基于LQR和PID的智能车轨迹跟踪控制算法设计与仿真

为了提高智能车轨迹跟踪的精度及鲁棒性,提出了基于线性二次调节器(LQR)和比例-积分-微分(PID)算法的横纵向控制策略。首先建立了车辆二自由度动力学模型和轨迹跟踪误差模型;其次设计了横向LQR控制算法的轨迹跟踪控制器和纵向双PID控制算法的速度跟踪控制器,并采用遗传算法对横向LQR控制的关键参数进行了确定。通过CarSim和Simulink对其控制算法进行低速、中速和高速三种工况的仿真,仿真结果表明：该横纵向控制算法在轨迹跟踪时的距离偏差小于0.05 m,前轮转角以及横摆角速度变化较为平稳,保证了轨迹跟踪的精度和较好的稳定性,在一定程度上提升了乘员的舒适性。     

基于视觉和后推方法的智能车轨迹跟踪控制

通过基于视觉的车道标志线识别系统建立智能车的期望跟踪轨迹,并将智能车运动学模型转换为链式系统模型,同时利用Backstepping方法设计控制律,克服了动态反馈线性化的方法设计的控制器维数较高以及滑模变结构控制器会呈现高频的抖振的缺点。通过仿真试验表明该方法得到了较好的轨迹跟踪控制效果和良好的全局稳定性。     

考虑目标航向机动信息的机动目标跟踪算法

传统的机动目标跟踪算法大多过于依赖所采用的目标运动模型,没有充分利用目标量测序列中携带的其它有用信息,当目标机动时跟踪性能下降较大。针对该问题,提出了利用目标航向机动序列修正传统跟踪算法滤波值的新算法。仿真结果表明,该算法比传统跟踪算法的跟踪精度高,是一种简单有效的自适应机动目标跟踪算法。     

基于逆推算法的非线性船舶航向跟踪控制器

针对线性Nomoto船舶运动模型航向改变操纵过程中，往往引起快速大的舵动，产生严重的水动力非线性的问题．基于逆推设计方法设计了非线性船舶航向跟踪控制器，并证明由其构成的闭环动态系统是全局指数渐近稳定的．对大连海事大学远洋实习船“育龙”号的仿真实验表明，所设计的船舶变航跟踪控制器是有效的．     

两轮智能车跟踪控制系统的研究

自平衡式两轮机器人是多变量、强耦合对象,文章针对斜坡上的两轮智能车的目标跟踪问题,设计了基于T-S模糊控制器的跟踪控制系统,该系统包括底层平衡控制器、底层转弯控制器和全局运动控制器。底层的平衡控制应用T-S模糊控制器,并利用LQR线性控制器来简化控制器的参数设计。底层转弯控制器采用PI算法,在此基础上运用李雅普诺夫函数方法,进行了全局运动控制器的设计,得出了具有全局渐近稳定的控制律。最后通过仿真验证了该方法的正确性和可行性。     

显著性能量目标跟踪轨迹修正算法

针对SiamMask在目标跟踪过程中,图像序列中出现运动模糊时跟踪机制无法捕获特征点而导致的跟踪漂移问题,提出一种显著性能量目标跟踪轨迹修正算法。该算法通过显著性能量特征判定是否发生跟踪漂移,利用轨迹预测算法修正发生漂移时的跟踪结果,解决运动模糊条件下跟踪漂移问题,进一步提高SiamMask算法跟踪精度。分别在OTB50和VOT2018数据集进行仿真测试,仿真结果表明该算法较SiamMask算法跟踪精度提高0.2%,有效修正跟踪漂移时的目标位置,适用于智能监控和自主驾驶系统等。     

基于船舶的GPS/单陀螺航向融合算法

研究一种应用于船舶的GPS/单陀螺航向融合算法.首先,根据陀螺输出的角速率来估算船舶航向角信息;然后,采用改进的卡尔曼滤波的GPS/单陀螺融合算法,估算出陀螺的航向角估计误差和陀螺的漂移;最后,得出船舶航向角的准确信息.试验结果表明,该融合算法使得航向角实际应用误差控制在±1°之内,其输出值相当平滑,是一种有效的航向角确定算法.     

旋转式天空偏振光的航向角检测系统

为了提高点源式偏振光探测器的可靠性和精度,在斯托克斯(Stokes)矢量的偏振光测量原理的基础上采用单个偏振光传感器通道设计并且搭建了 一种快速旋转式天空偏振光信息探测系统,通过GPS授时确定太阳子午线的位置,进而实时解算出航向角数据,在室内和天气晴朗、空旷的室外条件下完成了数据采集,最大误差为1.047°,平均误差为...     

基于蚁群算法的篮球运动员远距离投篮轨迹跟踪方法

为了提高篮球运动员远距离投篮轨迹跟踪识别能力,提出基于蚁群算法的轨迹跟踪识别方法.采用动力传感敏感跟踪元件实现投篮轨迹数据采集,构建篮球运动员远距离投篮轨迹数据特征分析模型;结合运动学参数融合和动态识别方法进行远距离投篮轨迹数据的分类检测,构建远距离投篮轨迹的运动力学耦合控制模型;采用蚁群个体寻优跟踪方法,构建篮球运动...     

