基于位姿状态的全向运行型AGV路径跟踪优化控制方法

自动导航车自主移动的关键是精准的路径跟踪,针对Mecanum轮全方位移动AGV的路径跟踪,提出了一种基于位姿状态和有限控制步数的路径跟踪优化控制方法。在系统约束条件下,通过建立系统的运动学模型,将连续的系统离散化。在目标函数中只包含速度控制量,同时通过最小化目标函数,得到系统控制量的控制序列,从而避免了最优控制的加权矩阵选择难的问题。此外,有限步的控制序列也有利于实时嵌入式控制器的滚动控制。仿真和实验表明,对于不同速度,该算法均能快速、同步、稳定地消除位姿偏差,且计算量小、方便。     

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。     

给定速度需求的移动机器人路径跟踪控制与实验

针对轮式移动机器人给定速度需求的非连续路径跟踪控制问题,将其转换为满足速度约束的轨迹规划和轨迹跟踪控制。首先,针对给定速度需求的路径跟踪问题,以运行时间和能量为优化目标,给定的路径和速度为约束条件,采用五次Bezier样条方法优化得到了满足需求的连续光滑轨迹。其次,利用轮式移动人系统的微分平坦特性,采用微分平坦方法设计前馈控制器;然后,将轮式移动机器人运动学模型在前馈控制的平衡点处进行一阶泰勒展开,得到了线性时变的误差模型,并通过定义新的状态变量,设计了具有Lyapunov稳定性的误差反馈控制器。结合前馈控制和反馈控制得到了二自由度轨迹跟踪控制器。同时将泰勒展开的高阶项考虑为有界的扰动输入,在输入到状态稳定性框架下证明了控制系统的鲁棒稳定性;最后,通过Pioneer 3-dx轮式移动机器人进行了实验验证,实验结果表明,提出的算法能够满足给定速度需求的非连续路径的跟踪控制需求。     

基于趋近律滑模控制的智能车辆轨迹跟踪研究

针对目前已有智能车辆轨迹跟踪控制存在跟踪精度低、鲁棒性弱等问题,结合滑模控制响应迅速、抗干扰能力强的优点,提出一种基于趋近律的滑模控制方法。提出的趋近律通过特殊幂次函数和反双曲正弦函数的组合,提高了系统状态的趋近速度并且平滑和限制了抖振现象,可实现控制车辆平顺快速跟踪参考轨迹。在Simulink软件上搭建了车辆运动学模型并进行轨迹跟踪仿真实验,通过与双幂次趋近律滑模控制进行对比验证了控制效果。仿真实验结果表明,相对于双幂次趋近律滑模控制,提出的趋近律滑模控制的车辆能更快地跟踪到参考轨迹,横向和纵向误差收敛速度明显增快,航向角抖振现象减弱,系统具有更快的趋近速度,并且抖振现象被削弱。     

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。     

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。     

基于动态前视距离纯追踪模型的温室农机路径跟踪研究*

为提高温室内智能农机自动导航的路径跟踪精度,提出一种基于粒子群算法的纯追踪模型动态前视距离确定方法及其路径跟踪控制方法。利用超宽带(UWB)模块和电子陀螺获取温室内智能农机的位置偏差和航向偏差;为提高纯追踪模型的自适应能力,对农机位姿偏差进行定量分析并根据位姿偏差程度构建适应度函数,通过粒子群优化(PSO)算法实时确定纯追踪模型中的最优前视距离,为提升算法求解效率对惯性权重系数进行改进;根据农机位姿偏差程度构建速度控制函数对农机进行变速控制。样机试验结果表明:在3种初始状态下的直线路径跟踪时,平均偏差均值为24.4 cm,稳态偏差平均值为4.3 cm,导航时间平均值为13.2 s,稳定距离平均值为318.1 cm。路径跟踪的各项指标均优于同等条件下的恒速固定视距试验。     

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。     

基于非线性模型的农用车路径跟踪控制器设计与试验

为提高农用车辆路径跟踪性能,提出一种基于非线性模型预测的路径跟踪控制方法。该方法将路径跟踪问题转换为求解满足速度、转角约束的最优值问题。首先将农用车的非线性运动学模型进行离散化推出递推模型,作为控制器的预测方程;然后建立以农用车运动学模型控制量为状态量的目标函数,设计各个变量的约束条件,把预测方程代入目标函数将其转化为基于递推序列的二次规划法响应问题,在此基础上进行梯度计算解决非线性的约束优化;最后,利用实时反馈与滚动优化实现控制器的闭环校正;重复以上过程,完成预测控制。Matlab仿真结果表明:非线性模型预测控制器能够实现对所设计路径的有效跟踪。相对应的场地试验结果表明:试验小车以2 m/s的速度跟踪参考路径时,最大横向偏差为-4.28 cm;3 m/s跟踪参考路径时,最大纵向偏差为-6.61 cm,可以满足农用车辆对于路径跟踪的精度要求。与线性模型预测控制器的对比试验表明:以3 m/s的速度跟踪圆形路径时,设计的控制器跟踪横向偏差降低了36.8%,纵向偏差降低了32.98%。     

基于启发式动态规划的履带机器人路径跟随控制方法

针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划（Heuristic dynamic programming, HDP）的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方程;其次,提出了一种基于HDP算法的路径跟随控制方法,综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络逼近评价器和执行器,并推导了网络参数的在线优化规则;最后,通过数值仿真和系统试验验证了HDP方法的路径跟随性能。试验结果证明,基于HDP算法的控制器跟随直线的平均误差绝对值为0.04m、均方根误差为0.06m;跟随钝角转向曲线的平均误差绝对值为0.01m、均方根误差为0.06m;跟随锐角转向曲线的平均误差绝对值为0.03m、均方根误差为0.09m。该方法不需要对控制参数进行反复调试就能够获得较好的控制效果,提高了移动机器人路径跟随控制方法的环境适应性和自主优化能力。     

基于改进A*与DWA算法融合的温室机器人路径规划

根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstr...     

