基于DVS制导算法的欠驱动船舶路径跟踪指令滤波滑模控制

针对欠驱动水面船舶在模型参数不确定和未知风浪流扰动情况下的路径跟踪问题,提出一种改进的动态虚拟小船(dynamical virtual ship,DVS)制导算法,并采用指令滤波反推法设计模型运动学回路的前进速度和艏摇角速度的虚拟控制律,进而将船舶路径跟踪问题转化为前进速度误差和艏摇角速度误差的镇定问题,在模型动力学回路上采用PI积分滑模控制方法设计实际控制律.该控制策略能够减少和避免因对虚拟控制律求导而造成的计算负担和高频噪声对系统的影响,且对模型参数不确定和未知扰动具有鲁棒性.仿真实验表明,该控制策略可实现船舶在模型参数不确定和未知风浪流扰动下对规划路径的精确跟踪.     

鱼雷形水下机器人非线性航迹跟踪控制 

研究了欠驱动自主式水下机器人路径跟踪问题.在Serret Frenet移动坐标系下,基于虚拟目标机器人建立了路径跟踪误差动力学方程.在此基础上,结合水下机器人动力学方程,设计了基于Lyapunov稳定性理论和反步法技术的控制器.仿真结果表明,提出的非线性反馈控制律能够保证路径跟踪误差快速收敛到零,使机器人沿着参考路径航行.     

自动转向滑模变结构控制参数选取方法

建立了基于车辆动力学模型的车辆-道路系统模型,通过线性变换,得到了用横向位置偏差和方向偏差描述的系统状态方程.采用滑模变结构控制理论,设计了基于指数趋近律的自动转向控制算法.分析了趋近律函数的指数趋近项参数和等速趋近项参数对系统输出的影响,并基于侧向加速度的要求提出了参数选取方法.仿真结果表明,根据提出的参数选取方法设计的控制算法在高速路径跟踪时,具有良好的道路跟踪精度及动态性能.     

基于预设性能的欠驱动UUV有限时间路径跟踪控制

为实现参数摄动、海流扰动条件下欠驱动水下无人航行器（underwater unmanned vehicle, UUV）安全执行路径跟踪控制任务，提出一种基于预设性能、改进视线制导律（improved line-of-sight, IMLOS）和非奇异终端滑模（nonsingular terminal sliding mode, NTSM）的路径跟踪控制策略。首先，引入Serret-Frenet坐标系建立跟踪误差方程，引入预设性能函数对跟踪误差进行约束及转换；然后，设计基于预设性能的海流补偿制导律和动力学控制器，确保航行器跟踪期望路径的同时确保航行安全；最后，利用有限时间理论证明该路径跟踪控制策略作用下的闭环运动系统的跟踪误差是有限时间收敛的。通过数值仿真验证所提出的路径跟踪控制策略能够有效地执行欠驱动UUV在参数摄动、海流扰动等约束下的路径跟踪任务，且跟踪误差始终处于预设性能范围之内，可有效地保证航行器的航行安全。     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题，提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰，简化机械臂动力学模型；其次采用反步控制方法为机械臂系统设计控制律，并为动力学模型中不确定参数设计自适应律；最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题，通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性，速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比，所提控制方法具有更好的机械臂轨迹跟踪控制性能，轨迹跟踪误差分别降低了30%、50%。     

智能车辆自动泊车路径跟踪的非光滑控制策略

针对车辆的非线性非完整约束特性导致的自动泊车路径跟踪实时控制精度不高,致使库内调整次数增加或车辆最终停放位姿不理想等问题,提出一种基于非光滑控制的自动泊车路径跟踪控制策略.通过对车辆动力学跟踪误差模型的降阶转换,推导了2阶、3阶子系统的级联系统有限时间跟踪控制方程.基于此降阶控制方程,以车辆动力学模型中的方向盘转角和车速作为输入,设计具有全局渐近稳定特性的路径跟踪控制器,并进行了仿真分析.结果表明:与传统方法相比基于非光滑控制的路径跟踪控制方法达到了有限时间内全局精确跟踪参考泊车路径的目的,具有强抗扰动性和快速收敛性.     

具有Markov跳跃参数的随机非线性系统的自适应跟踪

采用随机控制Lyapunov设计方法,针对参数严格反馈形式的Markov跳跃非线性系统,研究了一类具有Markov跳跃参数的随机非线性系统的自适应跟踪问题.给出了参数自适应律和控制律,使得跟踪误差以概率1渐近衰减到零.仿真结果表明了该设计方法的有效性.     

