智能车辆换道与超车轨迹跟踪控制

智能车辆换道过程中须同时考虑车辆的横向控制和纵向控制,为实现智能车辆对预定轨迹的稳定跟踪,根据智能车辆的车辆运动学简化模型,建立基于刚体的车辆模型.选取车辆当前位姿和参考位姿构造动态的位姿误差.建立智能车辆轨迹跟踪闭环控制系统的状态空间数学模型.基于Backstepping控制算法选取Lyapunov函数设计智能车辆换道及超车轨迹跟踪控制器.仿真和试验结果表明,所设计的控制器能够快速跟踪参考轨迹.控制器在智能车辆换道及超车控制过程中平稳、可靠.     

基于多适应度遗传算法的智能汽车路径规划策略

针对传统换道模型存在的换道约束条件考虑不全面,切向加速度过大、纵向加速度和换道轨迹曲率产生阶跃的问题,以不同驾驶员最小安全距离模型为前提,分析换道过程中车辆间的位置关系,提出换道车与障碍车之间4种新的点碰撞形式。结合遗传算法得出不同碰撞形式下的多适应度函数模型,该模型解决了部分传统模型存在的不足。通过VC++、MATLAB计算新模型产生的换道轨迹。仿真结果表明,新的路径规划模型能安全有效地实现智能汽车换道行为。     

基于NGSIM的连续换道轨迹规划与跟踪控制

连续换道是一种危险的驾驶行为,易导致交通效率降低,甚至诱发交通事故,因此有必要对连续换道进行研究。首先,基于NGSIM数据对有等待时间和无等待时间的连续换道轨迹分别拟合,建立了换道轨迹模型;其次,基于LTV-MPC算法设计了控制器,通过CarSim与Simulink联合仿真实验平台进行算法验证。结果表明,对于无等待时间的连续换道,跟踪效果及稳定性均优于有等待时间的连续换道;所设计的控制器对所有参考轨迹的跟踪效果较好,横向载荷率均小于风险阈值,具有较好的稳定性和鲁棒性,所提出的规划控制器可为道路几何设计提供理论依据。     

基于驾驶员视角的汽车行驶轨迹跟踪模型

从驾驶员视角出发，构建汽车行驶轨迹跟踪数学模型，运用Matlab／Simulink工程软件和C语言，建立驾驶员-环境-汽车闭环系统仿真模型。利用Matlab平台遗传算法（GA）仿真包，以驾驶员道路跟随精度、车辆侧向加速度和转向盘忙碌程度所构成的综合评价指标为目标函数进行分析，获得模型参数最优值。模拟和试验结果表明：模型设计合理，能较好地反应熟练驾驶员正常驾驶特征。     

基于动力学特性的机器人自适应鲁棒控制算法研究

针对鲁棒控制在串联机器人轨迹跟踪控制性能较差以及自适应控制收敛性能有限、容易出现震荡和发散的现象,为了提高串联机器人的作业精度和效率,本文在辨识机器人模型参数的基础上,考虑机器人动力学及摩擦特性,并将自适应鲁棒控制的积分型的参数估计修改为比例积分型的参数估计,提出了改进自适应鲁棒控制算法。仿真验证表明:本文提出的改进自适应鲁棒控制算法提高了系统的稳态性能以及运动控制性能,实现了较高的轨迹跟踪精确度。     

纯电动车自适应巡航系统控制策略研究

为了得到最优控制算法的自适应巡航控制系统,实现对车辆性能的优化,运用模型预测控制算法设计了纯电动客车自适应巡航的控制策略,自适应巡航系统对于减轻驾驶员疲劳、优化交通流、减少交通事故、改善车辆的燃油经济性具有重要意义。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题，提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上，分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律，实现混联机构的轨迹跟踪控制。由于控制器可调参数较多，采用粒子群算法进行控制器参数的寻优整定。仿真结果表明，所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

不同车速下自适应变化的路径跟踪控制研究

路径跟踪是自动驾驶汽车的核心技术,许多控制算法已被广泛应用于路径跟踪任务。为了提高路径跟踪在不同速度下的自适应能力,提出了一种结合预测轨迹和模糊控制的自适应Stanley路径跟踪控制器。参考人类驾驶员经验,模糊控制器根据车辆的横纵向速度实时调整预瞄距离,预测轨迹根据纵向速度实时调整预测时间进行提前控制。最后设计了自适应邻域的粒子群算法来对控制器参数进行优化。通过Simulink-CarSim的联合仿真验证,证明自适应Stanley控制器可以显著提高对不同速度的适应性和跟踪性能。     