城市园林自动修剪机器人动力学仿真研究

园林修剪的意义在于提升整体城市绿化与规划水平。为此,在深入理解城市园林自动修剪机器人的整体结构与工作原理的基础上,结合机构部件的运动学规律,得出修剪机器人的动力学理论模型,并根据修剪机器人各关节的工作空间,通过驱动函数与下位机程序控制,开关量输出至修剪机器人各运动执行部件开展修剪仿真作业试验。结果表明:利用机构的运动定位与补偿功能,可实现修剪机器人各关节作业定位的准确性,定位误差控制在6%左右;不同轨迹跟踪,多次目标函数优化,便于掌握各关节臂的运动角度与作业过程中的扭矩变化情况,了解自动修剪机器人实际运动轨迹及各主要执行关节扭矩与剪切力,可为相似修剪机器人的开发与改进提供一定思路。     

链式可重构模块化机器人变形机理与实现

设计了一种手动可重构、自动变形的新型链式模块化机器人机构,它可以通过结构重构和自动变形来改变自身的构形以适应非结构环境中运动和作业的要求。单个标准模块由模块本体、连接臂和偏置关节等组成。偏置关节避免了变形时模块间的运动干涉,扩大了机器人模块间的相对运动空间。设计了一台三模块变形机器人样机,并对该样机进行了由直线形态、三角形态到并排形态的变形实验,此外还对变形机器人不同构形的运动性能进行了实验分析。     

移动机器人RGB-D视觉SLAM算法

针对移动机器人视觉同步定位以及地图构建(Simultaneous localization and mapping,SLAM)研究中存在精确度较低、实时性较差等问题,提出了一种用于移动机器人的RGB-D视觉SLAM算法。首先利用定向二进制简单描述符(Oriented fast and rotated brief,ORB)算法提取RGB图像的特征点,通过基于快速近似最邻近(Fast library for approximate nearest neighbors,FLANN)的双向邻近(K-nearest neighbor,KNN)特征匹配方法得到匹配点对集合,利用改进后的随机抽样一致性(Re-estimate random sample consensus,RE-RANSAC)算法剔除误匹配点,估计得到相邻图像间的6D运动变换模型,然后利用广义迭代最近点(Generalized iterative closest point,GICP)算法得到优化后的运动变换模型,进而求解得到相机位姿。为提高定位精度,引入随机闭环检测环节,减少了机器人定位过程中的累积误差,并采用全局图优化(General graph optimization,G2O)方法对相机位姿图进行优化,得到全局最优相机位姿和相机运动轨迹;最终通过点云拼接生成全局彩色稠密点云地图。针对所测试的FR1数据集,本文算法的最小定位误差为0.011 m,平均定位误差为0.024 5 m,每帧数据平均处理时间为0.032 s,满足移动机器人快速定位建图的需求。     

农业物料移运机器人协同作业时间最优轨迹规划方法

为了解决机器人将农产品从收获场所转移到仓库或运输车辆存在的移动轨迹和作业轨迹相对独立且耗时长的问题,本文设计一种物料移运机器人,并提出一种物料移运机器人协同作业时间最优轨迹规划方法,获得机器人作业系统和行驶系统协同作业的时间最优轨迹。该方法建立机器人协同作业的运动学模型和动力学模型,对物料移运机器人开展时间最优轨迹规划,并基于Lyapunov理论设计控制律减少跟踪误差,最后通过Matlab/Simulink和ADAMS联合仿真验证方法的有效性。结果表明,提出的轨迹规划方法可使机器人在抓放料协同作业和避障协同作业中取得平滑且时间最优的运动轨迹,机器人各关节的位移、速度、加速度、力/力矩曲线变化平缓,两履带牵引力满足机器人的要求且可快速稳定跟踪时间最优路径。     

三平移并联机器人机构的精度分析

针对一种具有相似平台的3-TPT型三平移并联机器人，根据该机器人的位置反解方程，利用全微分理论建立了该机器人精度分析的数学模型；通过计算机仿真研究了机器人的驱动杆杆长误差、结构尺寸变化和位姿变化对机器人精度的影响，为该机器人机构的实际误差补偿与控制提供了理论依据。     

基于直流电机驱动电路的移动式采摘机器人设计

基于直流电机驱动策略,采用STM32微处理器,搭建了采摘机器人运动控制系统,并基于H桥功率驱动电路及PWM脉宽调速策略,实现了采摘机器人电机驱动调速系统。试验结果表明:该采摘机器人在行走和转弯测试中,误差较小,能够满足设计要求,对直流电机在其场合的驱动控制具有一定的参考价值。