基于模糊航向制导的AUV航迹控制方法研究

提出了基于模糊航向制导的水下机器人间接航迹控制方法，航向制导环采用模糊算法进行最优艏向实时解算，再以此艏向作为期望航向进行航向控制；为提高系统的鲁棒性和自适应性能，航向控制环采用滑模控制器，最终实现AUV的航迹跟踪，最后，根据此方法进行了航迹跟踪试验，结果表明模糊艏向解算器的航迹控制精度要大大高于PID艏向解算器，并且设计方法易于理解，便于工程设计和应用。     

矢量推进自主水下航行器动力学建模及仿真

采用单矢量推进器进行航向控制的自主水下航行器(autonomous underwater vehicle,AUV),与采用传统的鳍舵进行航向控制的AUV相比,具有更好的低速操控性及定位精度.根据单矢量推进式AUV的特点,将AUV的推力视为螺旋桨转速及矢量推进器摆角的函数,运用Newton-Euler法建立了AUV的6自由度运动学模型和动力学模型,采用四阶五级龙格-库塔方法对单矢量推进式AUV动力学模型进行了求解,在Matlab环境下对其动力学行为进行了仿真预测,并通过水域试验验证了所建模型的正确性,为控制系统的设计奠定了基础.     

无人艇自适应航迹跟踪控制策略研究

针对无人艇航迹跟踪过程中操舵造成的速度损失以及转向导致的跟踪误差变大等问题,提出了一种自适应航迹跟踪控制策略。在制导环中,采用自适应接纳圆策略,根据各航迹段之间的夹角自适应调整航迹点的接纳圆半径,设计了自适应视线制导律,提高了无人艇转向时的跟踪精度;在控制环中,提出了基于模型预测控制的航向及航速解耦控制策略,该策略首先将航向模型与航速模型的耦合项视为时变扰动,提出了一种新的时延估计方法,然后通过航向控制器进行预测,最后在航速控制器中对时变扰动进行补偿,减小了速度损失。之后,通过MATLAB仿真平台对算法的可行性进行验证。实验结果表明,所提出的自适应航迹跟踪控制策略跟踪精度更高、收敛速度更快、抗干扰能力更强、能耗更少。     

航行补给中的补给船鲁棒同步控制

针对航行补给作业的补给船同步航行控制问题,考虑了补给船动态不确定性和未知时变环境扰动,将扰动观测器和矢量逆推方法相结合,设计了补给船鲁棒同步航行控制律.在被补给船的某一舷外引入与其航迹距离相对固定的虚拟航迹,构造扰动观测器,估计由船舶动态不确定性和时变扰动构成的复合扰动;采用矢量逆推方法,设计补给船鲁棒同步航行控制律,使补给船能够以任意小的误差跟踪虚拟航迹,从而实现补给船与被补给船的同步航行,并保证补给船航迹闭环控制系统中所有信号全局一致最终有界.基于一艘补给船的仿真研究结果及比较验证了所提出的补给船同步航行控制律的有效性和低保守性.     

欠驱动水面船舶航迹跟踪自抗扰控制

为实现欠驱动水面船舶在内部动态不确定和外界风流干扰情况下的航迹跟踪控制,首先构造能够使航迹偏差收敛的船首向角的跟踪方程,然后将航迹控制转化为实际船首向跟踪期望船首向的航向控制问题.应用自抗扰控制技术设计自抗扰航迹跟踪控制器,解决了恒定风流干扰造成的船舶横漂问题.应用非线性水动力模型进行仿真,结果表明,控制器能够实现欠驱动船舶对直线和曲线路径的精确跟踪,且具有较强的鲁棒性.     

300公斤级小型智能探测系统开发2014年技术总结报告

300 kg级AUV在经历2014年上半年的全面改造后。为了检验系统的性能,可靠性,在山东威海进行了为期2个月的海试。根据AUV在海试过程中的表现和对试验数据统计分析,表明该AUV在艏向控制、垂向控制、和梳状搜索等方面均有很大的改进和提高。其中,艏向控制精度在60个控制节拍内的平均艏向角偏差为0.284°;垂向控制精度在60个控制节拍内的平均垂向控制偏差0.127 m;AUV最大航速5节,且3节巡航速度时的续航能力为200 km;AUV在执行梳状搜索任务时,其实际航行轨迹与规划路线吻合较好,具有较强的海底规划搜索能力。     

基于预设性能制导律的欠驱动AUV海底地形鲁棒时滞跟踪控制

针对自主水下机器人(AUV)面向海底起伏地形跟踪的实际应用需求,设计了基于预设性能制导律的鲁棒时滞跟踪控制器,实现执行机构时滞下的AUV起伏地形跟踪,同时可提升其航行安全性能.首先,基于航行安全性能函数对地形跟踪误差进行转换,结合时变视线制导角在运动学层面设计了预设性能制导律,为AUV动力层提供参考状态输入.其次,为处理执行机构时滞问题并降低精确建模需求,结合径向基函数(RBF)神经网络设计了鲁棒时滞动力学控制器.最后,采用李雅普诺夫理论证明了基于预设性能制导律的鲁棒时滞跟踪控制系统闭环稳定性.仿真结果表明：所设计的控制器可实现AUV起伏地形鲁棒跟踪,且瞬态跟踪误差时刻处于预设性能范围之内,可提升AUV在跟踪海底起伏地形时的航行安全性能.     

