视觉AGV差速转向控制方法研究

简要地介绍了基于机器视觉导向的AGV两轮差速转向的原理和组成,并对计算机控制系统设计、图像信息识别等AGV控制问题进行了阐述．研究了常规PID控制、线性二次型最优控制与智能控制方法对转向控制的差别．仿真和实验结果表明,智能控制方法相对传统控制方法,无需精确的AGV转向控制数学模型,设计的智能控制器使样车运行过程稳定,路径跟踪可靠,控制性能良好．     

基于模糊控制的AGV寻迹算法

针对基于光敏传感器组寻线的AGV,设计了传感器阵列的布置方式,根据此布置方式,提出了路径识别的算法,进而设计了AGV模糊控制器,试验表明系统性能符合要求,效暴良好．     

基于双功率流差速转向履带车辆关键参数研究

为了适应复杂环境和非结构化地形,提出一种具有平衡摇臂的双功率流差速转向的履带车辆动力底盘.该履带车能够实现调节地隙、自适应路面、障碍物跨越、灵活的姿态调节和稳定的姿态保持以及轮履复合的设计要求.确定了具有差速转向机构的履带车辆的总体构型方案,根据驱动力和行驶阻力的平衡建立了行驶模型,根据履带车辆爬坡角度和爬坡速度,建立了爬坡时所需功率模型,以此为基础,确定了移动机器人爬坡时驱动电机最大功率与最大爬坡度和爬坡时的车速之间的关系,分析和计算了履带车辆直线行驶电机、转向行驶电机、摆臂调节电机的功率,推导出了转向时内外侧履带所受的转向阻力矩,并确定了车辆对质心总转向阻力矩.该研究成果为履带车辆的样机研制和试验提供了理论依据和研究手段.     

非道路车辆全向电动底盘四轮差速转向模型

提出的全向电动底盘可以实现四轮独立驱动和独立转向。在Akermann-Jeantand两轮转向模型的基础上,对全向电动底盘四轮差速转向数学模型进行了研究。建立了四轮差速转向过程中四个车轮之间的角度关系和速度关系,解决了全向电动底盘四轮差速控制过程中的关键问题。利用所建立的四轮差速转向数学模型可实现全向电动底盘的四轮差速转向控制。由四轮差速转向模型可以看出,四轮差速转向逆相控制模式可使转弯半径减小一半,这对于提高全向电动底盘的灵活性和操控性具有非常重要的意义。     

基于四轮转向的自动垂直泊车转向控制器

通过分析四轮转向汽车在低速倒车过程中的运动学特性,运用几何算法估算该汽车垂直泊车的车位尺寸;在SIMULINK中搭建汽车的运动学模型并模拟自动垂直泊车的倒车环境模型;从总结专业驾驶员的泊车经验出发,结合模糊控制理论设计了自动垂直泊车转向控制器,并将转向控制器引入SIMULINK建立的系统中模拟垂直泊车过程;最后仿真验证了该垂直泊车策略的可行性。     

基于神经网络的视觉机器人模糊控制

设计人工神经网络(ANN)替代机器人的图像雅克比矩阵,基于ANN和视觉机器人构成的增广被控对象设计了模糊控制器,组成了基于神经网络和模糊逻辑的机器人视觉伺服控制系统,给出了实验结果.实验表明,该方法简捷、易行、有效.     

图像处理技术在AGV视觉导引控制中的应用

综合考虑自动引导车(AGV)视觉导引控制的技术要求和特点,确定了AGV视觉导引控制系统图像处理的流程,并根据该流程依次分析了图像预处理、图像分割和特征提取的特点和要求,确定了适合AGV视觉导引控制的图像处理算法,以V isua l C 为软件开发平台,实现AGV视觉导引控制的计算机图像处理系统,为图像处理技术在AGV视觉导引控制中的应用提供一个较为简单而可行的方法。     

