基于自适应MPC的拖拉机路径跟踪控制方法

针对传统模型预测控制(Model Predictive Control, MPC)无法适应拖拉机田间作业工况复杂性的问题，提出了一种基于自适应时域MPC的路径跟踪控制算法。首先，基于拖拉机运动学建立线性时变车辆误差模型；然后，根据拖拉机实时速度和参考路径曲率，利用模糊控制算法确定当前最优预测时域和控制时域；最后，结合MPC算法控制拖拉机跟踪预先设置好的参考路径。实车试验表明：拖拉机路径跟踪横向误差绝对值均值<0.03m,直线段横向误差绝对值<0.07m,曲线段横向误差绝对值<0.15m,且路径跟踪控制器能够保证拖拉机在5s以内准确、快速地跟踪预先设置的参考路径。     

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%。     

无人驾驶拖拉机路径跟踪联合控制研究

为实现无人驾驶拖拉机的路径跟踪控制,提高其智能化水平,以中国·徽拖HT1804F型拖拉机为研究平台,建立拖拉机-路径侧向动力学模型,采用滑模控制方法设计了一种基于横向偏差和航向偏差的拖拉机路径跟踪联合控制算法,然后基于CarSim与Simulink设计了联合仿真试验.结果表明,该路径跟踪联合控制算法能够使拖拉机稳定、精...     

基于模糊Stanley模型的农机全田块路径跟踪算法研究

为实现农业机械全田块高效自主作业,提出一种增益系数自适应的Stanley模型路径跟踪算法。以横向偏差和航向偏差为输入变量构建隶属度函数,设计模糊推理和解模糊化过程实时确定控制模型增益系数,提高Stanley模型对不同曲率路径的自适应能力。为验证所提算法有效性,以移动小车为平台开展联合收获机回字形全田块自主作业路径跟踪试验,结果表明所提算法显著改善Stanley模型路径跟踪精度,直线作业速度2.5m/s、转弯速度1m/s时,直线段和曲线段最大跟踪误差均小于3cm。大初始横向偏差路径跟踪试验表明,模糊Stanley模型较Stanley模型大幅度减小路径跟踪上线距离,满足农业机械全田块高效自动导航作业要求。     

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。     

基于位姿状态的全向运行型AGV路径跟踪优化控制方法

自动导航车自主移动的关键是精准的路径跟踪,针对Mecanum轮全方位移动AGV的路径跟踪,提出了一种基于位姿状态和有限控制步数的路径跟踪优化控制方法。在系统约束条件下,通过建立系统的运动学模型,将连续的系统离散化。在目标函数中只包含速度控制量,同时通过最小化目标函数,得到系统控制量的控制序列,从而避免了最优控制的加权矩阵选择难的问题。此外,有限步的控制序列也有利于实时嵌入式控制器的滚动控制。仿真和实验表明,对于不同速度,该算法均能快速、同步、稳定地消除位姿偏差,且计算量小、方便。     

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。     

基于改进粒子群算法的小麦收割机路径优化控制研究

为了实现小麦收割机的路径优化控制,文章利用改进粒子群算法对其进行优化控制.首先,构建了小麦收割机调度优化模型;其次,构建了改进粒子群算法的基本模型;最后,对其进行了仿真分析,仿真结果表明,改进粒子群算法能优化小麦收割机的路径.     

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。     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法.该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度.农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性.     

高地隙四轮独立驱动喷雾机路径跟踪模型预测控制

针对传统燃油驱动、前轮转向的高地隙喷雾机传动效率低、碳排放高、环境污染、智能化水平低、灵活性差等问题,本研究提出了一种适用于无人驾驶的高地隙四轮独立驱动（Four Wheel Independent Drive,4WID）喷雾机。其采用混合动力、前后双转向桥的4WID,转向半径小,前后轮的运行轨迹高度一致,能够减少田间植保作业时的压苗现象。考虑水田极端作业环境下驱动轮的滑移、陷坑等问题,基于喷雾机线性时变的运动学模型（LTV）,构建了考虑驱动轮滑移的分层路径跟踪控制。上层模型预测控制（Model Predictive Control,MPC）器根据预期路径、车辆当前位置,获得喷雾机的转向角和运动速度,实现路径跟踪。下层以模糊控制和积分分离PID控制构建驱动轮滑移控制器,从而实现路径跟踪、运动速度、驱动轮滑移的有效控制,提高了喷雾机在复杂作业环境中的稳定性和路径跟踪精度。采用Adams/Matlab的联合仿真结果表明,在复杂的工况条件下,喷雾机驱动轮的滑移率依然控制在±20%之内,防止驱动轮发生过度滑移对车速和转向角产生不良影响,有利于喷雾机稳定性的提升。本喷雾机能够快速准确地跟踪期望路径,与未考虑驱动轮滑移的控制相比,能够适应更加复杂的工作环境,跟踪精度有明显提升。     

基于预瞄模型的农机路径跟踪模糊PID控制方法

为提高农机路径跟踪控制性能,提出一种基于预瞄模型的模糊PID控制方法。首先,以农机预瞄模型中的预瞄航向角偏差为输入、前轮转角为输出构建农机路径跟踪PID控制律,再将预瞄航向角偏差作为航向角变化量的目标值引入农机运动学模型,得到能够适应速度变化的前轮转角基础值,并替换PID控制律中的比例部分,最后使用模糊控制实时动态调整控制参数。CarSim/Simulink联合仿真分析表明：当初始横向偏差为3m时,在作业速度为1.5m/s、2m/s、3m/s情况下,农机上线时间分别为10.85s、8.35s、5.15s,横向偏差均方根值最大不超过0.025m。与传统预瞄控制相比,本文方法在保持跟踪精度的同时能显著提高系统的响应速度。     

