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。     

基于模糊快速滑模的农用牵引车辆直线路径跟踪控制

为解决无人驾驶牵引式农机在非结构化环境中作业时直线跟踪精度低、上线速度慢、抗干扰能力差等问题,提出了一种基于模糊快速滑模控制的农用牵引式车辆直线路径跟踪控制方法。首先利用车辆运动学模型与参考路径建立牵引车辆直线路径跟踪误差模型,并提出一种基于模糊参数整定的快速滑模直线路径跟踪方法,解决了滑模控制算法的控制器抖振与机具快速上线问题。通过Lyapunov稳定性分析可知,所设计控制方法可保证牵引机具跟踪参考路径,同时铰接角收敛至零。最后,基于Simulink仿真与实车试验对该控制方法的有效性与优越性进行测试。田间实车试验表明,使用本文控制方法时,拖车和挂车最大路径跟踪横向误差分别为0.11、0.12 m,拖车和挂车跟踪误差方差分别为0.001 3、0.001 5 m²;相较于传统基于等速趋近律设计的滑模控制器,上线时间提升约58%,最大跟踪误差减小约66%。     

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。     

智能汽车路径跟踪控制方法设计

智能车辆多模式驾驶仿真平台包括自动驾驶和手动驾驶等多种驾驶模式,路径跟踪控制一直是智能车辆研究的关键技术之一。针对智能汽车多模式驾驶仿真平台自动驾驶模式路径跟踪控制问题,结合车辆横向动力学模型,提出了一种基于RBF神经网络滑模控制的智能汽车路径跟踪控制方法,利用MATLAB/Simulink建立路径跟踪控制仿真验证模型,验证了控制方法的有效性。     

基于MPC的插秧机路径跟踪控制算法研究

针对国内自动驾驶插秧机路径跟踪精度不高的现象，提出一种基于线性时变模型预测控制的路径跟踪方法。将建立的非线性插秧机运动学模型进行线性化和离散化处理，并基于此模型进行模型预测路径跟踪控制；建立以控制增量为状态量的目标函数；考虑系统控制量和控制增量的约束条件，将目标函数求解转为带约束的二次规划问题；采用内点法进行求解，将所得控制序列第一个元素作用于系统，并且不断重复以上过程实现最优控制。在MATLAB/Simulink环境下，搭建上述模型预测控制器系统仿真，并与路径跟踪效果良好的Stanley控制算法对比，结果表明，上述模型预测控制器优于Stanley控制算法。采用卫星信号接收机、电动方向盘和转角传感器，改造井关PZ60型插秧机，搭建插秧机自动驾驶试验平台，进行田间试验，试验结果表明，基于线性时变模型预测控制器能够使自动驾驶插秧机车速1 m/s时，有效进行路径跟踪，直线段跟踪误差最大2.02 cm，满足插秧机自动驾驶路径跟踪精度要求。     

基于可拓控制的无人驾驶车辆路径跟踪研究

为了提高无人驾驶车辆路径跟踪的精确性和稳定性,基于可拓控制原理设计了2种控制策略可切换的路径跟踪控制器。其中,初始偏差较大和低速时采用滑模控制策略,在充分保证跟踪精度时提高跟踪的实时性,高速时则采用带有约束控制的模型预测控制策略以提高车辆行驶的稳定性。最后通过搭建CarSim与Simulink联合仿真平台,在目标路径为双移线工况下进行不同车速的仿真。结果表明,所设计的可拓控制器能有效提高无人驾驶车辆的路径跟踪精度和稳定性。     

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。     

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。     

基于滑模控制的跟随车辆纵向研究

在智能车辆的自动跟车过程中,因路况复杂常需加减车速或改变运动方向,在回正过程往往会造成车辆间距的误差增加,为使智能车辆速度与加速度更快更准确地到达平衡点,基于滑模控制设计了纵向控制器,通过车辆队列模型,验证控制器对车间距以及速度控制的稳定性.通过建立运动学和纵向动力学模型,进行载荷分析,运用滑模控制算法对纵向控制器进行...     

