基于ICR的履带车辆路径跟踪与转向控制算法研究

针对丘陵山区单边制动农用履带车辆路径跟踪精度低、控制次数多、转向偏差大等问题,本文开展不同负载条件下履带车辆路径跟踪控制研究。首先,对履带车辆的转向运动学进行理论分析,并建立履带车辆运动学模型;其次,根据履带车辆单边制动转向特性,提出一种基于瞬时旋转中心（Instantaneous center of rotation,ICR）的大角度转向控制算法,该算法能够根据规划路径的转向点位置与履带车辆转向瞬心,规划出最优的转向目标点,并控制履带车辆在该转向目标点一次性转向到所需航向,与此同时,完成转向控制器设计;最后,开展履带车辆在3种不同负载条件下的仿真试验与田间试验。仿真结果表明,大角度转向控制算法产生的跟踪路径平均误差面积与平均转向控制次数分别降低68.95%、68.77%;田间试验结果表明,大角度转向控制算法产生的跟踪路径平均横向偏差均值、平均转向控制次数与转向点处平均最小偏差分别减少57.27%、33.93%、62.29%,且路径跟踪效果更优,验证了大角度转向控制算法的有效性。试验结果满足履带车辆路径跟踪的要求,为实现农用履带车辆的路径跟踪提供理论基础与参考。     

基于滑模变结构的农机路径跟踪控制算法研究

为提高农机路径跟踪时的精确性，提出了一种基于滑模变结构的路径跟踪控制算法，并运用滑模变结构算法设计了自动驾驶控制器，通过简化农机车辆模型与线性化二自由度模型，求解出滑模变结构控制器的控制规律。通过在Simulink与CarSim中建立联合仿真模型验证控制器的可行性，结果表明：基于滑模变结构的农机路径跟踪控制算法的车辆作业转弯时横向偏差可控制在0.45m之内，实际行走路径与预设路径基本吻合，较加入预瞄模块的PID控制算法控制精度得到提高，满足自动驾驶农机路径跟踪精度及实时性的需求，可为农机路径跟踪控制的研究提供参考。     

基于改进行车风险场模型的车辆避撞方法研究

为了提高车辆行驶的主动安全性,构建了分层控制框架,对车辆的主动避撞控制系统进行研究。上层轨迹重规划控制器基于改进的行车风险场模型对行车安全进行评估,以行车安全场场强为优化指标,求解得到一条期望行驶轨迹;下层轨迹跟踪控制器在充分考虑车辆动力学约束前提下,基于模型预测控制理论,设计目标函数并求解,得到前轮转角控制量并输出给车辆执行,实现轨迹跟踪;最后基于Car Sim/Simulink联合仿真平台对控制算法进行测试,验证其有效性。     

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。     

改进纯追踪模型的插秧机导航路径跟踪算法

关于纯追踪模型跟踪算法的研究很多,但大都集中在直线路径跟踪方面。由于插秧机田间行驶路径包括直线作业段和地头曲线转弯段,因此需要对传统的纯追踪算法进行改进,使其满足曲线路径跟踪。本研究以约翰迪尔Starfire3000型接收机、GS2630型显示器和ATU200型电动方向盘为主要硬件设备,针对给定的曲线路径,提出了一种路径跟踪控制算法,并通过模型仿真和田间试验相结合的方法,对该导航控制算法进行了验证分析。该导航控制算法的具体步骤如下:首先根据车辆速度和路径弯曲程度来动态调整前视距离,其次在利用预见控制求得车辆目标点的基础上,利用改进的纯追踪算法设计控制器,最后按照插秧机作业时的路径进行仿真和试验。试验结果为:车辆以1m/s的速度行驶且在转弯半径为0.9m时,最大误差可控制在16cm以内。     

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。     

插秧机导航路径跟踪改进纯追踪算法

插秧机田间行驶路径包括直线作业段和地头曲线转弯段,因此需要对传统的纯追踪算法进行改进,使其满足曲线路径跟踪。以约翰迪尔Starfire3000型接收机、GS2630型显示器和ATU200型电动方向盘为主要硬件设备,针对给定的曲线路径,提出了一种路径跟踪控制算法,并通过模型仿真和田间试验相结合的方法,对该导航控制算法进行了验证分析。该导航控制算法首先根据车辆速度和路径弯曲程度来动态调整前视距离,其次在利用预见控制求得车辆目标点的基础上,利用改进的纯追踪算法设计控制器,最后按照插秧机作业时的路径进行仿真和试验。试验结果表明,车辆以1 m/s的速度行驶且在转弯半径为0.9 m时,最大跟踪误差可控制在0.159 m以内。     

