袁合[1]2013年在《折臂式高空作业车轨迹规划与控制研究》文中指出高空作业车是将人及附属设备运送到指定位置作业的工程机械设备,它在基础设施建设及工业生产中有广泛的应用。随着社会对劳动安全更加重视及劳动力成本的增加,提高高空作业车作业效率,实现高空作业车自动化控制的问题引起国内外专家学者的广泛关注。高空作业车的轨迹规划与控制是实现自动化控制的基础。本文以折臂式高空作业车为研究对象,应用机器人学理论,通过建立其运动学模型,实现了作业平台的轨迹跟踪控制。为解决折臂式高空作业车臂架液压系统控制精度低,控制存在滞后问题,本文建立了臂架液压控制系统的数学模型,针对该模型设计自整定模糊PID控制系统,在MATLAB/Simulink环境下,对控制系统进行仿真分析。具体来说,本文的主要工作包括以下四个方面:(1)介绍了折臂式高空作业车主要部件的作用和特点,建立了臂架系统的运动学模型,通过D-H法求出折臂式高空作业车臂架系统的运动学基本方程,对其进行运动学正问题求解,通过几何法对折臂式高空作业车的运动学逆问题求解。(2)介绍了轨迹规划的概念及规划策略,给出了折臂式高空作业车轨迹规划的具体方法,在工作平台轨迹确定的前提下,借助折臂式高空作业车的运动学求解结果,得到了工作平台在水平运动和竖直运动两种常用工况下各级变幅油缸的运动曲线。为实现常用工况下的自动化控制提供参考。(3)用传递函数法建立了折臂式高空作业车臂架控制系统的数学模型,并通过Bode图分析模型的稳定性,通过输入阶跃信号分析模型的动态性能。(4)介绍了PID控制的原理和参数整定方法,对折臂式高空作业车臂架系统的控制模型进行PID控制,并在MATLAB/Simulink环境下对控制效果进行分析。针对控制效果的缺陷,提出自整定模糊PID控制。对模糊控制的原理进行介绍,阐述了折臂式高空作业车模糊控制器的控制原理,在MATLAB环境下设计了折臂式高空作业车的自整定模糊PID控制器,并对控制效果进行仿真分析。
院老虎[2]2010年在《六轮非对称月球车运动控制方法及参数辨识研究》文中研究指明月球车是月面探测的先行者,主要完成对月面环境的探测、考察和样品的收集与分析等任务。其合理的机构设计和优良的运动控制是保证完成月球探测任务的关键。计算机技术、通讯及自动控制技术的发展为月球车的开发和研究提供了更广阔的发展空间,而作为技术核心的运动控制技术已成为月球车技术研发的焦点。本文提出了具有自主知识产权的差速六轮不对称结构月球车新构型,对该构型月球车运动控制中的运动学建模、轨迹跟踪、驱动控制、以及运动参数辨识技术进行了深入的研究。在分析和比较现有月球车(行星车)结构特点的基础上,提出了一种六轮不对称的超静定月球车新构型,建立了基于崎岖和平坦地形特点的两类运动学模型。该月球车六个车轮非对称分布于车体两侧,摇臂通过扭簧和车体相连,并可自由抬起。车轮的非对称分布有利于月球车越过大于车轮直径的直壁沟壑和攀爬高度大于车轮半径的障碍物。摇臂采用主动控制方式,在车轮发生打滑时仍可为车体提供牵引力,提高了月球车崎岖地形的可通过性。针对该月球车特殊的结构特点,运用多体系统运动学原理结合坐标转换,建立了基于崎岖地形的运动学模型,并通过Matlab仿真验证了该模型的正确性;同时,在分析月球车平面运动特点的基础上,建立了平坦地形的运动学模型,并对车轮滑移(纵向滑移和侧向滑移)现象进行了详细的分析。针对月球车运动学模型满足非完整约束和不满足非完整约束的控制问题,分别设计了两种基于滑模变结构控制的月球车轨迹跟踪控制律。对于满足非完整约束且不考虑车轮滑移的控制问题,通过合理选择切换函数,在保证滑动模态存在并稳定的基础上,采用后退方法的思想,设计了具有全局渐进稳定的滑模变结构轨迹跟踪控制律。