融合自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制

为提高不同工况下驾驶机器人操纵试验车辆的转向精度和自适应能力,提出了一种基于自适应曲线预瞄的驾驶机器人转向操纵粒子群优化滑模控制方法。首先建立了试验车辆动力学模型和驾驶机器人转向机械手动力学模型,并构建了驾驶机器人转向操纵试验车辆的集成系统动力学模型,接着研究了一种融合路径曲率和车速的驾驶机器人转向操纵自适应曲线预瞄方法,其预瞄点位置能够根据车速和路径曲率做出自适应调整。在此基础上,设计了用于驾驶机器人转向操纵的粒子群优化滑模控制器,并进行了稳定性分析,同时利用粒子群算法在线优化滑模控制切换项的反馈增益系数,以减小控制抖振。仿真及试验结果表明,所提出的方法能够在不同工况下根据路径曲率和车速做出自适应调整,实现驾驶机器人操纵车辆的精确转向控制。     

基于线控转向的汽车容错控制策略研究

针对转向系统失效的情况,基于执行器扭矩重新分配,提出了一种容错控制策略;根据所需车辆运动,建立双点预瞄模型,推导出期望的方向盘转角;利用二自由度汽车模型,进一步得到目标横摆角速度以及目标车身侧偏角,利用滑模控制得到所需的横摆力矩,通过扭矩分配策略实现容错控制;通过控制各个车轮执行器的输出扭矩,使汽车沿规划路径行驶;通过仿真实验,汽车的横摆角速度与期望的横摆角速度吻合度极高,提出的算法可以有效地应对线控转向汽车的转向故障,验证了针对转向失效的容错控制的有效性,有一定的工程实用性。     

基于动力学和预瞄理论的超车路径跟踪控制

为提高辅助超车安全性,对超车换道的规划路径进行预瞄跟踪控制研究.基于汽车侧向动力学模型和预瞄理论,推导出转向角到预瞄误差的传递关系,得到路径跟踪控制器.在Simulink中建立跟踪控制器,在Carsim中建立车辆模型和规划路径,定义二者的传递参数,分别对五次多项式超车路径和Carsim自带双移线路径进行路径跟踪控制的仿...     

智能车辆速度跟随控制算法的仿真研究

针对汽车动力学速度控制的强非线性特性,基于预瞄-跟随理论,建立了车辆速度控制过程中的速度跟随运动模型;并提出了智能车辆速度跟随的控制算法。在PreScan和matlab/simulink的联合仿真中,实现了车辆的速度跟随控制;并对速度变化过程中速度跟随控制算法的性能进行了仿真验证。结果表明,车辆基本可以跟随参考速度行驶,并且可以实现自动减速停车。     

基于主动转向的车辆路径跟随广义预测控制

为了增强车辆在外界干扰存下的路径跟随性能,提出了一种基于广义预测控制(GPC)的主动转向控制器来保证车辆对于路径的跟踪能力.采用受控自回归积分滑动平均模型(CARIMA)作为预测模型,通过带遗忘因子的最小二乘法辨识方法获得CARIMA模型参数,避免了由于车辆非线性造成的参数化建模不准确、繁琐问题.使用车辆路径侧向跟踪误差作为控制器输入,方向盘附加转角作为输出,与驾驶员方向盘转角进行综合,获得车辆方向盘最终转角.在Simulink-CarSim联合仿真环境下,验证了所设计控制器在双移线工况有强侧向风干扰时车辆对路径的跟随性能.     

