基于回归算法的自动引导车跟踪控制

提出了一种跟踪控制效果好、适应性广的自动引导车跟踪方法。以自动引导车的动力学模型作为系统的被控对象，通过回归算法对系统以前的输入和输出跟踪误差信号进行运算来反复调整输入量，使得系统在经过一定次数的迭代以后，其实际输出趋于期望输出。仿真与试验结果均表明，装有此系统的自动引导车能够很好地跟踪给定的路径，验证了所提方法的正确性和有效性。     

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。     

基于硬件在环仿真实现的纯跟踪轨迹控制

在传统验证平台一般都是利用Simulink+Carsim进行联合仿真,缺少在Ros中的调试,这样与实际情况不符.将在搭建Ros+Carsim+Simulink硬件在环环境中进行纯轨迹跟踪的验证.实验结果中设计轨迹与真实轨迹吻合度较高,即该仿真平台可以作为轨迹跟踪实验的实验平台.     

自动驾驶拖拉机轨迹跟踪研究

为解决自动驾驶拖拉机的轨迹跟踪问题,本文以东风954拖拉机为原型,建立二自由度运动学模型,推导出线性化自动驾驶拖拉机跟踪误差模型,提出一种基于模型预测控制的轨迹跟踪方法。通过Matlab对轨迹跟踪进行仿真,并在现场对系统进行试验。仿真结果表明AB线的入线性能良好,入线后直线度偏差较小。现场试验表明前进和倒车时,与参考轨迹线距离相同时,速度越快,入线米数越远。在不同车速、车身与参考轨迹成不同角度时,入线后跟踪轨迹与参考轨迹的偏差都在1 cm以内,证明该控制器可行,具有良好的精确性和稳定性。     

基于参考轨迹实时修正的机器人轨迹跟踪控制方法

针对动力学不确定性的机器人轨迹跟踪问题,本文提出一种基于参考轨迹实时修正的机器人轨迹跟踪控制方法。将轨迹跟踪中已产生的误差进行累加,实时前馈补偿到参考轨迹上即将被跟踪的点上。给出了该方法的控制框图,由控制框图导出跟踪误差与命令误差之间的关系式。关系式表明只需控制器中的控制算法保证速度误差稳定,即可保证跟踪误差收敛。此外,提高补偿增益的值可以提高误差的收敛速度。分析PD控制律能满足所提方法的收敛条件。给出了所提方法中参数的调节方案。通过仿真和实验验证了该方法的有效性。实验结果表明,各个关节跟踪轨迹1得到的误差绝对值均不大于0.008 7 rad;跟踪轨迹2得到的误差绝对值均不大于0.005 9 rad。     

基于动力学模型的自动引导车智能导航控制研究

提出了一种基于动力学模型的智能控制方法，将导航系统得到的信息输入智能控制器，由它输出自动引导车动力学模型所需要的控制量。因为该控制器记忆了自动引导车的动力学特性，所以使用此智能控制器的自动引导车能够较平稳地避开动态和静态障碍物。仿真实验结果表明，装有此系统的自动引导车能有效避开动态和静态障碍物，安全、可靠、平稳地驶向指定的目标，从而验证了本文提出的方法是正确和有效的。     

基于轮速控制的移动机器人轨迹跟踪控制算法

滑移转向是移动机器人应用最广泛的转向方式。针对采用滑移转向方式的移动机器人轨迹跟踪中由于纵向滑移而导致跟踪误差大的问题,提出一种以两侧驱动轮转速为控制量的转向控制方案,并利用Back stepping方法与李雅普诺夫稳定性判据为依据设计滑移参数自适应律。为验证所设计的轨迹跟踪算法的有效性,在Matlab/Simulink软件中搭建移动机器人和路面模型,并进行仿真分析。仿真结果表明,所设计的轨迹跟踪控制算法能够准确地估计滑移参数并实现轨迹跟踪。     

基于遗传算法的自动引导车自适应变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法的变结构控制方法.利用遗传算法在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效改善了系统的控制品质,使系统最终以理想方式在滑模面上运动.试验表明直线跟踪误差为±0.02 m,曲线跟踪误差为±0.03 m,没有出现抖振现象.     

基于滑模控制的半挂汽车倒车轨迹跟踪

针对半挂汽车自动倒车时的轨迹跟踪问题,建立了铰接式半挂汽车在极坐标系下的车辆非线性运动学模型.为简化求解过程,以半挂车期望路径的弧长作为新的时间量标,通过准确线性变换方法对建立的系统模型进行线性化,设计了滑模变结构控制器.为保证半挂车快速趋近期望路径同时削弱抖振,采用指数趋近律的方法和准滑动模态控制,采用极点配置法选取...     