基于神经网络的四轮转向车辆控制研究

车辆操纵稳定性是影响车辆主动安全性的重要因素，四轮转向控制可以提高车辆低速行驶时的灵活性，高速行驶时的稳定性，但是传统的四轮转向控制系统大多建立在经典控制理论的基础上，对实际车辆很难得到满意的控制效果，在考虑了轮胎非线性的双自由度车模型的基础上，建立了四轮转向车辆的神经网络正模型，并对其逆模型进行了辩识，用逆模型作控制器，使四轮转向车辆的质心侧偏角在高速行驶时基本保持为零，研究结果表明，该方法比定前后轮转向比控制法效果更好。     

基于模糊控制器的磁引导AGV路径自动校正研究

磁引导AGV（自动引导车）系统作为一种实用且相对稳定的引导系统被广泛应用于工业中。在应用中由于系统的建模误差,外界干扰及其他不确定因素,小车会出现偏离其规划路径的情况。为改进偏离误差,对AGV系统中路径导航模块进行了改进,建立了一个利用模糊控制器来实现在路径规划中进行路径校正的系统,并对系统进行了建模与仿真分析实现。由实验结果分析,系统能够较好地进行路径的校正与跟踪。     

电动轮驱动汽车电子差速控制策略及仿真

分析了目前实现电动轮驱动汽车电子差速控制的方法,对汽车差速问题的产生原因进行了分析,并指出通过对驱动电机采用转速控制模式实现电子差速控制的不足。通过分析电动轮驱动系统的受力提出对驱动电机按转矩模式控制从而实现汽车自适应差速性能的策略,利用所开发的电动轮驱动汽车仿真软件对采用该控制策略控制电机转矩的电动轮汽车的差速性能进行了多工况的仿真,结果表明汽车可在各种工况下实现自适应差速。     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

基于转向盘转动速度变转矩控制的电动助力转向系统

进行了电动助力转向控制系统控制策略的理论分析.提出了基本助力控制算法及实现方法.确定了曲线性转矩助力特性,依据转向盘转动速度选择控制逻辑.目标转矩的控制采用专家PID调节器,使转矩调节更平稳,能有效地提高电机响应速度,使电机跟随性更好.仿真结果表明:控制策略在实际系统应用中具有良好效果,达到了系统的控制要求.     

AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

轻型农用运输AGV的设计与分段模糊控制研究

农用运输自动导引车(AutomaticGuidedVehicle,AGV),作为农业高效、绿色、自动化运输的机械设备,以其低成本、轻型化的设计,成为现代农业机械化的一个重要发展方向.为此,针对农业大棚环境,设计一款基于磁导航的农用运输AGV.对该AGV的运载力进行核算,确定其工作能力,结合设计的磁导航模块,对AGV进行...     

汽车发动机转速自适应模糊控制方法的研究与仿真

在深入分析常规模糊控制中量化因子和比例因子对系统响应影响的基础上,设计了一种参数自调节的自适应模糊控方法.根据转速响应的不同阶段,对输入量化因子和输出比例因子进行自适应调节,改善系统的动态性能.通过与常规模糊控制方法的仿真比较,参数自调节的自适应模糊控制方法具有明显的优势.     

汽油机怠速转速的模糊控制方法

为了提高怠速转速控制的稳态和动态特性 ,研究模糊控制方法在怠速控制中的性能 ,设计了一种汽油机怠速转速模糊控制系统 .介绍了怠速模糊控制系统的结构和工作原理以及模糊控制器的设计过程 .通过计算机仿真确定了控制系统的参数 .仿真和发动机台架试验表明发动机在稳态和动态情况下 ,怠速得到了精确的控制 ,模糊控制方法对发动机参数的变化具有一定的鲁棒性 .     

非结构环境下基于机器视觉的机器人路径跟踪方法

针对温室环境下机器人自主导航问题,提出了基于模糊预测控制的实时路径规划和跟踪方法.通过训练神经网络对图像进行分割,获取导航预瞄点,得到机器人运动的角度偏差和横向偏差.当角度偏差小于25°时,采用预测控制的方法,用拟合圆弧曲线作为机器人跟踪的规划路径,当角度偏差大于25°时,采用模糊控制器对2驱动轮的轮速进行控制.实验表明,该方法能对曲线路径进行平滑的跟踪,以0.3 m/s的速度运动时最大跟踪误差小于5cm.     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。