基于RBF神经网络的机器人的路径跟踪控制

文章针对双轮移动机器人的路径跟踪问题,提出了基于反演法的运动学控制和滑模动力学控制相结合的控制算法,运动学控制器解决位姿和跟踪速度之间的控制关系,动力学控制器解决机器人的姿态和控制电压之间的控制关系;为了减小传统运动学控制器的跟踪误差、提高路径跟踪控制的特性,采用RBF神经网络对控制器的不确定参数进行在线自适应学习。仿真结果表明,文中提出的基于RBF神经网络自适应算法比传统控制算法具有更优越的跟踪效果。     

考虑误差校正的智能车辆路径跟踪鲁棒预测控制

为进一步增强高速智能车辆路径跟踪预测控制的鲁棒性和实时性,研究了一种考虑误差反馈校正机制的路径跟踪预测控制方法。考虑车辆纵向、侧向和横摆运动建立三自由度弱非线性车辆模型,以泰勒公式展开实现控制模型的线性时变一阶近似,引入预测状态变量构建路径跟踪预测优化问题。针对车辆参数偏差、系统时变和外界干扰等不确定性因素导致的建模失配,定义系统实际状态值与预测值之间的误差,得到带有反馈校正项的预测输出模型,通过误差反馈校正机制增强路径跟踪控制系统的鲁棒性。将路径跟踪预测优化问题推导转化为带约束的二次规划问题,并通过数值解法实现路径跟踪鲁棒预测控制律的滚动优化求解。结果表明:误差反馈校正机制可以有效改善路径跟踪预测控制算法因整车质量和横摆转动惯量变化导致的低鲁棒性问题,能够实现智能车辆高速行驶工况下的路径跟踪功能,且具备良好的实时性。     

考虑横向稳定性的智能车辆路径跟踪控制

对于智能车辆的路径跟踪,传统位置偏差控制方法往往忽略了车辆的动态稳定性.针对这一问题提出一种考虑横向稳定性的智能车辆路径跟踪控制方法.首先建立二自由度车辆动力学模型和路径跟踪误差模型,综合考虑车辆位置偏差和车辆动力学状态,利用基于反馈优势的反推法(FDB)生成期望横摆角速度;然后基于线性二次型跟踪器(LQT)设计了主动前轮转向(AFS)和直接横摆力矩控制(DYC)的集成控制策略,得到了理想的控制输入(前轮转角和外部横摆力矩),进而实现精确跟踪期望横摆角速度和质心侧偏角;最后在Simulink仿真环境中对提出的控制方法进行验证.结果表明:提出的控制方法在路径跟踪的同时具有很好的横向稳定性能;相比于不考虑横向稳定性的控制方法,提出的方法在路径跟踪过程中跟踪精度更高,车辆的质心侧偏角更小,横摆角速度也能更好的跟踪期望值.     

基于回旋曲线的垂直泊车轨迹规划与跟踪控制

为了提高复杂狭窄环境下的垂直泊车便捷性和安全性,提出一种基于回旋曲线的垂直泊车轨迹规划与跟踪控制方法.首先,将垂直泊车轨迹规划问题解耦成路径规划问题和速度规划问题,并基于回旋曲线规划曲率连续的垂直泊车路径,以及基于五次多项式曲线规划垂直泊车速度.随后,将垂直泊车轨迹跟踪控制问题解耦成垂直泊车路径跟踪控制问题和垂直泊车速度跟踪控制问题,并基于Euclid Math OneLA@_2增益控制理论和预估模型设计非时间参考泊车路径跟踪Euclid Math OneLA@_2增益控制律,以及基于PID控制设计垂直泊车速度跟踪控制律.最后,结合硬件在环试验平台对所提出方法的可行性和有效性进行验证.结果表明:所提出的垂直泊车轨迹规划方法得到的泊车路径曲率是连续的,且所提出的垂直泊车轨迹跟踪控制方法在泊车位宽度与车辆宽度之差大于0.655 m时可以安全、精确地引导车辆停放在泊车位.     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

分块建模关节机器人的PI鲁棒滑模控制

为实现机器人关节位置镇定和轨迹跟踪控制,控制律的设计须针对确定的机器人动力学模型,由于机器人结构参数、作业环境的外界干扰及结构振动等不确定性因素的存在,会造成机器人动力学模型不确定.为此,设计3个RBF神经网络分别对不确定机器人模型中的3个不确定项进行分块建模,得到机器人估计模型,神经网络的权值采用自适应算法.针对机器人估计模型设计PI鲁棒滑模控制律.将所设计的控制器用于三关节机器人的三个关节的力矩控制,研究结果表明:三关节均约在1 s时达到期望位置和跟踪期望轨迹,镇定误差和跟踪误差也快速、稳定地趋于零.通过定义基于积分型的Lyapunov函数,利用Lyapunov稳定性理论证明了控制系统是全局渐近稳定的.     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