基于卡尔曼滤波离散滑模控制的明轮船直线跟踪

针对明轮船作业过程中风、浪等引起的低频扰动,为了节约能源、降低由扰动引起控制系统的主动动作频次、延长明轮船续航时间,实现明轮船的高精度导航控制,降低风浪干扰的影响,提出基于卡尔曼滤波的离散滑模控制方式。通过建立水动力模型和偏航角动态响应模型,计算离散滑模控制的增益系数。经过仿真验证与实船试验,并与PD控制方式的效果进行对比,最大超调量比PD控制方式减小25%,调整时间减少50%,航迹偏差低于10 cm。基于卡尔曼滤波的离散滑模控制方法实现了高精度的明轮船直线航迹跟踪,且明轮船的航行过程更加平稳。     

基于卡尔曼滤波器的半主动悬架仿真和试验

设计了Kalman滤波器来估计悬架的相对速度和绝对速度,采用天棚控制算法,建立了基于观测器的1/4车辆半主动悬架天棚控制器。仿真结果表明,所设计的Kalman滤波器能较好地估计被控悬架的绝对速度和相对速度。建立了1/4车辆半主动悬架测控试验系统,对基于观测器的半主动悬架天棚阻尼控制进行了试验验证。试验表明,观测器可以较好地估计悬架的状态,对比被动悬架,基于观测器的磁流变半主动悬架天棚控制器提高了行驶的平顺性。     

车辆电动转向系统的卡尔曼滤波模糊PID控制

通过对车辆动力转向系统的动力学分析,建立了动态数学模型。为了克服单独使用PID控制和模糊控制时的问题,提高控制系统的响应速度,减小超调量,减小稳态误差,设计了模糊控制和PID控制相结合的多模态控制器,实现了分段控制;并由卡尔曼滤波对控制信号进行滤波处理,减小路面随机干扰和传感器测量噪声的影响,从而进一步提高了控制效果。仿真和试验结果表明,该控制方法能够明显改善控制性能。     

基于Kalman滤波的田间导航车辆定位校正方法研究

以装载了RTK-DGPS导航系统的KUBOTASPU-68水田插秧机为试验平台,以姿态测量系统提供载体姿态信息,研究农业机械导航的姿态校正方法。在分析车载GPS倾斜误差产生原因基础上,提出了采用多传感器联合测量载体姿态角以提供校正信息。采用MEMS传感器集成模块ADIS16355作为惯性测量单元,卡尔曼滤波实现传感器信息融合以计算姿态角,设计了姿态测量系统。阐述了两种传感器融合测量实时姿态角的算法,基于ARM7Cotex-M3微处理器设计了姿态测量系统硬件。     

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Kalman滤波农用车辆导航定位方法

因RTD-GPS定位精度不能满足农田导航作业的需要,研究了一种提高农用车辆自动导航定位精度的方法.建立天线补偿模型,对GPS天线晃动引起的误差进行了补偿;建立基于Kalman滤波模型,融合多传感器信息;使用自主开发的基于VRS的GPS接收机,作为RTD-GPS.将RTD-GPS、电子罗盘以及速度传感器获得信息进行Kalman滤波,其结果和高精度GPS数据进行了比较.实验证明,直线跟踪中,平均偏差由1.6019m减小到0.597m;曲线跟踪中,平均偏差由1.2085m减小到0.4861m.     

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。     

基于扩展卡尔曼滤波的车辆质量与道路坡度估计

针对车辆自动变速器控制系统难以实时测得车辆质量与道路坡度参数这一问题,运用最优估计理论,以车辆纵向动力学模型为基础,建立系统的状态空间模型,运用前向欧拉法将过程方程离散化,进一步对非线性过程方程进行近似线性化,获得过程方程向量函数的Jacobian矩阵,实现了基于扩展卡尔曼滤波(EKF)的车辆质量及道路坡度估计算法。在Matlab/Simulink仿真平台下,进行了实车道路试验数据的离线仿真。仿真结果表明,该算法可有效估计车辆质量及道路坡度,能够满足车辆自动变速器控制系统的要求。     

神经网络与计算力矩复合的机器人运动轨迹跟踪控制

为了实现机器人精密运动控制,在其关节系统引入计算力矩法(CTC)与神经网络复合的控制器,旨在通过CTC实现系统的初步控制并利用神经网络补偿机器人的不确定动力学特性所带来的运动误差.首先,建立了机器人的动力学模型并对其不确定性动力学量进行了描述;然后,为机器人构建了双闭环控制系统,并依据机器人标称模型规划出CTC控制律;进而,引入函数链神经网络(FLNN)对不确定性动力学量进行估值,并推导出FLNN的学习律;最后,对系统进行了仿真,结果显示,该复合控制器可将关节位置和速度跟踪误差控制在±0.001 rad和士0.001 rad/s之内,且其对机器人的参数变化及外部扰动具有较强的自适应性与鲁棒性.     

差速转向农业专用AGV小车的设计与模糊控制研究

农业专用自动导引小车(AGV)作为农业作业的通用运载平台,是针对具体应用环境而设计的特定用途机器人,已成为农业自动化的一个重要发展方向。为此,介绍了一种基于多轴运动控制器的现代农业自动化AGV小车。同时,针对差速转向驱动型AGV小车路径跟随问题,首先对该AGV系统进行了理论分析和运动学建模;然后应用模糊控制理论,设计了以距离偏差和角度偏差为输入、左右驱动轮速度差为输出的模糊控制器;最后,在Mat Lab/Simulink环境中进行仿真验证。仿真结果表明:设计的模糊控制器在直线和圆周路径上跟踪性能明显优于常规PID控制器,其有效性和可行性得到了验证。