对不满足非完整约束并考虑滑移的轨迹跟踪控制问题,利用微分同胚原理,将月球车运动学模型转化为受扰的链式系统,通过定义一个新的时变滑模面,设计了满足Lyapunov稳定、有限时间收敛的滑模变结构控制律。理论分析和仿真实验表明两种控制律有效可行,实现了月球车的轨迹跟踪控制。为解决月球车在复杂月面环境下的驱动控制问题,提出了一种基于改进遗传算法整定PID滑模面参数的变结构控制算法。基于对传统遗传算法中的种群多样化和适应度标定两方面考虑,通过分别定义相似度R和适应度标定函数的方法,来增加种群多样性和防止局部最优,有效地提高了遗传算法的全局稳定性和优化速度。基于此,提出了一种通过改进遗传算法对PID滑模面参数进行整定的滑模控制器,解决了月球车驱动控制中由于月面的外部扰动而引起的不确定性控制问题,仿真和实验验证了该方法稳定可行。为了在月面复杂的轮-地相互作用和运动学限制条件下,实时地估计轮-地接触角和滑移量,保证月球车精确的引导和安全的行走,提出了一种基于离散Kalman Filter构造观测器在线识别滑移量和轮-地接触角的新方法。该方法在对月球车视觉导航数学模型进行分析的基础上,将驱动和导航整合构成闭环系统,考虑月球车的滑移并引入轮-地接触角变量,建立了带有滑移和接触角的运动学方程。通过将实时测量的月球车运动过程质心的数据带入方程中,借助离散化的Kalman Filter递推技术在线识别了滑移量和接触角。仿真和实验结果表明,该方法提高了控制精度,可保证月球车准确、安全的行走。开发了六轮不对称月球车的运动控制硬件平台和地面试验系统的软件测试程序。针对本实验样车的结构特点,进行了过沟、越障、爬坡和轮-腿折迭等基本运动性能的测试。针对月球车行进过程中出现的车轮滑移,完成了参数辨识滑移补偿多轮协调轨迹跟踪实验,滑移问题得到较好的控制。针对月球车爬坡过程的牵引力不足问题,完成了牵引力实时预测及自主恢复实验,预测结果可作为驱动控制器不确定量上界。
王政[3]2016年在《智能车辆自主换道方法的研究》文中认为随着汽车智能化相关技术的研发和应用,人们对传统汽车的认识和驾驶方式逐渐发生了改变。智能车辆最终的目标是将“人-车-环境”的闭环系统变为“车-环境”系统,也就是说智能车辆利用环境感知、电子信息和智能控制等技术自主完成交通环境中常见的驾驶操作,以避免因驾驶员的疲劳、不良驾驶习惯、分神和驾驶技术不足等造成的交通事故或交通堵塞。汽车变更车道是最常见的驾驶行为之一,也是最容易引发事故或道路堵塞的行为之一,智能车辆自主换道关键技术研究的目的就是为了使车辆自主进行的车道变换操作比驾驶员的操作更具效率、合理性、安全性、舒适性。本文的研究工作属于智能驾驶技术探究的范畴,主要是针对高速动态环境下车辆自主换道方法进行研究,目前在复杂多变的真实交通环境中要想使智能车辆自主行驶能达到成熟驾驶员具有的智能、可靠的程度还有待时日。车辆在实际的变换车道过程中,换道持续时间比较短,车辆的速度一般保持稳定,不会有大的波动,为了便于研究,暂不考虑对车辆纵向速度的控制。首先对智能车辆自主换道的决策进行初步的研究。通过对驾驶员换道特性的分析,引入车辆速度和空间期望的概念,考虑安全性和个性化对智能车换道决策模块进行初步设计。在车辆的换道轨迹规划方面,基于多项式来描述轨迹的方法比较多,但是在常见的规划算法中车辆的起始点和目标点是确定的,较少考虑规划过程中交通环境的变化;路径规划最早起源于机器人的研究,然而汽车的尺寸较大,多数传统的轨迹规划方法将其简化为质点只考虑平动不考虑转动,会带来比较大的轨迹误差;当车辆的速度较高时,不考虑车辆的动力学特性也会有很大误差。本文首先分析换道轨迹的特点,利用多项式生成换道轨迹簇,再综合考虑车辆的安全性、稳定性、合法性、舒适性、经济性等性能指标,筛选出最优换道轨迹;考虑到交通环境是动态变化的,因此对交通车轨迹进行预估,在此基础上建立搜索空间,然后利用简化的二自由度稳态动力学模型作为轨迹发生器得到局部区域的轨迹簇,在搜索空间中对轨迹簇中的轨迹的进行评价,剔除有碰撞可能的轨迹,以最优换道轨迹为目标选择出车辆考虑多目标约束的最终换道轨迹,此轨迹是在换道过程中实时动态产生。