基于多模型自适应方法的智能汽车路径跟踪控制

路径跟踪控制是智能汽车的一项核心技术,跟踪效果的精确性和在各种路面附着条件下的鲁棒性是该技术的两大关键要素。但汽车动力学模型的不确定性,尤其是轮胎侧偏刚度的摄动使这两者难以同时得到满足。针对这一问题,将多模型自适应理论引入到智能汽车运动控制中处理不确定性系统的控制。首先,推导了多模型自适应控制律,提出了凸包构架下各个顶点的子模型对真实模型的自适应逼近律,并通过李雅普诺夫函数证明了所提出自适应律的收敛能力。在此基础上建立了汽车动力学模型和车辆-路径联合模型,并由多个顶点子模型构建可覆盖汽车轮胎侧偏刚度摄动范围的凸多面体,利用汽车动力学模型求解自适应率,通过车辆-路径联合模型,基于线性二次型方法(linear quadratic regulator, LQR)求解各个顶点的子模型处的反馈控制律,并通过所得出的自适应权重进行加权。基于Carsim/Simulink的联合仿真结果表明,所提出的多模型自适应路径跟踪控制器在保证鲁棒性的同时克服了传统鲁棒控制方法的保守性问题,与基于名义模型的LQR控制器和鲁棒保性能控制器相比,在高附着路面和低附着路面上都可以取得更好的控制效果,很好地解决了路径跟踪...     

挖掘机器人模糊鲁棒控制的研究

为了实现挖掘机器人的轨迹跟踪控制,建立了挖掘机器人工作装置的四自由度拉格朗日动力学模型,设计了一个鲁棒控制器.控制律包括等效控制和辅助控制.等效控制保证闭环系统的控制输入基于期望的动力学模型,辅助控制保证动力学建模误差和不确定性存在时控制系统的鲁棒性以及跟踪误差趋于零.为了削弱控制输入的高频振荡,模糊控制被应用.将所设计的模糊鲁棒控制器用于仿真试验,给出了其轨迹跟踪效果及控制输入.     

基于航向控制的欠驱动船舶曲线航迹控制

针对无人操纵船舶的曲线航迹跟踪控制问题中,大多数控制器都采用带有时间参数t的航迹表示法的情况,设定一种新的与时间无关的航迹路径表示方法。通过引入偏航误差,得到期望航向角的补偿值,并以此消除航迹控制中的偏航误差,达到曲线航迹控制的目的。并采用滑模控制以及模糊S面的思想,提出一种基于航向控制的曲线航迹控制方法。仿真结果说明该航迹表示法的可行性,以及控制律的有效性。     

基于新型趋近律的智能无人车辆线控转向系统滑模控制

路径跟踪是智能无人车辆的关键技术之一，其中，对线控转向系统的精确控制是影响智能无人车辆路径跟踪精度的重要因素.为提升线控转向系统在未知扰动下的转角动态响应性能和路径跟踪精度，本文基于一种新型趋近律设计了改进滑模控制方法并应用于线控转向系统.首先，考虑模型不确定、系统摩擦和齿条力建立线控转向系统数学模型.然后，分析得到滑模趋近律的设计原理，通过设计参数调节函数构建了一种新型滑模趋近律实现趋近速度的动态调节，并对比分析了其在离散形式下的性能.最后，针对线控转向系统，设计改进滑模控制方法.仿真和试验结果表明，改进滑模控制方法能够改善线控转向系统对转角的动态响应性能，提高路径跟踪精度.     

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.      

基于变幂次趋近律的滚珠丝杠进给系统滑模控制

为了解决滚珠丝杠进给系统滑模控制的抖振问题并提高系统跟踪性能,提出了一种基于变幂次趋近律的滑模控制方法.所设计的非线性干扰观测器能精确地观测出是否满足匹配条件的干扰.采用改进的变幂次趋近律提高了滑模函数的收敛速度,改善了运动品质.在控制律中设计积分补偿项消除了匀速段的稳态误差.仿真及实验结果表明:基于指数趋近律方法的最大跟踪误差仿真值与实验值分别为3.40和17.77μm,基于改进的变幂次趋近律方法的最大跟踪误差仿真值与实验值降低至2.79和11.00μm.控制电压信号中的抖振明显削弱,且增加外部干扰后仍能维持高精度.仿真及实验结果证明了基于变幂次趋近律的滚珠丝杠进给系统滑模控制方法能够有效消除抖振及匀速段的稳态误差,提高跟踪精度,且对外部干扰具有强鲁棒性.