基于动态前视距离纯追踪模型的温室农机路径跟踪研究*

为提高温室内智能农机自动导航的路径跟踪精度,提出一种基于粒子群算法的纯追踪模型动态前视距离确定方法及其路径跟踪控制方法。利用超宽带(UWB)模块和电子陀螺获取温室内智能农机的位置偏差和航向偏差;为提高纯追踪模型的自适应能力,对农机位姿偏差进行定量分析并根据位姿偏差程度构建适应度函数,通过粒子群优化(PSO)算法实时确定纯追踪模型中的最优前视距离,为提升算法求解效率对惯性权重系数进行改进;根据农机位姿偏差程度构建速度控制函数对农机进行变速控制。样机试验结果表明:在3种初始状态下的直线路径跟踪时,平均偏差均值为24.4 cm,稳态偏差平均值为4.3 cm,导航时间平均值为13.2 s,稳定距离平均值为318.1 cm。路径跟踪的各项指标均优于同等条件下的恒速固定视距试验。     

基于非线性模型预测控制的移动机器人实时路径跟踪

针对移动机器人路径跟踪模型预测控制中,存在线性化预测模型削弱控制器对参考路径曲率突变和航向突变响应能力的问题,从非线性模型预测控制出发,提出了两种实时性优化方案,即减少控制步数或降低控制频率。仿真与实验结果表明,采用减少控制步数或降低控制频率方案优化后,非线性模型预测控制器在每一控制周期内的解算时间小于控制周期;减少控制步数相比降低控制频率或线性化预测模型具有更小的横向误差和航向误差,可以更好地保证控制器在跟踪曲率、航向变化较快的参考路径时的控制精度。因此,相比其他实时性优化方案,减少控制步数更加适用于农用机器人等对灵活性要求较高的移动装备。     

基于粒子群算法改进的轮式收获机纯追踪模型的路径跟踪研究

为满足轮式收获机地头收获路径跟踪精度要求,本研究提出了一种基于粒子群改进的带有预测特性的纯追踪路径跟踪算法。建立了轮式收获机运动学模型,推导了基于轮式收获机运动学模型的纯追踪路径跟踪算法。以收获机航向误差和横向误差为基础,构建了带有预测特性的隶属度函数,采用权重系数自适应方法,通过粒子群优化（PSO）算法,实现了实时动态确定最优前视距离。以玉米收获机为试验平台,开展了直线路径跟踪路面试验与“8”字曲线路径跟踪路面实验,试验结果表明：在1.5m/s速度时,直线路径跟踪的最大横向误差为4.39cm,最大航向误差为2.31°。在1m/s时,曲线路径跟踪的最大横向误差为5.24cm,最大航向误差为2.41°。试验结果表明本文设计改进的路径跟踪算法对直线路径及曲线路径都具有良好的路径跟踪效果,满足轮式收获机田间作业要求。     

自动导引车视觉导航的路径识别和跟踪控制

视觉导航AGV利用机器视觉获取路径信息.经图像处理得到导航参数.为保证路径识别的鲁棒性和实时性,对路径图像进行滤波、二值化、数学形态学运算和实时性处理;并设计了PID控制器,根据导航参数控制电动机以实现AGV对路径的跟踪.仿真和实验结果表明.采用此种图像处理和控制方法的AGV具有较为准确和可靠的路径识别和跟踪效果.     

多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

基于模糊控制的插秧机LQR曲线路径跟踪控制器优化方法

为了提高无人插秧机地头转向时的曲线路径跟踪精度,针对传统的误差权重矩阵固定的线性二次调节器（Linear quadratic regulator,LQR）路径跟踪控制器对插秧机的纵向速度、横向偏差以及航向角偏差的变化适应性较差的问题,基于车辆二自由度动力学模型,提出了一种通过模糊控制实时调整LQR控制器误差权重矩阵的路径跟踪控制器优化方法。该方法以纵向速度、横向偏差、航向角偏差为输入,以横向偏差和航向角偏差对应的误差权重为输出,建立模糊控制模型实时调整LQR控制器的误差权重矩阵。为了验证所提出算法的曲线路径跟踪控制精度和可行性,以改装后的洋马VP6E型无人插秧机为对象,进行Carsim和Simulink联合仿真试验以及实车试验。仿真试验结果表明,控制插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下的横向偏差绝对值均值为0.014m,最大值为0.032m,小于0.04m的占100%,航向角偏差绝对值均值为1.67°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低50%,航向角偏差绝对值均值降低23%。实车试验结果表明,在插秧机跟踪半径为2m的1/4圆弧路径时,所提出算法控制下横向偏差绝对值均值为0.027m,最大值为0.048m,小于0.04m的占62%,航向角偏差绝对值均值为1.86°,最大值为4.94°,相较于传统引入前馈控制的LQR控制器,横向偏差绝对值均值降低40%,航向角偏差绝对值均值降低4.1%。该方法提升了无人插秧机曲线路径跟踪控制精度,为无人插秧机曲线路径跟踪控制提供了参考。