基于轨迹提取算法的视频关联动作跟踪仿真

针对已有视频关联跟踪方法无法准确提取关联动作轨迹, 导致视频关联动作跟踪结果出现较大偏差, 且跟踪速率较低的问题, 提出一种基于轨迹提取算法的视频关联动作跟踪方法. 首先, 根据多元组理念组建多元组轨迹提取模型, 划分运动视频图像特征分布矢量化集合, 计算视频图像分割支持向量机临界值; 其次, 通过颜色系统分离像素特征, 利用虚拟视景重构输出关联动作轨迹提取值; 再次, 在多粒度滤波器训练中设置预期输出值, 采用Fourier变换将卷积计算转变成点乘运算, 计算各粒度下边界最小矩形重叠率; 最后, 通过欧氏距离获得两个边界最小矩阵变换情况, 明确各粒度的轨迹波动程度, 完成视频关联动作跟踪全过程. 实验结果表明, 该方法的视频关联动作跟踪速率为14.9 帧/s, 能有效提高目标跟踪速率, 实现精准的视频关联动作跟踪.     

一种基于LTVMPC改进的 无人驾驶汽车路径跟踪控制算法

在低附着路面情况下,针对现有以线性时变模型预测控制(LTVMPC)为基础的无人驾驶汽车路径跟踪精确性和稳定性问题,提出一种改进的控制算法.以汽车动力学理论为基础,将四轮轮胎侧偏角和滑移率精确地表示为车辆状态量的非线性函数,在预测时域内对车辆状态方程线性化处理而求解雅可比矩阵时,为降低系统维度,将轮速作为非状态量,建立改进的三自由度车辆模型,在二次规划性能指标中加入横摆角速度跟踪误差项以提高路径跟踪性能,考虑质心侧偏角对跟踪精度和车辆稳定性的影响,修正参考横摆角,建立改进的LTVMPC.在Carsim-Simulink联合仿真平台进行低附着系数路面情况下的双移线跟踪仿真,结果表明改进后的控制算法在保证实时性的前提下,提高了路径跟踪的精确性和车辆行驶的稳定性.     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

基于曲率平滑的智能车辆道路跟踪控制

推导了车辆转向动力学状态方程.利用GPS全球定位系统和数字地图提供的道路曲率信息,提出了一种回旋曲线道路曲率平滑算法.对道路曲率发生突变的路段进行平滑处理,从而消除道路曲率突变.仿真实验结果表明,该算法能够有效减小车辆道路跟踪误差,提高驾驶舒适度.     

自适应的免疫粒子滤波车辆跟踪算法

针对真实场景中的车辆跟踪问题, 提出一种改进的粒子滤波车辆跟踪算法. 通过免疫重采样框架减少粒子退化, 保证粒子滤波的有效性, 并参照人工免疫算法的思想建立记忆库, 使算法可较长时间地跟踪目标; 利用背景权重直方图和分块判别机制减少因遮挡导致的跟踪偏离, 同时在运动模型和抗体变异过程中加入自适应学习参数, 提高算法的鲁棒性. 实验结果表明, 在光照变化、 运动突变、 目标遮挡等不同条件下, 该算法具有稳定跟踪的能力, 验证了算法的有效性.     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于力驱动的智能汽车路径跟踪控制策略

为提高高速大曲率工况下智能汽车的路径跟踪控制精度,保证车辆横摆稳定性和侧倾稳定性,提出基于最优前轮侧向力和附加横摆力矩协同的力驱动模型预测控制(MPC)路径跟踪控制策略。充分利用轮胎非线性动力学特性,提高控制器的响应性能,构建基于时变线性轮胎模型的路径跟踪控制系统状态空间方程,预测车辆状态信息。采用零点力矩法建立车辆侧倾稳定性约束条件,设计基于MPC的防侧倾路径跟踪控制器。CarSim与Matlab/Simulink联合仿真结果表明,该控制器在保证车辆横摆稳定性和侧倾稳定性的前提下,高速大曲率工况下的最大横向位置偏差和航向角偏差分别降低14.08%和4.80%,低附着高速变道工况下分别降低22.95%和16.77%,说明所提出的控制器可显著改善车辆路径跟踪效果。     

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。     

Path Recognition Algorithm of Tracking Robots Based on Image Sensor

Path recognition is an inevitable core technology in the development of tracking robot. In this paper,the path tracking system of tracking robot can be realized by image sensor module based on camera to obtain lane image information,and then extract the path through visual servo. The whole system can be divided into seven modules: micro control unit( MCU) processor module,image acquisition module,debugging module,motor drive module,servo drive module,speed sensor module,and voltage conversion module.In image pre-processing part,there is an introduction of binarization processing and the median filtering to strengthen the image information. About recognition algorithm,three key variables which are changed in the movement state are discussed and there are also many auxiliary algorithms that help to improve the path recognition.The experiment can verify that the whole system can accurately abstract the black guide lines from the white track and make the robot moving fast and stable by following the road parameters and conditions.     

基于Adriano控制器的寻线智能车设计

以飞思卡尔模型C车为车载平台,基于Adriano开发环境,采用红外线传感器进行路径检测,设计了一种寻线智能车.该智能车主要包括微控制器(MCU)模块、电机及驱动模块、舵机模块、路径识别模块.通过系统软、硬件的调试,小车能够稳定的沿引导轨迹运行,行驶效果良好,验证了系统设计可行性.     

基于无迹卡尔曼滤波的无人机跟踪算法

基于四基站对无人机位置的定位数据,利用无迹卡尔曼滤波算法对定位数据进行最优估计,并预测无人机的运行轨迹,从而实现对无人机的实时跟踪.对经典的线性卡尔曼滤波算法和无迹卡尔曼滤波算法进行仿真对比,结果表明,线性卡尔曼滤波算法虽然能跟踪预测轨迹,但有较大的误差,而使用无迹卡尔曼滤波算法能有效地减小误差,使跟踪预测的轨迹更加精确.