六自由度串联机器人自适应鲁棒控制算法的改进

针对鲁棒控制在六自由度串联机器人轨迹跟踪控制性能较差以及自适应控制收敛有限,容易造成机器人出现无法控制和往复震荡等现象。为此,综合考虑机器人动力传输与摩擦学特性,为降低测量误差对系统参数估计的影响,利用极大似然参数估计方法得到参数辨识的精确结果,同时将自适应鲁棒控制的积分参数估计调整为比例积分参数估计,在期望补偿自适应鲁棒控制算法的基础上提出改进自适应鲁棒控制算法。仿真验证表明,提出的改进算法显著提高系统的运动稳定性和可控性,轨迹的跟踪精度大大提高。     

四轮独立驱动高地隙无人喷雾机轨迹跟踪自适应控制

针对高地隙喷雾机在自主导航作业中因侧滑影响而导致轨迹跟踪精度降低的问题,提出一种基于四轮独立驱动(4WID)高地隙无人喷雾机的自适应控制方法。首先,建立4WID高地隙喷雾机的运动学模型;然后基于运动学几何约束和速度约束,引入两个表征侧滑效应的参数构建改进位姿误差模型;最后将参数自适应与反步控制方法结合,设计自适应控制律实时估计并补偿侧滑效应。以典型的U形作业路径为例,在考虑和不考虑侧滑的情况下分别进行了仿真和试验验证。仿真结果表明：本文提出的控制算法在喷雾机出现侧滑的情况下可以保证较高的轨迹跟踪精度;水田试验表明,当喷雾机在常规作业速度3.6km/h时,与不考虑侧滑的轨迹跟踪控制算法相比,喷雾机轨迹跟踪的横向平均绝对误差减小至0.041m,标准差减小至0.059m;纵向平均绝对误差减小至0.018m,标准差减小至0.015m;航向平均绝对误差减小至2.56°,标准差减小至3.57°。     

阀控非对称缸系统多级滑模鲁棒自适应控制

考虑阀控非对称缸系统的特性,设计了一种基于逆向递推方法的多级滑模鲁棒自适应控制器。首先采用Backstepping逆向递推技术和状态反馈线性化的方法,给出系统的多级滑模控制器。然后依据Lyapunov稳定性理论,得到系统不确定参数的自适应律,并在自适应控制中引入鲁棒控制的设计方法,实现对活塞位移的精确位置跟踪控制。实验结果表明,多级滑模鲁棒自适应控制具有较强的鲁棒性和良好的跟踪性能。     

基于液压无源性理论的电液系统非线性鲁棒控制方法

考虑电液系统的强非线性特点,提出了一种基于液压无源性理论的非线性鲁棒控制方法。该控制方法利用跟踪误差的滑模与液压无源性理论中的压力误差储能函数构建Lyapunov函数,backstepping逆向递推过程分解为位置跟踪与压力跟踪两个环节,为了化解电液系统中两个控制容腔的压力内动态所造成的冗余自由度难题,提出了基于稳态工作点的期望压力分配策略,从而推导出非线性鲁棒控制律。在样机系统上的实验结果表明,被试电液系统在跟踪0.2~20 mm/s速度范围内指令轨迹时跟踪误差的均方根均在5μm以内,基于液压无源性的非线性鲁棒控制方法实现了良好的跟踪性能与性能鲁棒性。     

农机燃油经济性优化方法研究

在农机自适应巡航控制系统中,通过改变驱动策略可以提高燃油经济性。针对巡航模式下跟随农机的燃油经济性改善的问题,采用动态规划策略,考虑到加速时间短和滑行的模式有助于改善燃油经济性,在加速度-速度域内提出了一种有界最优控制算法,并在给定的速度范围内,得到了提高燃油经济性的最优加速和减速策略。为验证算法的有效性,搭建仿真平台,进行了相关的仿真实验。仿真结果表明:所提出的控制方法能实现对农机燃油经济性的优化,还可以确定最优的换档时间。     

