基于模糊理论的参数自适应PID智能控制系统

针对平地机进行刮平作业时无法实现稳定恒速控制的问题,提出了基于模糊理论的参数自适应PID算法的行走智能控制系统,并完成了将该算法应用在平地机的控制系统中协调解决作业时油门大小、档位和恒速控制问题。同时,为验证参数自适应PID算法对整机运行参数实时监控的有效性和可靠性,系统采用单片机作为控制器,通过Mat Lab软件的Simulink仿真,分别对平地机作业恒速控制设定干扰信号、参数自适应过程性能以及不加PID、加PID、自适应模糊PID3种控制方式进行了恒速控制效果对比分析。测试显示:该系统响应时间短、速度较快,具有良好的工作稳定性和可靠性,能够满足设计要求。     

基于空间映射的山地移动机器人环境建模方法

针对山地环境的特殊性,提出了一种基于空间映射的环境建模方法.通过离散化和空间映射,将三维曲面模型转化为由点集和点距集构成的二维平面模型,从而使三维路径规划问题降维成二维平面路径规划问题;同时,在点距集的生成过程中,利用目标函数来构造相应的点距函数,以使所建环境模型可适用于不同目标下的路径规划任务;最后,在MATLAB中利用蚁群算法对所建环境模型进行路径规划仿真实验,验证了该方法的可行性与通用性,同时将该方法与传统的栅格法和高程建模法进行对比,验证了该方法的优越性.     

基于改进势场蚁群算法的移动机器人最优路径规划

首先,针对传统人工势场算法存在死锁及局部路径欠优等问题,对其进行改进。利用障碍物检测算法识别出有效障碍物和有效路径中间点,通过引力场和边界条件规划出起点到中间点的局部路径,将中间点置为新的起点进行反复迭代,直至起点与目标点重合则规划完成。其次,针对蚁群算法容易陷入局部最优以及收敛速度较慢等问题,对其进行改进。以改进人工势场算法规划出的路径启发蚁群进行路径搜索,从而避免算法早期由于盲目搜索而导致的路径交叉及收敛速度慢等问题,同时以收敛次数构建负反馈通道,使全局信息素和局部信息素的更新速率跟随收敛次数的变化自适应调节,从而保证了算法全程中收敛速度与全局搜索能力的协调与统一。最后,在Matlab中对本文算法、基本蚁群算法以及文献[23]所述算法分别进行仿真实验。结果表明:在相同的环境模型下,本文算法的收敛速度和搜索能力均优于另两种算法;在给定的简单环境模型下进行路径规划时,本文算法的迭代次数为3次,运行时间为0. 892 s,最优路径长度为28. 627 m;在给定的复杂环境模型下进行路径规划时,本文算法的迭代次数为8次,运行时间为3. 376 s,最优路径长度为31. 556 m,所寻路径对环境的覆盖率为73. 63%。     

基于不完全微分的模糊自适应PID算法速度优化控制系统设计

为提高平地机行走作业速度的控制性能,协调解决外界干扰信号对系统造成的影响以及行走作业速度精度滞后和不稳定性问题、将一阶惯性环节加入模糊自适应PID控制器的微分环节中,采用单片机作为行走作业速度的控制中心,提出了基于不完全微分的模糊自适应PID算法速度优化控制系统.最后通过Matlab的Simulink仿真软件,分别将不带PID控制、PID控制和不完全微分模糊自适应PID控制3种方式用于对人为给定速度干扰信号的控制仿真测试,验证了不完全微分模糊自适应PID算法的有效性和可靠性.