农用轮式铰接车辆滑模轨迹跟踪控制算法

针对农用轮式铰接车辆驾驶员工作条件恶劣的问题,该文提出了一种应用于无人驾驶系统的滑模变结构控制铰接车精确轨迹跟踪的方法。首先推导出了铰接车的运动学模型,根据该模型建立实际行驶轨迹与参考轨迹偏差的模型,之后针对偏差模型设计滑模变结构路径跟踪控制器,该控制器使用Ackermann公式设计,控制律采用指数趋近律使系统有较快的响应和较小的抖振,同时,为了进一步抑制滑模控制器固有的抖振问题,将趋近律中的符号函数替换为连续函数,以避免趋近律数值产生阶跃变化,并用Lyapunov函数证明了其稳定性,最后在硬件在环仿真中验证了控制器的实时性和路径跟踪质量。结果表明,该控制器在硬件在环仿真环境下可将横向位置偏差、航向角偏差、曲率偏差分别控制在0.21 rad(12°)、100 mm、0.17rad(1°)、0.005 m-1附近,各向偏差均在10 s内达到平衡,且误差控制在5%以内,铰接车能有效跟踪参考路径。该研究为农用轮式铰接车辆实现无人驾驶提供参考。     

基于模糊双曲正切模型的车辆路径跟踪算法

为了实现铰接式车辆无人驾驶技术。针对路径跟踪问题,该文提出了基于模糊双曲正切模型的铰接式车辆路径跟踪控制算法。首先根据实地试验测得铰接式车辆的横向偏差、横向偏差变化率、航向角偏差、航向角偏差变化率和转向角的样本数据,建立其模糊双曲正切模型。在此基础上,采用改进的自适应反向传播(back propagation,BP)神经网络对模型进行参数辨识,并推导了基于Cauchy鲁棒误差估计器的权系数调解率公式。然后设计基于极点配置方法的控制器,得到转角的反馈控制率。从试验数据可以看出:车辆横向位置偏差、航向角偏差、转角控制量分别控制在0.008 m、0.07 rad(0.5°)、0.21 rad(12°)附近,各向偏差均稳定,误差控制在1%以内。该种路径跟踪控制算法的研究可为铰接式车辆无人驾驶提供参考。     

生物工程专业“酶工程”课程教学探讨与改革

本文针对我校生物工程专业“酶工程”课程开设时间晚、缺乏实验教学等教学实际情况,分析了酶工程课程的特点,思考该课程教学中存在的一些问题,提出要精选教材、合理安排教学内容、注重教学方法、适当运用现代多媒体技术等教学改革措施,以提高“酶工程”课程的教学效果.     

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。