柴油机尿素SCR系统氨覆盖率跟踪控制器设计

柴油发动机尿素选择催化还原(Urea-selective catalytic reduction,Urea-SCR)控制系统以尿素的喷射量为控制输入,通过精确控制尾气后处理装置中氨的覆盖率,将尾气中有毒的氮氧化物还原成无毒的氮气和水。针对车载Urea-SCR系统具有非线性,干扰动态难以建模的特点,设计了工程中常用的前馈加反馈结构的2自由度控制系统。前馈控制器部分采用微分平坦方法,根据氨覆盖率的期望值,得到了前馈控制输入;在此基础上,将Urea-SCR系统在前馈控制输入的平衡点处进行泰勒展开,将尿素未转化量的建模动态及参数不确定性等考虑成幅值有界的扰动输入,进而设计了满足H∞性能指标的反馈控制控制器对氨覆盖率进行精确控制。最后,通过在发动机动力学仿真软件en DYNA中FTP75测试循环的仿真实验,验证了算法的跟踪性能和鲁棒性。     

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。     

扰动下农用运输车辆路径跟踪控制器设计与试验

为提高农用运输车辆路径跟踪的鲁棒稳定性,基于线性模型预测控制结合农用运输车辆特点设计了路径跟踪控制器。该方法首先将农用运输车辆的运动学模型进行离散化求解,推出误差模型作为控制器预测方程,为使农用运输车能够克服在田间行驶时的各种干扰,通过构建李雅普诺夫函数重点分析了该模型的鲁棒稳定性,得到控制周期约束条件,然后建立目标函数并引入松弛因子,最后把预测模型代入目标函数进行优化求解,重复以上过程,实现优化控制。Matlab仿真表明：当前轮转角扰动不大于15°及横向扰动不大于1.5m时,控制器可以迅速起到调节作用,使车辆快速回到参考轨迹上行驶。对应的场地试验结果表明：试验小车以2m/s的速度跟踪参考路径时,直线路段跟踪效果良好,最大横向偏差为10.57cm,均值为8.49cm;添加扰动路段的跟踪偏差较大,最大横向偏差为23.89cm,最大纵向偏差为62.53cm,但在控制器的控制作用下可以实现对路径的有效跟踪。由此可见,该控制器在速度小于等于2m/s的情况下,可以满足农用运输车辆对路径跟踪的精度与鲁棒稳定性要求。     

不同车速下自适应变化的路径跟踪控制研究

路径跟踪是自动驾驶汽车的核心技术,许多控制算法已被广泛应用于路径跟踪任务。为了提高路径跟踪在不同速度下的自适应能力,提出了一种结合预测轨迹和模糊控制的自适应Stanley路径跟踪控制器。参考人类驾驶员经验,模糊控制器根据车辆的横纵向速度实时调整预瞄距离,预测轨迹根据纵向速度实时调整预测时间进行提前控制。最后设计了自适应邻域的粒子群算法来对控制器参数进行优化。通过Simulink-CarSim的联合仿真验证,证明自适应Stanley控制器可以显著提高对不同速度的适应性和跟踪性能。     

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。     

同步转向高地隙喷雾机模糊自适应轨迹跟踪预测控制

为提高同步转向高地隙喷雾机轨迹跟踪的稳定性与鲁棒性,提出一种基于模型预测控制理论的模糊自适应轨迹跟踪方法。首先,基于刚体运动学以及几何约束推导出喷雾机的非线性运动学模型,并对该运动学模型进行简化;然后,基于简化的运动学模型建立喷雾机的状态预测模型;最后,结合实际工况设计了模糊自适应预测控制器。仿真试验表明：与传统的预测控制器相比,模糊自适应预测控制器的跟踪速度更快、稳定性更好。场地试验表明：在进行初始误差2.5、5m的直线轨迹跟踪以及无初始误差的圆形轨迹跟踪时,其平均误差分别为0.0442、0.0602、0.0901m。本文建立的喷雾机运动学模型可以很好地体现同步转向高地隙喷雾机的运动特点,设计的模糊自适应预测控制器可以保证喷雾机路径跟踪的准确性和鲁棒性。     

