基于领航者的多UUV协调编队滑模控制

针对多无人水下航行器(unmanned underwater vehicle,UUV)编队控制易受外界环境扰动的问题,本文提出一种基于领航者的鲁棒滑模编队控制方法。该方法采用滤波反步法设计控制器,使领航者跟踪期望路径。为了使跟随者能够更好地跟踪上领航者,利用领航者的位置与速度信息进行编队控制器设计,增加系统的鲁棒性的同时,分别对跟随者的纵向速度误差和横向速度误差进行了积分滑模面的设计。仿真结果表明:针对外界环境扰动及参数的不确定性,本文所提出的鲁棒性的滑模编队控制器是切实有效的。     

基于前馈和多输入模糊LQR的路径跟踪控制研究

针对智能车路径跟踪控制问题,提出了一种基于前馈和多输入模糊LQR路径跟踪控制器。首先,建立了车辆二自由度动力学模型,构建了二自由度路径跟踪误差模型,设计了LQR控制器和前馈控制器。然后,针对传统LQR控制器对多变行驶工况适应性较差的问题,设计了一种以智能车行驶速度、道路曲率和路径跟踪的横向误差作为输入的模糊控制规则,对LQR控制器的权重进行调节。最后,使用AGV线控底盘进行实验,对该控制器进行了验证。结果表明,对于连续变道工况和双移线工况,设计的控制器能够较好地对目标路径进行跟踪。     

欠驱动UUV自适应RBF神经网络反步跟踪控制

针对水下无人航行器(UUV)模型存在一定的误差以及流体中存在时变扰动问题,引入径向基函数(RBF)神经网络控制技术进行自适应补偿估计,结合反步法设计UUV的位置、姿态及速度控制器,使用虚拟速度来代替姿态误差的控制手段,将姿态跟踪控制转化为对速度控制。仿真结果说明此种方法是有效的,提高了UUV的鲁棒性及自适应能力。     

智能车辆路径跟踪横纵向耦合实时预测控制器

为解决高速工况下低附着系数路面上智能车辆路径稳定跟踪控制问题,提出了基于非线性模型预测控制的车辆路径跟踪横纵向耦合集成控制器,并实现了实时控制.首先,根据期望的路径信息计算出期望的车辆横向速度.然后,将实际横、纵向车辆速度与期望速度的误差设为目标函数,同时考虑执行机构约束,设计了非线性模型预测控制器,优化求解出前轮转角和前、后轮驱动力,实现了车辆路径稳定跟踪控制.为了提高控制器的实时性,将非线性规划问题转换成代数方程组求解,采用并行牛顿方法进行方程组求解,通过解耦预测时域间方程组的耦合关系,降低优化问题的计算复杂度.最后,在双移线工况下进行控制器的仿真实验和硬件在环实验,实验结果验证了本文所设计控制器的有效性,可实现车辆路径跟踪的实时控制.     

全方向康复步行训练机器人的跟踪控制

针对全方向康复步行训练机器人在跟踪运动过程中x轴、y轴和方向角各轨迹之间存在强耦合的问题,提出了速度跟踪控制器设计方法,从而使全方向康复步行训练机器人能同时实现各个方向理想的跟踪效果.在全方向康复步行训练机器人动力学模型和运动学模型的基础上,采用输入-输出线性化方法,通过模型解析推导出四轮转速与其驱动力间的解耦状态方程,设计速度跟踪控制器,实现速度的解耦控制.将速度控制器与非线性反馈控制律相结合,可以实现对运动轨迹的跟踪.仿真实验表明,本文方法具有一定的有效性,解决了传统跟踪过程中不能同时实现运动速度和运动轨迹跟踪的问题.     

