运输车辆对路径跟踪的精度与鲁棒稳定性要求。     

拖车与挂车自主交会系统研发

将ToF(Time-of-Flight)相机应用于拖车与挂车的自主交会系统,根据ToF相机特点将自主交会过程分为两个阶段,分别为各阶段设计合理的路径规划和路径跟踪算法。其中路径规划采用基于直线和圆弧的SCS/CCS方法和CSCS方法(S表示直线,C表示圆弧)。路径跟踪则采用适合低速工况的Follow-the-Carrot方法。同时通过速度控制来辅助横向控制,以实现尽可能精确的路径跟踪。系统仿真环境由Gazebo提供,算法则通过机器人操作系统ROS(Robot Operating System)实现。仿真结果表明所设计的路径规划和路径跟踪方法以及交互系统的中央控制单元工作良好。     

基于神经网络的农用车辆自动跟踪控制

跟踪控制器是农用车辆自动行驶控制的重要组成部分。将神经网络控制技术应用于车辆的自动行驶控制中，使得控制器具有良好的自学习功能，提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明：车辆沿直线路径自动行驶时，95％的偏差绝对值小于5cm。     

水轮机调节系统控制技术研究

介绍了水轮机调节系统控制技术目前的应用情况和存在的问题,着重阐述了现代控制技术和智能控制技术的主要研究方法和研究成果及其应用情况;并提出将多种控制技术相结合形成综合控制技术,将是水轮机调节系统控制技术的发展方向.     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

波浪补偿控制算法综述

为了实现对船舶在波浪中的运动响应进行补偿,提高海上作业的效率,需要对波浪补偿设备采用更为先进的运动控制技术.采用前馈控制和反馈控制的分类方式,简述了适合用于波浪补偿设备的控制算法研究现状,以便于更好地了解波浪补偿控制技术的发展.其中属于前馈控制类算法的主要有卡尔曼滤波法、神经网络和时间序列分析法;属于反馈控制类的主要算法有PID控制算法和模型预测控制算法.分析这些算法在波浪补偿控制中的理论原理和研究进展,并且通过对相关学者的研究文献进行了对比分析,指出了卡尔曼滤波法、神经网络和时间序列分析法以及PID控制算法和模型预测控制算法的关键特征.在结论中根据不同控制算法的原理和特征给出了这些算法在波浪补偿控制中可能的研究方向,可以为波浪补偿控制系统的研究和发展提供指导意见.     

Drainage control in water management of polders in the Netherlands

One of the impacts drainage has on the downstream part of a water system is a higher risk of peak flows caused by heavy precipitation. In the polders of the Netherlands this is a well-known problem. The heavy precipitation flows easily from paved areas and with some delay from unpaved areas into many small canals and through these canals towards the downstream pump station. Here, high water levels can result in an unacceptable high groundwater table. This problem has grown over the past years as more area has been paved and storm events have become more extreme. Until recently in the Netherlands, the solution for this problem was to increase the pump capacity, but nowadays the Dutch Government's opinion and that of the local Water Boards about solving this problem is changing. Rather than shifting the problem to more downstream lying parts of the water system, the philosophy has become “first retain, then store, only then discharge” (Nationaal Bestuursakkoord Water, 2003. Dutch National Policy on Water Management for the 21st Century). A way to retain water in upstream parts of the waters system is to use real-time control structures in the upstream canals. In this paper a control method is presented that can effectively retain water in the upstream parts, until the downstream part can accommodate this amount of water. The method is based on upstream Proportional Integral-control with adaptation of the set point. The control is referred to as Cascade PI-Control. Basically, the goal of the control method is to fill the available storage equally in the whole area. Tests have been performed with a calibrated model of an existing polder in the Netherlands. Results show that application of the control method is sufficient to avoid such drainage problems.     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

基于模糊控制的播种机精密单体播深控制仿真研究

为了提高播种机单体播深控制的精度和速度及研究播种机作业过程中土壤的变化规律,设计了一种新的播种机单体控制系统,在播种自动化控制环节中引入了模糊算法和PID闭环控制,建立了播深模糊控制的数学模型,并通过多软件联合仿真的方式对控制系统进行了仿真实验,验证了算法的有效性和可靠性。利用MatLab线性回归算法得到播深和施加力的线性回归方程,通过播深的反馈调节对施加力进行模糊控制,使用Mat Lab模糊控制工具箱设置了控制参数,最终实现播种机精密PID闭环控制。应用Pro/E软件设计了精密播种机三维参数化模型,将模型导入到ADAMS软件中进行了运动仿真,将结果和Mat Lab计算得到的结果进行对比发现:其误差小于10%,说明仿真结果是可靠的。     

气动位置控制技术的发展

简要叙述了气动位置控制技术的发展，分析了气动位置控制的基本方法、控制策略以及现有的研究成果，并时气动位置控制发展趋势作了展望。     

现代汽车电控巡航系统控制原理浅谈

介绍了巡航电控技术的作用、特点、类型、控制原理,其中着重介绍巡航电控系统两种执行器的控制原理.     

基于GPC-ILC的秸秆捡拾致密成型机主轴转速控制方法研究

为解决秸秆捡拾致密成型机主轴转速自动控制问题,以利于致密成型机全程智能化作业,设计了电液控制系统的数学模型与转速预测模型,提出了一种基于GPC-ILC的致密成型机主轴转速控制方法,通过采集先前成型机运行过程中的输入、输出数据,使用带遗忘因子的最小二乘法辨识广义预测控制的参数模型并计算预测输出值,根据以往过程的累计平均模型误差修正预测输出值,并引出迭代学习控制律,在线实时计算新的控制量,实现主轴转速的控制。场地收获试验表明：增负荷时,转速最大动态偏差为3.21r/min,与目标值的偏差为2.6%,最大余差为1.23r/min;减负荷时,最大动态偏差为2.23r/min,与目标值的偏差为2.47%,最大余差为0.89r/min;增减负荷转速达到稳定时间小于5s,超调量小于3%。田间试验表明：最大动态偏差为3.75r/min,与目标值的偏差为3.47%,最大余差为1.79r/min,满足成型机田间作业的需求。GPC-ILC算法可及时校正模型失配、干扰引起的转速控制的不确定性。