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。     

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。     

四轮移动机器人的模糊滑模轨迹跟踪控制

为了提高四轮移动机器人的轨迹跟踪控制性能,减弱滑模控制系统抖振,设计了一种易于实现且有较好轨迹跟踪控制效果的模糊滑模控制器。首先,以四轮移动机器人运动学模型为基础设计了一种含积分项的滑模控制器,然后引入模糊控制,采用模糊滑模变结构的控制策略调整切换控制的相关估计参数,最终设计了一种基于模糊滑模控制的四轮移动机器人轨迹跟踪控制方法。仿真结果表明,该轨迹跟踪方法可以有效消除系统抖振并提高控制性能。     

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%。     

基于启发式动态规划的履带机器人路径跟随控制方法

针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划（Heuristic dynamic programming, HDP）的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方程;其次,提出了一种基于HDP算法的路径跟随控制方法,综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络逼近评价器和执行器,并推导了网络参数的在线优化规则;最后,通过数值仿真和系统试验验证了HDP方法的路径跟随性能。试验结果证明,基于HDP算法的控制器跟随直线的平均误差绝对值为0.04m、均方根误差为0.06m;跟随钝角转向曲线的平均误差绝对值为0.01m、均方根误差为0.06m;跟随锐角转向曲线的平均误差绝对值为0.03m、均方根误差为0.09m。该方法不需要对控制参数进行反复调试就能够获得较好的控制效果,提高了移动机器人路径跟随控制方法的环境适应性和自主优化能力。     

农业机器人路径优化及轨迹跟踪研究—基于遗传算法

随着我国信息化水平的不断提高,以及机械自动化、计算机控制系统和测试计量行业的不断发展,移动机器人达到了一个全新的高度,智能机器人被广泛应用到农业生产、工业生产和高等研究等各个领域。在机器人众多研究问题中,路径规划和轨迹跟踪一直是比较复杂并较难解决的问题。为此,基于遗传算法,根据移动机器人工作特点和运动特性,采用几何法建立了机器人工作空间的环境模型,并对路径进行了有效编码,为机器人实时规划出无碰撞、路线短的全局路径,对其运动轨迹进行有效跟踪。仿真实验表明:所设计研究的机器人全局路径规划和轨迹跟踪技术具有较好的效果,其在行进过程中能及时、有效地避开前方障碍,可靠性强,稳定性好,应用前景非常广阔。     

基于文献计量的国际农业机械研究前沿

为系统分析国际农业机械领域的研究前沿,对该领域科技规划和科技决策提供支撑,利用文献计量方法和内容研判的定性情报研究方法,结合专家咨询,从基础研究和工程技术两个角度,揭示出农业机械研究前沿。其主要包括:①无线传感器网络、传感器设备系统算法及软件等农业传感器研究;②自主式农机、轮式移动机器人等农业机器人的导航控制、路径规划优化与追踪、运动与姿态控制及相关算法;③无人机的导航、制导与控制;④遥感技术和地理信息系统等领域。信息化、自动化和智能化是未来农业机械研发的主要方向。美国、意大利、中国、澳大利亚、西班牙和丹麦等国是重要的核心论文来源国。      

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。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题,提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上,分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律,实现混联机构的轨迹跟踪控制。由于控制器可调参数较多,采用粒子群算法进行控制器参数的寻优整定。仿真结果表明,所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

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。     

拖拉机自动驾驶系统上线轨迹规划方法

为解决现有拖拉机自动驾驶系统上线距离较长,且在上线目标点附近跟踪误差较大的问题,提出了一种基于量子遗传算法优化的B样条理论局部上线轨迹规划方法。综合考虑最大曲率约束、起止点航向约束和最大转向角约束,把最优轨迹规划问题转化为B样条控制点参数优化问题,采用量子遗传算法对目标函数进行寻优,从而求得距离最短的可行驶上线轨迹。设计了4种典型作业工况,仿真结果表明,对于不同作业工况,算法均可通过优化配置B样条控制点得到满足约束的上线轨迹,曲率和等效前轮转角变化平缓,有利于路径跟踪控制器进行曲线跟踪控制。田间试验结果表明,针对设计的复杂作业工况,单独采用纯追踪算法的上线距离为78.6 m,基于上线轨迹规划方法的上线距离为23.7 m,且后者在上线点附近的横向跟踪误差更小。