对于换道轨迹跟踪控制,传统的控制方法对环境和参数的依赖程度较高,当环境有较大动态变化的情况,一些跟踪控制方法不能很好的适应;在智能车辆行驶过程中存在着运动学的约束和执行机构的约束,在高速状态下还需要考虑动力学约束,还有一些道路物理限制如地面摩擦力、最大横向位移等。传统控制算法较难对这些约束进行处理。本文利用模型预测控制具有对未来轨迹的预测和较强的处理多目标约束的能力,合理建立换道过程中的约束条件,设计控制器,实现车辆的换道操作。最后利用实验室研发的虚拟仿真验证平台Panosim中搭建仿真环境,验证本文所研究的自主换道方法的有效性和可靠性。
缪志强[4]2016年在《自主移动机器人运动控制与协调方法研究》文中指出自主移动机器人是一个集环境自感知、动态决策与规划、行为控制与自执行等多功能于一体的综合智能系统。移动机器人与工业机器人的不同之处在于它具有自主移动的能力,因而广泛应用于工业、国防和太空探索等领域。运动控制是移动机器人完成其他复杂任务的基本要求,是移动机器人系统研究中最基本的问题。机器人运动控制是指利用实时反馈的自身状态信息,设计控制律使得机器人能够跟踪期望轨迹或者到达指定的目标位姿。此外,随着移动机器人应用领域和范围的不断扩展,利用多个移动机器人协作完成某项任务具有广阔前景。运动协调是指机器人之间合作关系确定后具体的运动控制问题。本文以轮式移动机器人作为应用对象,以非线性控制理论和Lyapunov稳定性理论为基础,对自主移动机器人运动控制和多移动机器人运动协调问题开展了深入研究。全文内容可分为两部分,第一部分了研究存在非完整约束下移动机器人的点镇定和轨迹跟踪问题。第二部分研究了多移动机器人编队控制和协同目标跟踪问题。论文的主要研究工作和贡献如下:1)针对非完整轮式移动机器人的同时镇定和跟踪控制问题,基于移动机器人运动学模型提出了新的时变反馈控制律,使得移动机器人能够在一个统一框架下实现对期望点的镇定和期望轨迹的跟踪。通过在控制策略中引入一个时变信号,使得控制律能够自适应地和平滑地在镇定律和跟踪控制律之间转换,并利用Lapunov理论证明了镇定或跟踪误差的渐近收敛性。2)对于移动机器人动力学模型中含未知参数的情形,提出了自适应反演控制策略,同时实现对给定轨迹的镇定和跟踪。在运动学控制律的基础上利用反演方法设计了转矩控制律;并针对动力学模型中的未知参数,设计了参数自适应律,保证了控制误差的收敛。3)对同时考虑机器人运动学约束和动力学不确定性的移动机器人系统,利用反演技术和RBF神经网络工具提出了神经网络自适应控制策略,使得机器人能够实现对给定轨迹的跟踪。首先根据系统的运动学模型设计了速度控制器。然后基于系统的动力学模型,利用RBF神经网络良好的非线性逼近特性在线学习机器人的动力学特征,并根据Lyapunov理论推导出RBF神经网络的权值自适应调节规律,设计了鲁棒自适应力矩控制器,保证了系统的渐近稳定性。4)针对多机器人编队控制中的网络连通保持问题,分别对系统中无leader和含leader的情形提出了基于人工势场函数的分布式控制策略,使得多机器人系统能够实现期望的队形,并始终保持通信网络连通。设计人工势场函数同时建模了队形控制目标的要求和网络连通性保持的约束,保证了只要多机器人网络在初始状态下是连通的,那么该多机器人系统在队形镇定过程中总是保持连通的。5)针对多非完整移动机器人协同运动目标追踪问题,利用反演设计方法在笛卡尔坐标系和极坐标系下分别设计了控制律,使得多机器人系统能够以期望的相对距离、环绕速度和角间距对运动目标的追踪。控制律设计中不需要假定目标是匀速移动甚至静止的。我们给出了能够实现渐近跟踪时运动目标速度需满足的条件。利用Lyapunov工具分析了系统的稳定性;仿真和实验结果证明了方法的有效性。最后,总结了本文的主要成果和创新点,并对下一步研究工作进行了展望。