除草机器人自适应快速积分终端滑模跟踪控制技术

智能除草机器人在草坪作业时,易受到外界扰动以及系统不确定性的影响,从而导致轨迹跟踪收敛时间长以及跟踪效果差等问题。因此,设计一种面向轨迹跟踪的自适应快速积分终端滑模控制算法。首先,考虑驱动轮动力学特性以及未建模误差、外界干扰、动静摩擦等不确定性因素,建立除草机器人的动力学模型。然后基于所建立的动力学模型,设计自适应快速积分终端滑模控制器。所提出的控制器结合了快速终端滑模、积分滑模和自适应估计技术的优点,能够实现期望的跟踪性能并抑制控制信号抖动。同时,在不需要明确系统不确定性和外界干扰上界的情况下,可以通过所设计自适应估计项进行实时补偿,提高系统的鲁棒性。最后,通过仿真和试验验证了该方法的有效性。试验结果表明,所设计的控制器能够使跟踪误差在有限时间内快速收敛,并且横向误差绝对值不超过0.097 9 m,纵向误差绝对值不超过0.102 6 m,航向角误差绝对值不超过0.057 8 rad,保证除草机器人准确跟踪作业路径,同时具有较强的鲁棒性。     

增程式电动物流车队列的能量管理策略研究

以增程式电动物流车队列为研究对象,为提高整个队列的燃油经济性,从队列的协同自适应巡航控制和能量管理策略两方面进行研究。利用车对车通信和前车领航车跟随式通信拓扑结构,基于分布式模型预测控制,设计了以稳定性、舒适性和经济性为优化目标的协同自适应巡航控制器。将增程式电动物流车队列的能量管理策略描述为一个完全合作类型的多智能体强化学习问题,所有智能体共同探索在不同车辆状态下的最优控制动作,提出了基于多智能体强化学习的能量管理策略。仿真结果表明,所设计的生态协同自适应巡航控制策略能够有效地平衡车辆队列的稳定性和经济性。以动态规划为基准,与单智能体算法相比,基于多智能体深度确定性策略梯度算法的能量管理策略可以在显著提高学习速率的同时获得近似最优解。     

基于隐马尔可夫模型的驾驶员跟车意图研究

为了预测驾驶员在跟车过程中的驾驶意图,鉴于驾驶员行为具有随机特性,提出了基于隐马尔可夫模型的驾驶员跟车意图行为的研究。首先,驾驶员的意图用隐马尔可夫模型的隐含状态来阐述,用车间距来表示其隐马尔模型中的观测状态,由此建立了用车间距为观测状态来获取隐含状态即驾驶员意图的跟车行为模型。其次,利用美国NGSIM数据来训练隐马尔可夫模型。最后,通过MATLAB仿真,并对实验结果与实际数据进行对比,验证了此设计满足驾驶员跟车意图的可行性要求。     

农用无人拖拉机耕作轨迹智能控制系统的设计

由于人工耕作误差大、效率低,拖拉机耕作已成为当前研究的热点和重点,但驾驶拖拉机需要大量的人力和时间,降低了农业耕作的整体效率。针对这一问题,提出了一种基于机器视觉的农用无人拖拉机耕作轨迹智能控制系统,并对系统的硬件进行了设计,结合智能控制算法实现对拖拉机耕作环境图像进行处理,应用自适应路径跟踪算法实现农业无人拖拉机耕作轨迹的自适应跟踪,从而达到轨迹控制的目的。研究结果表明：系统能够准确跟踪和控制农用无人拖拉机的耕作轨迹,提高了拖拉机的作业效率。     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

自动驾驶车辆自适应巡航模糊控制研究

文章针对自动驾驶车辆自适应巡航问题进行了研究,综合考虑两车之间相对车距与安全车距之间的距离差和两车相对速度等因素的影响,通过总结人们的行车经验,设计了一种基于模糊控制的自适应巡航控制器。在MATLAB/simulink中进行了仿真,仿真结果表明,该模糊控制器可以达到一个较好的控制效果。     

同步转向高地隙喷雾机模糊自适应轨迹跟踪预测控制

为提高同步转向高地隙喷雾机轨迹跟踪的稳定性与鲁棒性,提出一种基于模型预测控制理论的模糊自适应轨迹跟踪方法。首先,基于刚体运动学以及几何约束推导出喷雾机的非线性运动学模型,并对该运动学模型进行简化;然后,基于简化的运动学模型建立喷雾机的状态预测模型;最后,结合实际工况设计了模糊自适应预测控制器。仿真试验表明：与传统的预测控制器相比,模糊自适应预测控制器的跟踪速度更快、稳定性更好。场地试验表明：在进行初始误差2.5、5m的直线轨迹跟踪以及无初始误差的圆形轨迹跟踪时,其平均误差分别为0.0442、0.0602、0.0901m。本文建立的喷雾机运动学模型可以很好地体现同步转向高地隙喷雾机的运动特点,设计的模糊自适应预测控制器可以保证喷雾机路径跟踪的准确性和鲁棒性。