基于能量优化的无人驾驶车轨迹跟踪控制

为有效使用有限的电池容量,实现无人驾驶车（AGV）在轨迹跟踪过程中的能量优化,针对三轮AGV的特点首先建立了其运动学跟踪模型及电机能耗模型,然后运用Lyapunov稳定性分析方法、最优化理论及Backstepping技术等工具研究了求解算法,提出了一种基于能量优化的轨迹跟踪控制方法,实现AGV轨迹跟踪和能量优化的统一控制。该控制策略对所有AGV及其他轮式移动机器人具有一般性,且设计方法简单、鲁棒性强。计算机模拟仿真结果验证了该控制器的有效性。     

无人车辆轨迹跟踪与横摆稳定协调控制研究

针对无人车辆轨迹跟踪问题,为兼顾车辆轨迹跟踪和横摆稳定的双控制目标,提出了一种无人车辆轨迹跟踪与横摆稳定协调控制策略。根据车辆轨迹跟踪模型,基于快速幂次趋近律设计了车辆轨迹跟踪滑模控制器,旨在通过无人车辆自主转向控制跟踪参考轨迹。同时,利用滑模算法设计了车辆横摆稳定控制器,通过横摆力矩控制跟踪参考横摆角速度。考虑到横摆稳定控制器中横向车速未知的情况,设计了横向车速滑模观测器,从而为横摆稳定控制器提供信息输入。此外,利用横摆力矩控制量设计了前轮转向角补偿模块,通过轨迹跟踪和横摆稳定控制器的协调,进一步修正轨迹跟踪精度。利用CarSim和Simulink平台搭建了联合仿真模型。仿真结果表明:所提出的轨迹跟踪与横摆稳定协调控制策略能够实现轨迹跟踪,并兼顾车辆的横摆稳定性。     

三种群捕食与被捕食生物方程基于神经网络的H∞非线性控制

针对一复杂的三种群捕食与被捕食生物系统，基于RBF神经网络，提出了H∞非线性控制器设计方案，并把逼近误差引入控制器设计中以改善系统的动态性能；在生物系统受外界干扰的情况下实现对理想状态跟踪，使跟踪误差收敛到零；用Lyapunov函数及神经网络性质证明了所设计的控制器的有效性；从理论上研究了该生物系统的非线性行为及控制，说明该种群最终达到了一个新的适宜各物种生存、发展的状态空间．     

基于目标函数的一类非线性系统模糊逻辑控制器的设计

讨论了基于目标函数的一类非线性系统模糊逻辑控制器设计问题。通过引入控制器参数学习递推算法并结合李雅普诺夫稳定性判据，使整个闭环系统不仅能满足稳定性条件且具有较好的跟踪参考输入信号能力，仿真结果表明了这一方法的有效性。     

基于RBF神经网络优化的无人驾驶车辆增量线性模型预测轨迹跟踪控制研究

研究了无人驾驶车辆的轨迹跟踪问题,基于RBF(径向基函数)神经网络的自适应补偿和鲁棒控制分别设计了2种优化后的ILTV-MPC(增量线性时变模型预测控制)轨迹跟踪控制系统。建立了ILTV-MPC轨迹跟踪控制器,利用RBF神经网络的局部逼近特性,设计了RBF自适应补偿控制器逼近模型的不精确部分;进而将逼近过程产生的误差作为外部干扰,设计了RBF鲁棒优化控制器,从而对逼近误差予以抑制。应用Lyapunov稳定性分析推导出隐含层网络权值训练规则,证明了控制系统的稳定性。当行驶在良好路面时,与传统ILTV-MPC相比,RBF补偿-ILTV-MPC最大误差减小约38.73%; RBF鲁棒-ILTV-MPC最大误差减小约68.42%。结果表明:RBF鲁棒控制较RBF补偿控制可进一步提高ILTV-MPC控制器的跟踪精度,减轻车辆侧滑程度,提高车辆行驶稳定性。     

