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。     

基于模型预测的插秧机路径跟踪控制算法

为了提高自动驾驶插秧机路径跟踪更高频的控制,本文提出一种基于模型预测的路径跟踪控制方法。以模型预测算法为基础设计自动驾驶控制器,通过简化农机车辆模型、线性化运动学方程、制定约束量,实现以当前状态量p=(x,y,θ)预测下一时刻的车辆状态,控制自动驾驶插秧机沿参考路径行走。通过在Matlab中建立仿真模型验证控制器的可行性,结果表明：直线路径跟踪横向偏差小于0.02m,航向偏差小于0.08°,曲线路径横向偏差平均值为0.022m、航向偏差平均值为0.699°,可用于实车试验。另外,以水稻插秧机为试验平台,通过设置不同车速验证算法的鲁棒性,直线路径跟踪平均横向、航向偏差分别为0.021m、6.187°,曲线路径跟踪平均横向、航向偏差分别为0.450m、10.107°,可满足自动驾驶插秧机路径跟踪精度及实时性需求,为农机路径跟踪控制研究提供了参考。     

基于路径规划与跟踪的自动泊车系统研究

为了降低泊车系统控制器的建模难度,更好地完成自动泊车操作,提高泊车控制器对环境的适应能力,通过对自动泊车流程和控制进行研究,采用路径规划与跟踪方法,设计了一种自动泊车系统。     

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MPC的插秧机路径跟踪控制算法研究

针对国内自动驾驶插秧机路径跟踪精度不高的现象,提出一种基于线性时变模型预测控制的路径跟踪方法。将建立的非线性插秧机运动学模型进行线性化和离散化处理,并基于此模型进行模型预测路径跟踪控制;建立以控制增量为状态量的目标函数;考虑系统控制量和控制增量的约束条件,将目标函数求解转为带约束的二次规划问题;采用内点法进行求解,将所得控制序列第一个元素作用于系统,并且不断重复以上过程实现最优控制。在MATLAB/Simulink环境下,搭建上述模型预测控制器系统仿真,并与路径跟踪效果良好的Stanley控制算法对比,结果表明,上述模型预测控制器优于Stanley控制算法。采用卫星信号接收机、电动方向盘和转角传感器,改造井关PZ60型插秧机,搭建插秧机自动驾驶试验平台,进行田间试验,试验结果表明,基于线性时变模型预测控制器能够使自动驾驶插秧机车速1 m/s时,有效进行路径跟踪,直线段跟踪误差最大2.02 cm,满足插秧机自动驾驶路径跟踪精度要求。     

无人驾驶铰接转向车辆路径跟踪控制研究综述

路径跟踪是无人驾驶技术的重要组成部分,是实现铰接转向车辆准确平稳自主行驶的关键,对提高铰接转向车辆在农业、林业、矿山及建筑等行业的作业效率和安全性具有重要意义。车辆模型构建、控制算法设计和算法验证评估是路径跟踪控制研究的基础,围绕这3方面阐述了铰接转向车辆路径跟踪控制研究的进展。首先回顾了铰接转向车辆的几何学模型、运动学模型和动力学模型,并讨论了各类模型在路径跟踪控制研究中的适用场景及局限性;在此基础上,阐述了铰接转向车辆路径跟踪控制算法的研究现状,对比并总结了每种算法的优缺点及适用范围,并进一步归纳了算法的验证与评估手段;最后展望了铰接转向车辆路径跟踪技术未来的研究重点及方向：考虑车辆动力学因素及模型参数动态时变特性的车辆建模研究;融合各类算法适应性并结合智能算法的多工况自适应控制算法设计;标准化、流程化的高保真仿真场景开发及集成准确性、稳定性、安全性等多性能的评估方法研究。     

基于可拓控制的无人驾驶车辆路径跟踪研究

为了提高无人驾驶车辆路径跟踪的精确性和稳定性,基于可拓控制原理设计了2种控制策略可切换的路径跟踪控制器。其中,初始偏差较大和低速时采用滑模控制策略,在充分保证跟踪精度时提高跟踪的实时性,高速时则采用带有约束控制的模型预测控制策略以提高车辆行驶的稳定性。最后通过搭建CarSim与Simulink联合仿真平台,在目标路径为双移线工况下进行不同车速的仿真。结果表明,所设计的可拓控制器能有效提高无人驾驶车辆的路径跟踪精度和稳定性。     