兰艳亭[5]2017年在《基于免疫机制的智能车转向控制系统研究》文中提出转向控制系统是体现智能车智能行为的基础,也是智能车研究领域的热点和难点。伴随着智能控制理论的发展,越来越多的智能控制方法应用于智能车的转向控制系统中,这使得如何根据不同工况和道路环境选择合适的智能控制方法成为一门新课题。基于经典PID控制、模糊控制、最优控制和自适应控制、滑模控制以及预测控制的转向控制方法具有原理简单、易于实现、适应性强等优点,在转向系统控制领域应用较为广泛。PID控制方案虽简单易行,但缺乏对复杂工况的适应性,鲁棒性差,难以实现精确控制;最优控制的控制对象一般为线性时不变系统,在控制模型精确且无干扰的情况下,控制精度比较高,但对外部干扰的鲁棒性较差,容易降低转向系统的稳定性;模糊控制的隶属度参数和控制规则参数主要依靠专家经验法和试探法来确定,主观性较强,且易产生稳态误差。这些控制算法一个共同点是只要轮胎进入非线性区控制精度就会大大下降,系统的稳定性也难以保证。本文将免疫算法引入到智能车转向控制系统中,从转向系统易受外部干扰和摄动、系统快速性与稳态误差间的矛盾两个方面入手,研究了免疫算法算子及其收敛性能,针对免疫算法易陷入局部最优和群体多样性保持能力不足的缺陷,对免疫算法的亲和力算子进行了改进,利用极限理论与状态转移概率对免疫算法的收敛性进行了证明,并给出了收敛速度的计算表达式。仿真结果表明,改进后的免疫算法有能力搜索到全局极值点。建立了车辆动力学模型。针对转向系统易受外部干扰和摄动,提出了基于免疫算法的智能车滑模变结构自动转向控制算法。对离线状态下的典型样本,运用免疫算法优化了变结构控制律中的参数q、?,实现了智能车的最优控制。较好地解决了常规变结构控制方法中事先设定趋近律参数的约束,在保留传统趋近律的优势下,既有效地抑制系统的抖振,又改善了系统的控制品质。针对系统快速性与稳态误差间的矛盾提出了用BP网络来逼近T、B细胞的非线性特性的免疫反馈控制IFC(Immune Feedback Control)方法,采用ITAE性能指标对免疫参数K、η进行了整定。构建了三层BP网络对T、B细胞非线性特性进行逼近效果,将该方法与模糊调节器、径向对称的非线性函数两种方法的逼近效果进行了对比分析。避障轨迹的合理规划是避障策略实施的关键所在,在深入研究两段圆弧和余弦函数避障轨迹的基础上,提出一种改进的正弦函数避障轨迹模型。通过理论分析,实验验证了该模型的可行性。针对有障碍物的情况提出了带避障功能的双层免疫反馈控制方法,带避障功能的轨迹规划模块将规划的局部参考轨迹输入到基于IFC的轨迹跟踪控制模块,轨迹跟踪控制模块接收来自规划模块的参考信息,输出前轮偏角控制量。采用带避障功能的双层免疫反馈控制器对智能车的转向及加减速进行控制。最后,从几种不同的工况对轨迹跟踪和避障两个方面进行了仿真实验。运用Carsim和Matlab/Simulink软件,搭建了智能车自动转向联合仿真平台,通过典型工况的仿真验证了所设计转向控制算法的性能。开发了智能车实车(车模选用实际车辆的1:8模型)平台,该实验实现了智能车标识线的跟踪和障碍物的避让。
