硬质路面条件下履带车辆转向模型分析及验证

履带车辆与地面之间的作用关系复杂,基于地面剪切位移的方法通常会用到对时间和位置的积分,模型较为复杂,无法直接应用到车辆的实时控制算法中。通常情况下,履带车辆转向分析会将接地压力看作连续线性分布或者多矩形分布,但是试验和计算结果均表明硬质土壤条件下,履带接地压力为多峰值分布,前述两种分布均不能体现接地压力的真实状态。本文针对上述问题,在前人研究的基础上,对履带接地压力分布进行求解,提出了履带车辆接地压力简化模型。该简化模型更符合硬质路面履带接地压力的真实状态,并被应用于履带车辆转向动力学分析与验证。利用J.Y.Wong提出的垂向负载-剪切位移变化关系解决了垂向压力变化的同时剪切位移计算的问题,提出了履带车辆转向分析模型(以下简称分析模型),试验结果表明该模型有较高的精度。但是其复杂度仍然较高,为了进一步简化模型,借鉴轮式车辆轮胎侧偏角和滑转率的概念,利用履带车辆履带-地面剪切位移关系推导了简化履带车辆动力学模型(以下简称简化模型)。该模型避免了复杂的积分或者求和,显著降低了履带车辆动力学模型的复杂度,能够应用于基于模型的无人驾驶履带车辆轨迹控制方法中,且模型精度接近前述履带车辆转向分析模...     

基于多重示范的智能车辆运动基元表征与序列生成

为解决不同驾驶风格的类人驾驶轨迹生成问题,以包含同类型多重示范的真实行车轨迹数据集为依托,提出一种基于驾驶风格参量提取的运动基元表征及基元序列生成方法。单一运动基元以改进的动态运动基元方法进行表征,并引入奇异值分解实现同类型轨迹集合中主要形状表征参量与驾驶风格参量的分离;基元序列则是在关联各独立表征参量的基础上,利用准均匀B样条 曲线进行序列拟合。结果表明：单一运动基元表征方法在保证轨迹表征精度的同时,扩展了基元依据驾驶风格的泛化调整能力;基元序列生成方法既实现了对目标点航向和位置的钳位,又保证了各独立基元之间的平滑过渡。     

基于强化学习补偿的地面无人战车行进间跟瞄自适应控制

针对底盘运动和路面起伏对地面无人战车行进间跟瞄带来的非线性干扰问题,提出一种 基于强化学习补偿的地面无人战车行进间跟瞄自适应控制方法。该跟瞄控制方法由主控制器与补偿控制器两部分构成,主控制器利用PID控制算法结合当前跟瞄误差得到主控制量,补偿控制器利用Dueling Q 网络强化学习算法对战车当前状态和局部规划路径附近的路面起伏信息进行处理得到补偿控制量。建立地面无人战车一体化运动学模型,对基于强化学习的补偿控制算法进行阐述;基于V-REP动力学软件在三维场景中进行仿真验证。实验结果表明：基于强化学习补偿的跟瞄控制方法对底盘运动和路面起伏具备较好的自适应能力,有效地提升了无人战车行进间跟瞄的准确性与稳定性。     

智能汽车横向控制方法研究综述

智能汽车在提高行驶安全性和减少交通事故方面有很大的优势,已成为世界范围内的研究热点。综述了智能汽车横向控制的国内外发展历程与研究现状;介绍了车辆横向动力学和轮胎力学的研究历程和模型;阐述了智能汽车横向控制理论和方法以及自动转向执行机构的设计;给出智能汽车横向控制研究的重点和发展趋势。通过分析认为,系统非线性、不确定性和时变特性的智能汽车横向动力学建模和横向控制器设计,特别是高速时的横向控制,以及智能车辆感知决策系统与车辆本身系统的一体化设计,将是今后研究的重点。     

旋转式自动印花机升降机构设计

介绍了全自动旋转式自动印花机升降机构的设计过程,在明确印花机升降部件的动作要求及升降方式的基础上,确定了机构方案,以及具体的动作过程.在结构设计结束后,根据结构尺寸及运动学原理计算气缸负载,确定气缸参数.实际应用证明该方案结构紧凑、成本低、效率高.     

轴对称曲线对称轴的数值计算方法

利用转动惯量对于坐标轴平移或旋转的不变性，以及轴对称曲线的转动惯量在对称轴及其垂线方向取得极值的特性，提出一种用于求解轴对称曲线的对称轴线的极小惯量数值计算方法，对算法原理进行了理论分析，仿真数据处理和实验数据处理验证了算法的正确性和有效性。     

基于数字运算的PSD调理电路设计

介绍了基于数字运算的PSD调理电路思想及具体线路构造,该电路避免了模拟运算的缺陷,提高了精度和可靠性.     

轮式机器人遗传模糊神经网络转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用基于遗传算法的模糊神经网络控制方法。首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应能力。在其中提出了性能指标要对响应曲线稳态段进行加权以减小稳态误差的思想，并对性能指标公式进行了改进。实验表明，该方法对机器人的转向控制效果良好。     

并联六自由度机器人智能控制算法的研究

并联六自由度机器人在许多行业有着非常好的应用前景，其特殊结构给机器人带来许多其它机器人不具备的优点，但是也给机器人的精确控制造成了困难。机器人运动时每个液压缸上分配的负载是变化的，因此每个液压伺服回路的受力、频率等系统参数也是变化的，常用的控制算法很难实现系统的精确控制。为了解决该问题，文章在建立了系统数学模型的基础上，设计一种采用双链交叉算子的遗传算法来荻取模糊控制的经验，实现对机器人的智能模糊控制。仿真实验表明：该控制算法能够比较精确地控制并联机器人，效果要优于一般的控制算法，并且操作简单、智能程度高。     

Genetic Algorithm Based Combinatorial Auction Method for Multi-Robot Task Allocation

An improved genetic algorithm is proposed to solve the problem of bad real-time performance or inability to get a global optimal/better solution when applying single-item auction （SIA） method or combinatorial auction method to multi-robot task allocation. The genetic algorithm based combinatorial auction （GACA） method which combines the basic-genetic algorithm with a new concept of ringed chromosome is used to solve the winner determination problem （WDP） of combinatorial auction. The simulation experiments are conducted in OpenSim, a multi-robot simulator. The results show that GACA can get a satisfying solution in a reasonable shot time, and compared with SIA or parthenogenesis algorithm combinatorial auction （PGACA） method, it is the simplest and has higher search efficiency, also, GACA can get a global better/optimal solution and satisfy the high real-time requirement of multi-robot task allocation.