中空液压马达系统建模与摩擦动态补偿算法研究

针对阀控中空液压摆动马达系统,建立数学模型;基于LuGre动态摩擦模型,设计摩擦状态观测器;在此基础上,通过提出带状态观测的滑模变结构控制算法进行大摩擦力矩动态补偿控制,并进行了试验研究。结果表明：所设计的摩擦状态观测器可以较好地估计摩擦力矩,基于状态观测的滑模变结构控制算法可以实现大摩擦力矩下的高精度轨迹跟踪,相比无状态观测的滑模控制,轨迹跟踪精度提高1个数量级以上。     

基于分布式结构的车辆稳定性控制系

提出了一种车辆稳定性控制系统,基于分布式结构的分析方法,通过合理分布复杂的控制算法将控制系统分为控制分析、控制分配和控制执行3个层次.在控制分析层采用了滑模变结构控制方法,计算出车辆期望作用力和横摆力矩.使用非线性优化方法将期望值分配到4个车轮上,实现并优化了控制分配效果.在CarMaker车辆动力学分析环境中进行了仿真分析,结果表明设计的控制算法提高了车辆在极限工况下的稳定性,降低了驾驶员驾驶强度.     

基于滑模控制的半挂汽车倒车轨迹跟踪

针对半挂汽车自动倒车时的轨迹跟踪问题,建立了铰接式半挂汽车在极坐标系下的车辆非线性运动学模型。为简化求解过程,以半挂车期望路径的弧长作为新的时间量标,通过准确线性变换方法对建立的系统模型进行线性化,设计了滑模变结构控制器。为保证半挂车快速趋近期望路径同时削弱抖振,采用指数趋近律的方法和准滑动模态控制,采用极点配置法选取控制参数,最后对曲线轨迹的倒车路线跟踪控制进行了仿真分析。仿真结果表明,设计的反馈控制器能改善半挂汽车对行驶路径的跟踪能力,使偏离的挂车快速返回到期望的稳态轨迹上。      

区域交通智能车辆导航控制技术

通过系统辨识实验得到车辆转向系统动态特性方程，结合车辆预瞄运动学模型和二自由度转向动力学模型建立基于视觉预瞄的转向动力学控制数学模型，根据线性二次型最优控制理论设计的最优控制器能稳定跟踪直线路径。采用模糊控制快速跟踪弧线导航路径，结合车辆转向系统当前状态和最快动态响应能力建立车辆弧线跟踪时的变结构控制输出集。针对JLUIV-V型区域交通智能车辆部分状态变量的不可测性，根据Kalman滤波理论构造状态观测器。仿真和试验结果表明：该控制技术在区域交通智能车辆户外路径跟踪过程中平稳、可靠。     

基于扩张观测器的HMCVT换段离合器油压跟踪控制

针对液压机械无级变速器(HMCVT)换段离合器油压跟踪控制过程中，不匹配干扰造成实际油压与期望油压产生偏差的问题，提出了一种基于扩张观测器的全局终端滑模控制算法，以实现油压的高精度跟踪控制。通过建立带有不匹配干扰的非线性湿式离合器数学模型，推导了油压控制系统的状态方程，使用扩张观测器对不匹配干扰进行估计，设计了一种能够快速收敛的全局终端滑模控制算法，并将干扰估计值补偿到控制算法中以提高控制精度和降低滑模控制的抖振。基于全局终端滑模控制算法设计了换段离合器油压跟踪控制器，通过试验对控制器效果进行了验证。结果表明，扩张观测器能够有效观测不匹配干扰，与传统终端滑模控制算法相比，基于本文算法设计的油压跟踪控制器动态响应时间仅为0.13 s,超调量为0.08 MPa,且无明显抖振。在换段过程中，冲击度降低12.7%,滑摩功减少10.2%,表明所提油压跟踪控制算法具有较好鲁棒性，能够改善换段离合器的接合品质。     

基于滑模变结构控制的双轮驱动电动汽车防滑系统的研究

对双轮驱动电动汽车的加速过程进行力学分析建立了四分之一车辆动力学模型,以车轮滑转率为控制时象,提出一种基于滑模变结构控制的驱动防滑控制系统.设计了双轮驱动电动汽车驱动防滑系统的滑模变结构控制器,采用饱和函数可以很好地削弱系统响应的抖振现象.通过Matlab/Simulink软件对所设计系统进行仿真,仿真结构表明滑模变结构控制器能够很好地跟踪路面最佳滑转率的变化,驱动力矩的变化平稳.     