连传强[6]2016年在《基于近似动态规划的优化控制方法及在自主驾驶车辆中的应用》文中进行了进一步梳理近年来,随着工程应用范围的扩大,近似动态规划(Approximate dynamic programming,ADP)方法越来越多的被用于求解各种复杂的优化决策问题。如何提高近似动态规划方法的泛化能力和实时优化能力是本文的基础理论研究。另一方面,在国家自然科学基金重大研究计划重点资助项目的支持下,重点研究了自主车在不同道路形状和车速下基于近似动态规划的侧向控制方法。论文的主要工作成果和创新点如下:(1)针对传统近似动态规划方法存在学习效率低、特征选择困难的问题,提出了基于核的近似动态规划(Kernel-based ADP,KADP)方法。该方法采用稀疏核方法来构建基函数,并使用递推最小二乘时域差分算法来进行评价器的学习。理论分析表明由于稀疏核方法具有良好的表示学习和泛化能力,新方法中的评价器能够获得更小的逼近误差以及更快的收敛速度。对倒立摆系统的仿真与实验结果表明相对于传统的近似动态规划方法,新方法能够获得更优的控制性能和约30%的收敛速度提升。(2)提出了基于图拉普拉斯的近似动态规划(Graph Laplacian-based ADP,GL-ADP)方法。该方法将流形学习与近似动态规划相结合,利用图拉普拉斯算子进行基函数的构建,并采用递推最小二乘时域差分算法训练评价器。理论分析表明虽然GL-ADP的计算复杂性通常要高于KADP,但是避免了人工经验选取核函数类型与参数的问题。对连续搅拌釜式反应器和板球系统的仿真结果表明新方法能够获得优于传统近似动态规划方法的控制性能;此外相比于KADP方法,虽然计算代价有所提高,但是收敛速度和控制性能分别提升了约18%和2%。(3)提出了针对离散时间系统的滚动时域近似动态规划(Receding horizon ADP,RHADP)优化控制方法。该方法在每个预测时域内均采用有限时域的近似动态规划方法求解闭环的最优控制策略,并且其收敛性和受控系统的稳定性均得到证明。此外,分析结果表明新方法的计算复杂性为O(N2),而采用内点法作为优化方法的非线性模型预测控制方法的计算复杂性为O(N3L)。对移动机器人的轨迹跟踪问题和Van der pol振荡器控制问题的仿真研究结果表明,新方法能够获得优于采用内点法作为优化方法的非线性模型预测控制方法的控制性能,并且计算代价也明显降低。(4)提出了一种自适应的自主车侧向控制方法。首先建立了自主车侧向控制问题的马尔可夫决策过程模型,然后采用基于核的对偶启发式规划(Kernel-based dual heuristic programming,KDHP)算法来求取该控制问题的闭环最优策略。由于KDHP算法具有良好的自优化和泛化能力,因此有利于控制器在不同的道路形状及车速条件下获得较高的控制精度。在总里程约为200km的实车实验中(包括大曲率路径,校园道路,城市道路和高速公路),平均侧向误差约为0.18m,并且在某些条件下能够获得比已在车上使用的基于预瞄和运动学模型的反馈控制方法更高的控制精度,同时也避免了在拐大弯时误“抄近道”的问题。本文的研究成果已用于项目的自主驾驶测试车上。
杨梓[7]2014年在《月球车自主路径规划与轨迹跟踪控制研究》文中研究表明月球探测近年来一直是国内外研究的热点问题,月球车作为探月媒介起着十分重要的作用。考虑到能源、通信、安全等问题,月球车要在月球上安全到达指定地点完成一系列的科学考察任务,必须要能够找到一条无碰路径并进行精确追踪。本文研究了月球车的自主路径规划和轨迹跟踪控制两方面问题。对月球车的自主路径规划问题的研究基于栅格算法。已有的栅格寻径算法找到的结果路径往往有过多不必要的曲折往复,扩展了很多不必要的节点,导致时间、内存和能源的浪费;并且没有对针对地图的特点作相应处理。针对上述问题,本文提出了一种基于Theta*算法的Block-Guided Theta*(BG Theta*)算法,该算法以一种更具启发性的方式选择适当的节点进行扩展,从而大大减少了需要扩展的节点数目,降低了路径的曲折度,同时也使得时间、内存和能源的消耗更少。