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。     

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%。     

基于预见位姿信息的铰接式车辆LQR-GA路径跟踪控制

针对铰接式车辆的特殊转向结构和行驶特性,为提高其路径跟踪控制精度和反应速度,提出了一种基于预见信息的线性二次型最优控制(Linear quadratic regulator,LQR)策略,并应用遗传算法(Genetic algorithm,GA)对状态量权重矩阵进行优化求解,获得最优LQR状态反馈控制器,实现铰接式车辆精确路径跟踪控制,由位置偏差、行驶方位偏差和曲率偏差来反映控制效果。ADAMS-Matlab/Simulink联合仿真结果:位置偏差为0.03 m,偏差误差为1.3%,行驶方位偏差误差为0.19%,曲率偏差收敛于0.003 m-1。联合仿真和试验验证结果表明,所提出的控制方法可有效提高控制精度,实现铰接式车辆的精确、稳定路径跟踪。     

基于履带式联合收获机转向特性的局部跟踪路径规划

为降低履带式联合收获机导航路径跟踪转向控制频率和提高控制系统的稳定性,提出了一种预瞄-切线局部跟踪路径动态规划算法。规划的局部跟踪路径由平滑连接的两段弧线组成,第1段圆弧由收获机当前位姿与1/2横向偏差线上的预瞄点确定,第2段圆弧由收获机在1/2横向偏差线的实际位姿与期望路径的几何关系确定;基于收获机实际转向运动特性建立了相适应的转向控制模型,左转、右转控制模型拟合的决定系数R2分别为0.978、0.980。田间直线导航跟踪对比试验表明：当前进速度为0.4、0.8m/s时,横向偏差的标准差分别为0.0489、0.0507m,航向偏差的标准差分别为3.94°、4.66°,转向控制次数分别为19、12次;与传统纯追踪算法相比,横向偏差的标准差分别减小19.04%、31.30%,航向偏差的标准差分别减小25.94%、9.16%,转向控制次数分别减少47.22%、42.86%。本研究可为履带式农机车辆导航控制器设计提供参考。     

基于模糊控制的农用车辆路线跟踪

构建了自动导航模糊控制器,并详细阐述了基于模糊控制的自动转向方法.在改装的电瓶车上,开发了基于DGPS、电子罗盘和角度传感器的自动导航控制系统,并论述了其结构和工作原理,提出了直线跟踪和曲线跟踪的方法,使用简化的二轮车运动学模型进行了仿真,并进行了直线跟踪和曲线跟踪试验.仿真和试验结果表明,此导航控制系统可以有效地控制电瓶车按预定的路径行走.当速度为1m/s,直线路径跟踪时的最大偏差为0.19m;当速度为0.8m/s,曲线路径跟踪时的最大偏差为0.26m.     

基于微分几何的E-ECHPS车辆转向稳定性控制

为了提高装备电控液压助力转向系统(E-ECHPS)的车辆高速紧急转向稳定性,提出了基于微分几何的线性参考模型反馈跟踪控制策略;建立了包括整车动力学模型、轮胎模型、转向系统模型和ESC模型的非线性动力学模型,通过整车试验和台架试验验证了模型的正确性;推导了系统的仿射非线性状态方程,考虑到轮胎、液压系统和ESC的非线性,运用微分几何理论对系统进行精确线性化得到输入输出伪线性系统;建立了包含转向系统的线性参考模型,为了实现对线性参考模型理想状态的跟踪,构造了反馈跟踪控制器;以方向盘转矩为输入进行了有控制和无控制下的阶跃转向仿真和单移线仿真,结果表明:施加反馈跟踪控制可以显著提高车辆在高速紧急转向工况下的操纵稳定性,为E-ECHPS系统的控制策略设计提供了理论依据。     

基于神经网络非线性模型的线控转向系统控制

进行汽车线控转向系统动力学分析及控制算法研究,需考虑动力学模型的非线性。首先建立基于魔术公式轮胎模型的非线性二自由度整车模型,然后基于神经网络方法训练逼近映射汽车模型输入与输出的关系,最后采用模糊控制方法由车速、转向盘转角等得到转向传动比控制算法。结果表明,基于神经网络的非线性整车模型与样本数据较好吻合,满足研究需要。转向传动比模糊控制算法考虑了转向轻便性和稳定性,提高了汽车操纵稳定性。     

铰接式车辆高速直线行驶动态仿真

将铰接式车辆简化为6个自由度的动力学系统，建立了动态数学模型。该模型可用于分析、研究不同车速下铰接式车辆的结构参数、液压转向系统参数及轮胎特性等对其直线行驶动态特性的影响。利用该数学模型编制了仿真程序，并在计算机上分析、计算了铰接式车辆基于时间参数的动态特性。     

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。