基于扰动观测器的四旋翼飞行器跟踪控制

针对存在不确定干扰的四旋翼飞行器轨迹跟踪控制问题,提出了非线性干扰观测器和扩张状态观测器对系统中的扰动进行估计,并将估计值与最优控制器、滑模控制器的设计相结合,克服了模型不确定及外部不确定干扰问题,并实现了飞行器系统跟踪误差的一致有界。通过李雅普诺夫稳定性理论验证了用上述方法设计的控制器系统的稳定性。通过仿真验证了该控制器能够实现对飞行器的轨迹跟踪控制。     

离轴拖挂轮式移动机器人跟踪控制研究

针对离轴拖挂轮式移动机器人挂车的轨迹跟踪控制问题,基于拖车和挂车运动轨迹的相对曲率关系提出了一种动态跟踪方法。建立离轴拖挂轮式移动机器人的运动学模型和动力学模型。通过拖车和挂车位置几何关系给出了两车的速度关系,进而得到两车运动轨迹相对曲率之间的关系。基于曲率关系将挂车的运动任务转化为拖车的运动任务,并结合动态跟踪方法设计比例积分反馈控制器完成拖车的运动任务。最后通过模拟仿真实现了挂车精确的轨迹跟踪控制,仿真结果表明在所提控制器的作用下,挂车在拖车的拉拽下可精确地跟踪目标轨迹曲线。由于所使用的动态跟踪方法引入了目标轨迹曲线的相对曲率,极大地提高了跟踪的精确性。     

智能车辆路径跟踪横向控制研究

针对传统基于单一控制方法的车辆路径跟踪控制算法无法准确跟踪路径的缺点,以智能车作为研究对象,提出基于预瞄控制和模糊滑模控制的车辆横向控制算法。基于智能车在横向控制中的运动特性,建立横向和横摆两个自由度的车辆模型。针对传统基于反馈控制的方法实时性差的缺点,通过建立预瞄模型来获取预瞄偏差,保证车辆在行驶中提前预估前方道路环境信息,提高实时性。基于滑模和模糊控制,设计了智能车辆路径跟踪横向控制器。采用由集成偏差组成的滑模切换函数及其微分作为控制器的输入,把对误差的控制转化为对滑模函数的控制,保证了车辆转向时的稳定性。Matlab/Simulink的仿真结果表明:智能车辆路径跟踪横向控制器能够在曲率急剧变化的路段实现路径准确跟踪,满足车辆实际行驶要求。     

基于自适应模糊PID控制的农用作业机械轨迹跟踪系统研究

为实现具备大转向间隙特征的智能农业作业机械的轨迹跟踪的稳定性和精确性,提出了一种新型的自适应模糊PID控制器。首先,基于预瞄跟踪理论,建立二自由度(2-DOF)车辆横向误差模型,并推算出其航向角误差。然后,提出了基于转角前馈补偿的自适应模糊控制器,根据驾驶员特性,建立模糊控制规则。最后,利用Carsim与Simulink进行联合仿真验证。结果表明:相比传统PID控制器,自适应模糊PID控制器可以有效地解决大转向间隙造成的转向控制稳定性问题,减少智能农机轨迹跟踪时的调整时间,提高跟踪精度,对较差的车况和工作环境具有较强的适应性和鲁棒性。     

线控四轮独立转向汽车执行机构容错控制研究

针对可能出现多种执行器故障的线控四轮独立转向汽车系统,首先建立简化线性2自由度模型并定义包含多种故障的执行器故障模型,然后基于直接自适应控制方法的设计思路,引入一种鲁棒自适应容错控制策略。以跟踪参考模型为目标进行了容错控制器的设计,实现执行器故障模式下汽车对理想参考模型的零质心侧偏角和修正横摆角速度的跟踪。基于Lyapunov函数证明该容错控制器可以确保闭环系统渐近稳定。Matlab仿真及Carsim/Simulink联合仿真结果均表明,所提方法能够有效实现线控转向汽车执行器故障情况下的容错控制。