采用方向预瞄的内模驾驶员模型

为了建立与真实情况更加相符的驾驶员模型,针对汽车驾驶员对整车不确定参数的自适应性,在分析汽车驾驶员预瞄、决策和自适应机理的基础上,建立了基于方向预瞄的内模驾驶员模型。该模型由驾驶员方向预瞄模型、驾驶员决策模型和驾驶员内模模型组成。汽车双移线工况仿真结果表明,内模驾驶员模型能够有效地用于汽车转向控制,并能够充分体现汽车驾驶员所具有的对不确定参数的适应性。     

基于滚动预瞄模型的纯跟踪算法

针对无人驾驶车辆采用纯跟踪算法对不同曲率路径跟踪时,出现道路适应能力弱和跟踪精度差的问题,提出一种基于代价的滚动预瞄模型(rolling preview model, RPM),以提高纯跟踪算法跟踪精度与鲁棒性。首先,根据车辆运动学与阿克曼转向几何,提出预瞄轨迹的确定方法以及预瞄轨迹与待跟踪路径间的几何约束;其次,设计道路弯曲度加权项并构建目标函数对预瞄轨迹进行优化,以获得预瞄距离的最优值;最后,在ROS/Gazebo仿真环境下设置不同初始状态与不同曲率的工况进行对比仿真实验,并在空旷环境中对8字形路径进行实车跟踪实验。实验结果表明,所提出的滚动预瞄模型能够根据预瞄轨迹与待跟踪路径的几何关系有效调节预瞄距离,相较于麻省理工(Massachusetts Institute of Technology, MIT)算法和Stanley算法,滚动预瞄模型在特殊初始状态、大曲率道路下有利于跟踪精度的提高。     

基于轨道谱的铁道车辆主动悬挂轴间预瞄控制

针对铁道车辆二系主动悬挂，考虑了轨道不平顺谱及轮轴时延的输入；依据最优控制理论，设计了整车的主动悬挂控制规律，并在整车垂向动力学模型上进行了仿真分析．分析表明，依据轨道不平顺谱以及轮轴时延能实现最佳的控制性能；但随着速度的提高，其相对于仅依靠轨道谱信息而设计最优控制规律的收益大幅下降；相对而言，铁道车辆依据轨道谱信息设计主动悬挂控制规律非常重要．     

无人驾驶高速4WID-4WIS车辆路径跟踪单点预瞄控制

针对无人驾驶高速四轮独立驱动独立转向(4WID-4WIS)车辆的驱动冗余、强非线性和不确定特性,提出一种基于控制分配和自抗扰控制法的路径跟踪单点预瞄控制方法。首先建立车辆单点预瞄路径跟踪系统的动力学模型。然后构建以控制分配器为核心的控制系统,使用自抗扰控制方法设计单点预瞄解耦控制器;提出目标生成器的类惯性环节算法,讨论其合理性;给出4WID-4WIS车辆路径跟踪控制分配问题的求解方法。最后进行仿真,结果表明所提方法能够实现快速、高精度的双移线圆弧路径跟踪控制。     

车辆轨迹的预瞄与模糊分数阶比例—积分—微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶比例-积分-微分(proportion-integration-differentiation, PID)控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

四轮转向车辆的直接横摆力矩控制

将横摆力矩控制(DYC)与四轮转向(4WS)系统相结合,建立侧偏角和横摆角速度具有最佳输出响应的车辆理想模型.采用前馈和反馈控制相结合跟踪理想模型的控制策略,设计出最优控制器,并分别在低速和高速下进行仿真分析.结果表明:四轮转向模型与横摆力矩控制相结合,采用跟踪理想模型的控制策略能够有效地同时控制汽车转向侧偏角和横摆角速度,得到较好的瞬态及稳态响应,有效地减轻驾驶员操纵负担,提高了车辆操纵稳定性.尤其在高速行驶时,仍能获得较好的输出响应,利于提高行车安全性.     