基于改进PSO-GWO算法的无人艇路径跟踪控制系统研究

随着海洋经济的迅猛发展,水面无人艇(Unmanned Surface Vehicle,USV)的重要性更加显著。由于无人艇本身具有非线性不确定性和欠驱动的特点,在航行过程中易受到风、浪等环境因素的干扰,使得未知扰动下USV的路径跟踪控制问题非常困难。将无人艇路径跟踪控制分解为对USV航向的控制和导引策略的设计两个问题。首先采用由粒子群算法改进的灰狼算法(PSO-GWO)对自抗扰航向控制器的相关参数进行在线整定,降低了传统自抗扰控制器参数调整的复杂度;再设计LOS导引策略计算期望航向角,实现对USV的路径跟踪控制。经Matlab仿真实验验证,所设计的系统能实现对航向角的快速稳定跟踪,具有很强抗干扰能力;USV在给定航行速度下能以较短路径到达期望的直线路径和曲线路径,跟踪精度高。     

一种新的AUV路径跟踪控制方法

研究了自主水下航行器(AUV)的路径跟踪问题,将跟踪控制问题分为导引和控制2部分.导引部分基于视线导引(Line of Sight)原理输出AUV的参考航向,针对AUV的参数不确定性及海流干扰等特点,航向控制器采用变结构控制律计算舵角控制输入,在此基础上,将航向控制器与路径跟踪控制器并行结合,构造了文中提出的混合型路径跟踪控制器.文章从理论上证明了控制律的稳定性,仿真结果表明,所设计的控制律可以保证AUV沿期望路径航行,路径跟踪误差快速收敛.     

基于车速依赖静态输出反馈的自主汽车路径跟踪控制

本文设计了一种新的基于静态输出反馈的增益调度控制器,可使自主汽车在车速时变且状态不全可测的情况下,完成路径跟踪并保证车身的横向稳定性.为了描述时变纵向速度对汽车动力学特性的影响,首先建立了一个包含跟踪特性及横向动力学特性的速度依赖多胞体汽车模型,同时,为减少控制器设计保守性,考虑时变参数之间非独立变化关系,采用了梯形多胞体进行描述;然后通过矩阵变换,获得系统性能描述,并基于增益调度控制策略及两步法,设计了满足H_∞性能的速度依赖静态输出反馈控制器,并给出其中参数求取方法,所提方法在实际应用中简单易行;最后在两种不同的典型道路上进行试验验证,仿真结果表明,在车速时变的情况下,所提控制方法可以有效控制自主汽车完成路径跟踪任务.     

多无人机同时到达的standoff跟踪控制

为实现多无人机standoff目标跟踪与同时到达,提出了一种新的比例Lyapunov矢量场和基于τ耦合理论的协同速度控制器。首先,与其他的Lyapunov矢量场相比,比例Lyapunov矢量场中增加了一个可设置的参数,使得在跟踪过程中无人机能够在收敛速度和航向角速率限制之间取得平衡,最大限度的发挥无人机的性能;然后,通过进一步的理论分析得出参数越小,收敛速度越快,但是航向角速率越大。同时给出了在最大航向角速率限制下参数的选取方法,以保证获得较快的收敛速度。最后,为保证无人机能够从不同初始位置同时到达目标点,设计了基于τ耦合理论的协同速度控制律,该控制律不需要考虑实际的不规则飞行路径,只需要计算当前点到目标点的直线距离,避免了现有四维路径规划方法中路径积分复杂的问题,算法更加简单,更有利于工程实现。结果表明,通过数字仿真实例和硬件在环实验,验证了所提方法能够导引无人机同时到达目标点,并快速收敛到standoff半径,说明了该方法的有效性和优越性,且能够应用于工程实际。     

自动导引小车模糊控制器的研究

分析了AGV路径跟踪控制的特点,为提高模糊控制器的稳态精度和对AGV路径跟踪控制的适应能力,提出了基于插值法的模糊控制规则查询表的控制方法,通过对模糊控制器的设计与仿真分析,得到其响应曲线.研究结果表明,在不影响模糊控制器控制特性的情况下,使模糊控制器的设计和实现得到简化,从而更好地满足AGV路径跟踪控制的性能要求.