BG Theta*在障碍较少的区域中可以取得更好的寻径效果,对于研究月球车在广阔而平坦的月海区域的路径规划问题有一定的参考价值。实验部分将BG Theta*与几种常用的栅格寻径算法进行了对比,说明了BG Theta*可以更高效地找到更短的路径。对月球车轨迹跟踪控制部分的研究基于离散控制。数字控制情况下的月球车轨迹跟踪控制系统是一个离散控制系统,本文结合月球车轨迹跟踪控制的具体实例,考虑采样干扰、传输延迟以及控制能源限制,基于二次型最优控制,提出了一种轨迹跟踪控制器及控制周期的综合设计方法,进而应用于所研究实例并使受控系统的整体性能得到优化。通过与经典最优控制算法所得控制器的性能对比,仿真验证了方法的正确性和有效性。这部分的研究对月球车轨迹跟踪控制器设计及控制周期的选取有一定参考价值。文章最后总结了前两方面的研究成果,并对进一步的工作提出了展望。
宋金泽[8]2009年在《自主泊车系统关键技术研究》文中指出自主泊车技术是目前智能车辆技术研究的一个热点问题,因为自主泊车技术的发展有着巨大的市场需求。在与第一汽车集团的合作项目“红旗HQ3自动泊车技术”和国家自然科学基金重点项目“高速公路车辆智能驾驶中的关键科学问题研究”(90820302)的共同支持下,本文重点研究了自主泊车系统的轨迹规划与轨迹跟踪控制问题,具体的研究内容包括:控制系统体系结构、泊车轨迹生成、高精度控制等内容。本文采用理论分析与工程实践相结合的研究方法,实现了高精度自主泊车控制。本文的主要研究成果和创新点如下:1.提出并实现了将分数阶微积分运用于自主泊车控制系统中,解决了自主车辆在低速条件下的高精度侧向控制问题。2.针对“长记忆法”和“短记忆法”在分数阶微分方程数值求解过程中存在的问题,提出一种基于高斯核的分数阶控制系统微积分方程数值计算方法,实践表明该方法具有运算速度快、计算精度高的优点。3.针对分数阶控制器的参数优化问题,提出了一种基于近似策略迭代的分数阶控制器参数自整定方法。在此算法中,针对基函数选择问题,提出了一种基于Bellman残差的基函数自动选择方法,提高了值函数逼近器的逼近精度和泛化能力。4.提出了一种基于人机协同的叁层递阶式智能控制系统结构,该结构将人的智能引入到控制系统的每个层次中,能够综合利用人的定性感知、决策、规划能力和机器的定量感知、计算、高精度操作能力,充分地发挥人和机器智能的各自优势,提高了自主泊车系统运行的安全性和环境适应性。5.结合侧位泊车的各种工况,提出了一种平行泊车避碰约束空间生成方法。运用此方法可以方便的确定出泊车过程中的无碰撞区域。提出一种融合微分平坦、样条理论的自主平行泊车轨迹生成方法,可以在上述无碰撞区域生成一条满足运动学、动力学约束的泊车轨迹。实车实验表明,这种方法不仅能够有效地实现避障,而且解决了在泊车过程中的停车原地转方向盘的问题,满足自主泊车的连续性要求。通过大量平行泊车实验,实现了车辆自主平行泊车的控制功能,验证了上述方法的可行性与有效性。本文的研究成果为“红旗HQ3自动泊车技术”课题的完成作出了重要贡献。
付云飞[9]2017年在《重型履带车辆轨迹跟踪控制技术研究》文中研究指明本论文结合山西省煤基重点科技攻关项目“大型露天煤矿自移式破碎站及关键技术开发”(MJ2014-02),对重型履带车辆轨迹跟踪控制技术进行了研究。在分析了重型履带车辆运动学的基础上,建立了重型履带车辆轨迹跟踪误差模型,设计了重型履带车辆轨迹跟踪控制系统,提出了重型履带车辆轨迹跟踪控制方法,最后基于Lab VIEW开发软件开展了履带车辆轨迹跟踪控制的试验。在查阅了国内外关于轨迹跟踪控制文献的基础上,介绍了研究重型履带车辆轨迹跟踪控制的背景和意义,并论述了国内外各领域关于轨迹跟踪控制的研究现状,列出了其他领域轨迹跟踪控制算法运用于重型履带车辆的可参考性和局限性。