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。     

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%。     

水田植保机自主作业滑模抗干扰路径跟踪方法

为解决无人化水田植保机在田间作业时上线速度慢、精度不高和抗干扰能力差的问题,提出了一种基于快速幂次趋近律和全局滑模控制的水田植保机路径跟踪控制方法。首先建立了含有滑移干扰项和航向角干扰项的水田植保机四轮异相位转向运动学模型,提出了一种基于全局滑模控制和快速幂次趋近律的直线作业跟踪转向控制算法,解决了滑模控制算法的抖振和趋近模态对干扰敏感的问题,使用Lyapunov判据检验了算法的收敛性。使用Matlab建立了仿真模型,对算法进行了仿真,相比基于指数趋近律和等速趋近律的滑模控制算法,本文算法的快速性更好。实际作业实验结果表明,该方法直线跟踪横向偏差绝对值最大为0.0778m,能够有效提高自主导航控制系统的稳定性和快速性。     

基于遗传算法的自动泊车控制方法研究

针对停车难问题提出一种基于遗传算法的自动泊车控制方法。建立了车辆低速运动学模型,并针对平行泊车这一类型,规划两圆弧相切泊车路径,选取9次多项式拟合规划的路径,解决曲率突变问题。搭建了平行泊车模糊控制器,并利用遗传算法优化其隶属度函数。仿真结果表明,车辆能跟踪之前规划的泊车路径,并且在不同工况下均能完成自动泊车操作。     

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。      

基于样条理论的泊车轨迹生成与仿真研究

为了减少泊车时间并且达到准确泊车的目的,通过分析泊车轨迹曲线的设计要求并综合考虑B样条曲线特点,提出基于多约束函数的泊车方法。研究泊车过程中潜在碰撞点,以泊车轨迹连续性为目标,建立相对应的约束函数。然后利用matlab软件非线性约束优化函数求得轨迹控制点,得出轨迹曲线。将得到的轨迹曲线进行存储,最终实现对泊车轨迹库的构建。根据泊车环境、车辆的初始位置进行决策,选取轨迹库中合适的泊车轨迹曲线,最终实时生成泊车所需要的运动轨迹。仿真结果表明,这种方法响应速度快、实时性强、可靠性高,生成的轨迹曲线符合泊车环境,减少了泊车用时。     

基于自适应趋近律的采摘机器人关节滑模控制研究

利用离散趋近律设计的滑模控制可有效抑制滑模控制中的抖动现象,但其抑制抖动的效果与离散趋近律的设计参数及系统的采样时间有着密切的关系。为此,在分析指数趋近律抖动的基础上,提出了一种自适应滑模控制器,Mat LAB能够进一步的提高基于趋近律的滑模控制器的抖动抑制能力。为了验证本文所提出方法的有效性,在Mat LAB中实现了该算法,并利用其来控制采摘机器人关节的伺服电机。仿真结果表明:本文所提的算法具有较好的位置跟踪能力,进一步地抑制了指数趋近律滑模控制中存在的抖动现象,提高了系统的性能。     

改进A*算法的采摘机器人路径规划与跟踪控制

为提高采摘机器人的工作效率和控制精准度,提出一种基于改进A*算法的路径规划与跟踪控制方法.首先建立移动采摘机器人的动力学模型,然后通过引入人工势场法改进了A*算法的效率,实现了对采摘机器人运动路径的快速规划,最后利用状态观测器估计出系统状态,并设计终端滑模控制律来准确跟踪路径指令,大大提高了控制精度.仿真结果表明:设计...     

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。     

多农机重复路径协同作业下的导航路径迭代学习控制

在农作物从种到收多个作业环节中,多农机大都按同一参考路径(存在实时干扰)协同作业。针对"重复路径行驶"特点和借鉴"迭代学习"思想,可以逐渐提高协同作业时的农机导航路径跟踪精度,因此提出一种基于迭代学习控制的农机导航路径跟踪方法。首先,建立了离散的车辆运动学非线性模型;然后,设计了开闭环迭代学习控制律,并进行了收敛性分析;最后,进行了直线和圆形路径跟踪仿真实验。结果表明:迭代学习控制能够实现农机导航路径的完全跟踪;相同迭代次数下,与开环、闭环控制仿真结果比较,开闭环迭代学习控制收敛速度更快,路径跟踪误差逐渐趋近于0。     