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。     

基于两阶段纯追踪模型的农用车辆路径跟踪算法研究

针对车辆自身加工、装配误差及轮胎侧滑等因素导致理论转向运动模型与实际转向运动模型不一致的情况,基于最小二乘法对车辆进行了转向运动模型辨识,得到了不同设定线速度下的转向运动模型。同时,为解决常规纯追踪算法计算得出的部分控制量无法使车辆转向系统作出响应,造成路径跟踪精度下降问题,提出了一种考虑横向偏差和横偏角的两阶段纯追踪算法,并针对两个阶段的切换提出了设置过渡区滞后切换策略。模拟环境S形路径跟踪实验表明,在行驶速度为0.6 m/s时,固定前视距离的纯追踪算法平均横向偏差为0.523 8 m,两阶段纯追踪算法为0.361 6 m,其跟踪精度提高30.9%,较固定前视距离的纯追踪算法具有更好的路径跟踪性能。采用滞后切换策略将两阶段的切换跳变率从2.18%减至1.16%,抑制效果提升46.8%。     

浅谈农用车辆自动导航驾驶系统及应用

农用车辆自动导航驾驶技术是精准农业工程中的关键技术,文中介绍了国内外农用车辆自动导航驾驶系统的发展现状,概述了系统的组成、工作原理、安装、使用方法及经济效益等,并对其工作过程进行了分析总结,旨在对农用车辆自动导航驾驶系统的应用提供思路与建议。     

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.     

基于位置信息融合的自动引导车路径跟踪研究

提出一种对自动引导车传感器测得的位置信息进行融合的方法，该方法克服了相对位置估计方法长时间精度低的缺点和绝对位置估计方法误差值偏大的不足，仿真结果表明，应用融合技术后，自动引导车的跟踪误差可限制在较小的范围之内，与不使用融合技术的自动引导车相比，其跟踪效果较好。     

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。     

一种稻田自主播种机的路径跟踪方法的研究

为了克服自主式水稻播种机在水田应用中的障碍，基于一种高精度的路径跟踪算法，结合侧向偏差和航向角偏差作为反馈，建立了非线性转向控制模型，对在泥泞不平的水田中直线行驶时的转向控制进行路径跟踪，且为了避免倾斜引起的位置误差，考虑了车辆倾斜时侧倾角和俯仰角对位置坐标的影响。田间试验表明：该算法的平均绝对横向偏差小于2.9cm,航向角偏差小于0.03°,能将横向偏差减小到0.5m以内的短距离，且超过95%的测量横向偏差绝对值小于0.01m,能够满足我国水田自主式水稻播种机的精度及农艺要求。     

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%。     

基于自适应预测步长的车辆主动转向跟踪控制

为提高智能车辆主动转向跟踪控制的跟踪精度、稳定性和实时性等问题,提出一种基于自适应预测步长的模型预测路径跟踪控制器,引入自适应预测步长功能函数,根据车速和参考路径的曲率动态调整预测步长。MATLAB和CarSim联合仿真结果表明:该控制器可降低横向跟踪偏差,在高速低附着和高速高附着工况下均保持车辆稳定性,相比于单一根据道路曲率动态调整预测预测步长的控制器,降低了60%的计算时间,提高了实时性。     

基于神经网络的农用车辆自动跟踪控制

跟踪控制器是农用车辆自动行驶控制的重要组成部分。将神经网络控制技术应用于车辆的自动行驶控制中,使得控制器具有良好的自学习功能,提高了控制器的环境适应能力和现场处理能力。在牧草地上的实车实验结果表明：车辆沿直线路径自动行驶时,95％的偏差绝对值小于5cm。     

农用车辆路径跟踪预瞄控制研究 —基于免疫模糊PID算法和视觉导航

在无人驾驶农用车辆过程中,由于作业环境的复杂性,往往会遇到一些突发状况,如急转弯或者突然出现障碍物等,目前的视觉导航技术一般都是获取路径信息后直接进行反馈调节,在遇到突发状况时难以有效的工作。为此,将跟踪预瞄加反馈控制器引入到了无人驾驶农用车辆自动导航系和控制系统中,并使用免疫模糊PID算法对控制系统进行优化,以提高控制的效率、精度及自动化程度。为了验证该方法的可靠性,模拟农用车辆的作业环境,对控制算法的精度和效率进行了验证。仿真结果表明:采用免疫模糊PID算法具有较高的控制精度,且运算效率高,如将其使用在农用车辆自动导航和控制系统中,对于提高导航的精度和智能化程度具有重要作用。