改进型波控算法在FPGA中的研究与实现

相控阵雷达波束控制系统的性能极大地影响雷达功能的发挥,文章采用基于现场可编程门阵列(field-programmable gate array,FPGA)芯片实现波束调度,具有速度快、可靠性高、控制灵活及便于扩展等特点;然而FPGA芯片不具备浮点运算功能,无法进行实时计算。文章将查表法和实时计算法相互结合,取长补短,规避了FPGA无法完成浮点运算的缺陷,又节约了码表存储的内存空间,具有广泛的工程应用前景。     

基于改进PID算法的无人机变速度控制

为提高固定翼无人机的任务能力,使其能够快速改变飞行速度适应任务需求,针对无人机飞行过程中随着速度改变,纵向平衡位置须及时调整的问题,对传统PID算法进行了改进,设计了新的平衡位置修正算法,将比例项和微分项的控制结果乘以一定的系数累加,修正平衡位置的偏差.仿真和飞行试验结果表明:这一改进的算法相比传统的积分算法可以更快地找到新的平衡位置,能够在飞行过程中依据不同的速度有效地修正纵向平衡位置偏差,消除控制结果的静态误差,响应速度快、超调量小、控制效果良好.     

基于PID控制算法的机场运输车转向系统设计

鉴于机场运输车特定的应用环境,其转向系统对于响应速度、精确度和稳定性的要求较高,为满足机场运输车转向系统设计要求,提出了2种转向系统设计方案,并建立转向机构数学模型,通过对两方案进行比较分析,液压马达转向系统更符合大角度转向的实际要求。采用增量式PID控制方法,设计出液压马达转向控制系统的具体实现方案;利用AMESim软件进行建模仿真。仿真结果表明：机场运输车转向系统的响应速度、精确度和稳定性都有很大的提高,证明了液压马达转向系统设计方案的合理性和可行性,可为类似产品改良转向系统提供参考。     

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...     

基于改进PSO算法的分布式能源供应链配置研究

传统能源储备量不足导致的能源危机使得分布式能源在能源网中占比越来越高,高效而环保的分布式能源供应链为能源互联网+智慧能源奠定了基础,为解决分布式能源供应链供给侧各分布式模块配置问题,以分布式能源供应链中各分布式模块的经济性问题和环保性问题为目标函数建立相关模型,分析了分布式风能、分布式太阳能和分布式天然气模块,研究分布...     

基于改进瞬时能量的人群异常行为识别算法

人口密度的逐年增加使得公共场所的人群暴乱事件频繁发生,利用相关技术对现有的监控视频进行实时分析,及时对突发的人群异常情况报警,对于维护社会秩序和公共安全具有重要的研究意义。提出了一种基于改进瞬时能量的人群异常行为识别算法,把提取到的人群分布信息和运动信息融合后,计算得到瞬时能量,并与设定的异常阈值比较,以识别人群异常行为。实验结果表明:针对相同的视频数据,该算法降低了传统动能公式因单一考虑人群运动信息而导致对异常行为误检的概率,识别人群异常行为的准确性要高于其他同类方法。     

基于改进型广义双曲正切模型的机器臂控制算法研究

针对存在复杂干扰情况下的机械臂轨迹跟踪控制问题,采用了一种基于双曲正切模型的鲁棒自适应控制方案。利用高解释性的改进型广义模糊双曲正切模型的全局逼近特点,设计一种自适应控制器用于机器人轨迹跟踪控制;同时以解一个线性矩阵不等式方程来保证系统的鲁棒稳定性。通过Lyapunov理论验证设计的控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近稳定。仿真实验表明此控制算法具有较高的跟踪精度和较强的鲁棒性。     

基于混合遗传算法的TSP问题优化研究

为了避免陷入局部优化,提出使用混合遗传算法,即用应用模拟退火算法的Boltzmann生存方法,根据个体适应性的变异值Δf和概率值exp(-Δf/T),来保持个体的多样性,阻止提前收敛,用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾.算法分析和测试表明,该改进算法是有效的.     

基于改进遗传算法的水污染控制系统规划

针对水污染控制系统规划,建立了对应的非线性规划模型,该模型可适用于具有污水处理与利用的一般系统.由于模型具有高度的非线性,提出一种改进的遗传算法来进行求解,该算法可弥补传统非线性规划算法无法获得满意效果的不足,克服基本遗传算法容易早熟的弱点.实例表明所提出的改进遗传算法具有良好的局部与全局优化性能,适于复杂模型的优化问题.同时提出了对约束条件处理的方法,该方法可应用于其他类似问题的求解.