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。     

NF-752型履带式拖拉机自动驾驶系统

为了提高自动驾驶系统对车身纵向速度和滑移工况等影响因素的自适应能力,提出了一种基于航向预估模型的路径跟踪控制算法。首先对NF-752型履带式拖拉机进行适应性改造,将其手动转向机构和无级变速机构改造为大扭矩舵机控制,通过绝对值编码器测量两侧履带转速,利用RTK-GNSS定位系统测量车辆地理位置和车身速度,结合车载计算机和底层控制器搭建了自动驾驶系统试验平台。然后以车身速度和两侧履带速度为状态变量,考虑履带滑移率建立了航向预估控制模型,进而提出了一种基于航向预估模型的路径跟踪控制方法。最后在沥青路面分别以低速（1 km/h）、中速（5 km/h）和高速（9 km/h）进行了直线路径跟踪试验,结果显示,在不同作业速度条件下,路径跟踪误差无明显差异,最大跟踪误差为-2.00 cm,标准差为0.93 cm。进行了田间曲线路径跟踪试验,结果显示,当拖拉机以6 km/h速度跟踪曲线路径时,跟踪误差优于10 cm,在滑移区域无明显误差增大现象。试验表明,提出的航向预估控制方法对作业速度有较好的适应性,一定程度上克服了滑移现象对控制精度的影响,可满足履带拖拉机耕整地作业精度要求。      

基于干扰观测器的直播机路径跟踪快速终端滑模控制

针对农田中存在不确定性干扰时,会导致建立的无人水稻直播机运动学模型精确度不高,从而使路径跟踪收敛时间长,跟踪效果较差等问题,提出由直播机运动学模型建立相应的非线性干扰观测器从而实现对不确定性复合干扰的精确观测。将观测到的干扰值补偿到运动学模型中以提高模型的精度,降低滑模控制的抖振。为了控制直播机沿指定路径作业并提高路径跟踪收敛时间,设计了一种快速终端滑模控制算法。基于李雅普诺夫判据检验了算法闭环系统的稳定性。使用Matlab/Simulink建立了农机运动学仿真模型,仿真结果表明,非线性干扰观测器能精确观测出系统的不确定性干扰。与不带干扰观测器的滑模控制算法相比,本文控制算法可有效减少收敛时间,抑制干扰带来的抖振。无人直播机水田作业实验表明,采用本文所提出的算法以1.2m/s的速度高效作业时,横向平均绝对偏差为0.0247m,均方差为0.0311m。并且转弯收敛速度快,无超调,路径跟踪精度满足实际作业要求。     

基于北斗导航的农机自动驾驶系统设计和实现

精准农业是一种新兴的农业理念,重视采用先进的科学技术开展农业生产,不仅可以充分利用农业资源,也可以提高农作物产量,对于降低生产成本、提升经济效益具有重要的意义。农机自动驾驶系统是满足精准农业要求的重要一环,实现高精度定位对其可行性具有重要的影响。基于此,笔者以农机自动驾驶系统为依据,在概述北斗导航的基础上,提出基于北斗导航的农机自动驾驶系统软硬件设计及实现情况,以期为类似研究提供一定的参考。仿真结果表明,在农机自动驾驶领域引入北斗导航,依托北斗导航对农机自动驾驶系统进行设计,借助北斗导航高精度定位信息,通过控制器对农机实施控制,促使农机按照既定路线完成自动驾驶,可以满足农机对于预定路径精细化跟踪的要求。     

无人驾驶拖拉机路径跟踪联合控制研究

为实现无人驾驶拖拉机的路径跟踪控制,提高其智能化水平,以中国·徽拖HT1804F型拖拉机为研究平台,建立拖拉机-路径侧向动力学模型,采用滑模控制方法设计了一种基于横向偏差和航向偏差的拖拉机路径跟踪联合控制算法,然后基于CarSim与Simulink设计了联合仿真试验。结果表明,该路径跟踪联合控制算法能够使拖拉机稳定、精确地跟踪目标路径,满足无人驾驶拖拉机路径跟踪控制的要求。