根据重型履带车辆轨迹跟踪控制任务的需要,阐述了重型履带车辆轨迹跟踪的概念,对轨迹跟踪中两种定位原理进行了介绍,探讨了重型履带车辆实时位置的坐标变换原理,介绍了轨迹跟踪控制器设计中所使用的模糊控制和变论域模糊控制原理。提出了重型履带车辆轨迹跟踪控制系统总体方案,建立了重型履带车辆的理论运动学模型,在全局坐标系下求出了位姿误差,并将其转换到履带车辆局部坐标系中,建立了轨迹误差的模型。根据模糊控制和变论域模糊控制理论,设计了重型履带车辆轨迹跟踪控制器,推导了从轨迹跟踪控制器输出到变频器输入之间的函数关系式。根据重型履带车辆运动学模型和轨迹误差模型,在Simulink中搭建了两种控制器的仿真框图,对直线、匀速曲线、变速八字曲线叁种轨迹进行了数值仿真分析。在动力学仿真软件Recur Dyn中分别创建了试验样机和某重型履带车辆的虚拟样机模型,并与Simulink软件进行机械和控制的联合仿真分析,包括对试验样机进行了匀速曲线和变速八字曲线的联合仿真分析,对重型履带车辆进行了匀速曲线轨迹的联合仿真分析,仿真结果都验证了控制器的正确性和有效性。设计和搭建了履带车辆轨迹跟踪控制试验平台,对试验中所使用的硬件设备进行了介绍。基于Lab VIEW开发了履带车辆轨迹跟踪控制软件,对软件中的各个模块进行了介绍。分别使用GPS和编码器对履带样机进行了定位,分析了两种方法中产生误差的原因,对匀速曲线轨迹进行了试验,验证了轨迹跟踪控制系统的有效性。本文对重型履带车辆自动跟踪轨迹的研究工作,为重型履带车辆如大型露天煤矿自移式破碎站的智能化及无人驾驶提供了参考。
刘薇[10]2009年在《视觉反馈四轮移动机器人轨迹跟踪控制》文中认为轨迹跟踪问题是移动机器人研究中一项非常关键的技术,轨迹跟踪控制算法的好坏直接影响到移动机器人的性能。针对四轮移动机器人运动学和动力学特性复杂并属于典型的非完整系统等特点,设计出理想的轨迹跟踪控制器存在一定困难。论文针对此问题从基于多点预瞄和基于智能控制的角度展开研究工作,目的在于解决移动机器人轨迹跟踪的稳定性和实时性,增加其智能化程度。基于模仿人工驾车思想提出多点预瞄,并结合模糊控制提出了多点预瞄模糊PID控制方法。此控制方法考虑到前方一定距离内轨迹对控制器决策的影响,将预瞄点个数,预瞄距离,车速等因素进行综合,具有一定的预测性。实验结果表明算法速度快,稳定性较好,但自适应性仍不理想。然后针对前一方法存在的自适应性差的缺点,提出了多点预瞄模糊免疫轨迹跟踪控制方法。此方法借鉴了人工免疫系统中的免疫反馈机理,属于一种有师指导形式能够在线指导控制器参数调节。仿真实验和样车实验均表明此方法稳定性和实时性好,可以很好的应用于实际系统中。最后通过研究对比提出一种评价跟踪效果的指标,该指标能够全面准确的针对跟踪结果给出合理的评价。
参考文献:
[1]. 折臂式高空作业车轨迹规划与控制研究[D]. 袁合. 大连理工大学. 2013
[2]. 六轮非对称月球车运动控制方法及参数辨识研究[D]. 院老虎. 哈尔滨工业大学. 2010
[3]. 智能车辆自主换道方法的研究[D]. 王政. 吉林大学. 2016
[4]. 自主移动机器人运动控制与协调方法研究[D]. 缪志强. 湖南大学. 2016
[5]. 基于免疫机制的智能车转向控制系统研究[D]. 兰艳亭. 中北大学. 2017
[6]. 基于近似动态规划的优化控制方法及在自主驾驶车辆中的应用[D]. 连传强. 国防科学技术大学. 2016
[7]. 月球车自主路径规划与轨迹跟踪控制研究[D]. 杨梓. 华东师范大学. 2014
[8]. 自主泊车系统关键技术研究[D]. 宋金泽. 国防科学技术大学. 2009
[9]. 重型履带车辆轨迹跟踪控制技术研究[D]. 付云飞. 吉林大学. 2017
[10]. 视觉反馈四轮移动机器人轨迹跟踪控制[D]. 刘薇. 中南大学. 2009