拖拉机自动驾驶系统上线轨迹规划方法

为解决现有拖拉机自动驾驶系统上线距离较长,且在上线目标点附近跟踪误差较大的问题,提出了一种基于量子遗传算法优化的B样条理论局部上线轨迹规划方法。综合考虑最大曲率约束、起止点航向约束和最大转向角约束,把最优轨迹规划问题转化为B样条控制点参数优化问题,采用量子遗传算法对目标函数进行寻优,从而求得距离最短的可行驶上线轨迹。设计了4种典型作业工况,仿真结果表明,对于不同作业工况,算法均可通过优化配置B样条控制点得到满足约束的上线轨迹,曲率和等效前轮转角变化平缓,有利于路径跟踪控制器进行曲线跟踪控制。田间试验结果表明,针对设计的复杂作业工况,单独采用纯追踪算法的上线距离为78.6 m,基于上线轨迹规划方法的上线距离为23.7 m,且后者在上线点附近的横向跟踪误差更小。     

基于运动特性的农机导航控制方法

农业机械（农机）运动学模型的精度影响导航控制精度和稳定性,为提高农机路径跟踪控制器精度,提出了一种基于运动特性的农机导航控制器设计方法。该方法主要是对传统二轮车运动学模型建模方法进行改进,针对传统二轮车模型小角度近似替代（方向角等于横摆角）的缺点,采用加入侧偏角的方法优化农机运动学建模过程。采用相同的控制方法（状态反馈控制）和不同的运动学模型设计控制器进行对照实验。直线路径跟踪时,侧偏角对模型精度影响较小,引入侧偏角可以在一定程度上影响农机的跟踪精度;曲线路径跟踪时,侧偏角对方向角的变化影响较大,可以大幅影响路径跟踪精度。以安装有自动导航设备的拖拉机为实验平台进行实地实验,结果表明：直线行驶的最大横向误差平均值为0.0454m,绝对平均误差平均值为0.0149m,标准差平均值为0.0119m;曲线行驶的最大横向误差平均值为0.1613m,绝对平均误差平均值为0.0688m,标准差平均值为0.0434m;基于本文提出的优化模型设计的路径跟踪控制器对直线路径跟踪有一定提升,对曲线跟踪精度有大幅提升。     

基于滑模极值搜索算法的车辆驱动防滑控制策略

为了提高车辆的驱动防滑能力,提出了一种基于滑模极值搜索算法的驱动防滑控制策略。采用滑模极值搜索算法作为一种自寻优方法找到轮胎力-滑转率曲线的极值点,无需估计路面附着系数和建立理想参考模型就可以将轮胎的滑转率控制在最优滑转率附近,提高车辆的动力性和方向稳定性。在Matlab/Simulink中建立车辆系统仿真模型。仿真结果表明,此控制策略能使车辆在驱动过程中快速达到实时路面条件下的最优滑转率,增强了车辆的动力性能。     

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。     

基于模糊控制的拖拉机路径跟踪仿真研究

结合拖拉机实际工作性能与环境,建立了一种基于模糊控制的拖拉机路径跟踪仿真系统,分别对简化二轮模型、模糊控制模型、纯追踪模型及转向操纵控制模型等4个部分进行了阐述。此外,将模糊控制与纯追踪模型结合,分别对相同横向偏差下、不同航向偏差下前轮转角响应情况和相同航向偏差下、不同横向偏差下前轮转角响应情况进行了Matlab/Simulink仿真。仿真结果表明:该仿真系统可靠,具有一定的参考价值。     

基于改进樽海鞘群算法的四旋翼飞行器姿态优化控制

针对集总干扰下四旋翼飞行器的姿态控制问题,提出了一种基于线性扩张状态观测器的快速连续非奇异终端滑模控制策略。该方法通过线性扩张状态观测器来估计和补偿集总干扰的影响,提高控制器的稳定性;借助非奇异终端滑模面有限时间收敛的特性设计控制律,加快控制器的收敛速度;控制器的稳定性分析由Lyapunov函数得以证明。引入樽海鞘群算法来优化控制器中的参数,提升控制性能。进一步地,引入一维正态云模型与自适应算子来克服参数整定算法的固有缺陷,增强其优化能力。通过仿真与试验验证了本文方法的有效性与实用性,结果表明:在阵风干扰下,本文方法比线性自抗扰控制策略具有更高的跟踪精度、更强的抗干扰能力与更快的响应速度。