基于轨迹线性化控制方法的全驱动自主式水下航行器轨迹跟踪控制

基于轨迹线性化控制(Trajectory Linearization Control,TLC)方法研究了全驱动自主式水下航行器（AUV）的轨迹跟踪控制.利用微分方程奇异摄动理论中的时标分离思想,将全驱动AUV的轨迹跟踪控制系统分成快、慢回路,分别基于轨迹线性化思想设计出快、慢回路控制器;利用Lyapunov稳定性理论对闭环控制系统进行了稳定性分析,通过AUV爬升转弯过程的仿真验证了该控制方法的有效性.     

无人水面艇直线航迹跟踪控制器的设计与验证

针对欠驱动无人水面艇航迹跟踪控制问题,设计一种直线航迹跟踪控制器.该控制器由导引算法和航向控制器两部分组成.导引算法基于LOS导引原理,根据给定航迹得出无人艇的期望航向;航向控制器采用抗饱和PID控制方法,通过负反馈防止积分器饱和,解决了传统PID控制器的航向超调和振荡问题.该航迹跟踪控制方法在DH-01小型欠驱动无人水面艇上得到验证.试验结果表明,航迹跟踪误差小于0.05 m.     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

基于深度强化学习的水下机器人最优轨迹控制

为了实现水下机器人在跟踪复杂轨迹时具有出较高的精度和稳定性,提出了利用深度强化学习实现水下机器人最优轨迹控制的方法:首先,建立基于2个深度神经网络（Actor网络和Critic网络）的水下机器人控制模型,其中Actor网络用来选择动作,Critic网络用来评估Actor网络的训练结果;其次,构造合适的奖励信号使得深度强化学习算法适用于水下机器人的动力学模型;最后,提出了基于奖励信号标准差的网络训练成功评判条件,使得水下机器人在确保精度的同时保证稳定性. 仿真实验结果表明:在解决一定精度内的水下机器人复杂轨迹跟踪问题时,该算法与传统PID控制算法相比具有更优的性能.     

静液传动履带车辆转向神经元自适应PID控制

为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.      

基于灰色理论的自主式水下航行器舵机控制系统设计

本文设计了一种基于灰色理论的AUV舵机控制系统,硬件采用STM32单片机及CAN总线.仿真结果和实际测试表明,在超调量、调节时间等方面,系统性能较传统PID控制得到了明显改善.     

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.      

基于STM32的机械臂运动控制系统设计研究

为了提高机械臂运动的准确性以及提高机械臂的控制效率,运用STM32处理器设计了一种机械臂运动控制系统。采用STM32作为主控系统的核心,通过角度位移传感器构成机械臂的感知模块,利用舵机驱动电路构成机械臂的运动模块,从而形成机械臂运动控制系统的硬件单元。以模糊PID控制理论为软件核心,对机械臂运动过程中的轨迹偏差进行计算,形成控制量。主控器STM32将根据控制量对机械臂的运动模块发出调控信号,使得机械臂能够快速回归预定的运动轨迹。实验结果表明,本文所设计的机械臂运动控制系统,能够快速、准确地对机械臂的运动状态进行控制,提高机械臂运动的准确性。     

推靠式旋转导向井眼轨迹预测与控制方法

旋转导向钻井系统是现代导向钻井技术的发展方向。通过导向机构调节导向参数来预测和控制井眼轨迹,是旋转导向钻井系统的关键技术之一。为解决推靠式旋转导向钻具的导向力和工具面角对井眼轨道的控制问题,对导向力分别在井斜平面和方位平面进行解耦;并应用了纵横弯曲理论建立了底部钻具组合三维力学分析模型,得出了导向参数与钻头侧向力和转角的定量关系。在考虑钻头和地层的各向异性因素的影响下,利用在UPC模型基础上提出的有效钻力的概念,通过计算钻头有效钻力来预测实钻过程中的钻进趋势。在此理论基础上,计算了按设计的井眼轨道钻进所需要的导向参数,并讨论了井眼轨迹参数、钻压、钻头各向异性参数和地层参数对钻具导向性能的影响;分析了其中的规律,并得出只有综合考虑上述各项因素,才能准确计算出导向参数,确保钻头沿设计轨迹钻进,也为旋转导向井眼轨迹控制提供了理论依据。     

变构型陆空平台动态起降轨迹规划研究

陆空平台具有多域机动能力,通过陆空模式的转换能够适应各种复杂环境,但陆空模式转换多为静止起飞或悬停下降,这种静态起降方式不利于陆空平台机动性的充分发挥. 针对一种动力机构可偏转的变构型陆空两栖平台,基于牛顿-欧拉方程建立陆空平台的飞行动力学模型,规划偏转角的时间序列以获得动态动力学约束,确定相对时间最优目标函数;基于5次多项式拟合二维平面轨迹,根据PID控制方法设计轨迹跟踪控制器,并进行轨迹规划和控制仿真. 结果表明,动态切换时间相比静态切换时间缩短了23.02%,动态切换规划轨迹平滑,高度方向无超调,控制器能较好地跟踪目标飞行轨迹.      

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

连续工况下基于PID+LQR算法的自动驾驶车辆横纵向耦合控制

为提高自动驾驶车辆的路径跟踪精度,针对自动驾驶车辆横纵向耦合控制问题,提出了带有前馈控制的PID+LQR联合控制策略。首先,利用二自由度车辆动力学构建路径跟踪误差数学模型,制定横纵向控制流程。随后,设计了用于横向控制的LQR控制器和用于纵向控制的PID控制器,将横纵向控制器进行整合,使得车辆在接收到决策规划系统给出的期望指令后可以进行跟踪行驶。借助CarSim和MATLAB/Simulink联合仿真平台,在连续工况下对该控制策略进行测试。结果表明,提出的横纵向耦合运动控制策略可以控制车辆沿着规划的轨迹行驶,且可将跟踪误差控制在较小的范围内。