基于综合导向的轮式移动机器人自适应轨迹跟踪控制

分析了不确定的具有非完整约束轮式移动机器人系统的轨迹跟踪问题,提出了一种自适应的轨迹跟踪控制方法,该方法在运动学模型的基础上通过引入状态微分反馈实现.同时,该控制方法提出在对轮式移动机器人进行导航时引入人工场,使其和位姿误差一起作用完成导航控制.基于轮式移动机器人的仿真实验,以及实际轮式移动机器人的控制实验表明,该方法可以对不确定的轮式移动机器人轨迹跟踪进行有效控制,而且在导航中使轮式移动机器人具有更理想的轨迹.     

具有外部扰动的非完整移动机器人的有限时间跟踪控制(英文)

研究了具有外部扰动的动态模型的非完整移动机器人有限时间跟踪控制问题,介绍了一种有限时间扰动观测器来估计外部扰动.首先,移动机器人的跟踪误差系统被转换成两个子系统:一个三阶子系统和一个二阶子系统.然后,我们分别讨论了这两个子系统,并且设计了连续的有限时间扰动观测器和有限时间跟踪控制律.严格的证明表明了移动机器人可以在有限时间内跟踪上期望的轨迹.仿真例子说明了我们方法的有效性.     

轮式移动机器人预定时间轨迹跟踪控制

在现有的轨迹跟踪控制中,跟踪误差的收敛时间通常与误差初始值有关,且关于非完整系统预定时间轨迹跟踪的控制方法很少.针对上述问题提出了一种使非完整轮式移动机器人系统可在预定时间跟踪上参考轨迹的控制方法.首先,通过坐标变换,将跟踪误差系统转变为一个由角度误差构成的一阶子系统和一个由位置误差构成的二阶子系统;然后,分别针对角度...     

基于一种新误差模型的移动机器人模糊控制

建立了移动机器人的数学模型,并进行离散化. 针对大初始偏差问题提出一种新的误差模型,设计了2个基于人工驾驶思想的模糊控制器. 角速度控制器用距离误差和角度误差作为控制量,加速度控制器用距离误差作为控制量,同时对角速度和加速度进行控制以实现移动机器人路径跟踪. Matlab仿真结果表明该控制器的有效性.     

基于综合导向的车式移动机器人轨迹跟踪控制

分析了具有不确定性和非完整约束的车式移动机器人系统的轨迹跟踪问题.基于运动学模型分析,提出一种自适应的轨迹跟踪控制方法.通过引入状态微分反馈实现系统的镇定.同时引入人工场,使其和位姿误差一起作用于控制系统,从而改善了对车式移动机器人的导航控制.运用Lyapunov稳定性理论证明了控制器的稳定性.直线和圆周两种轨迹跟踪的仿真实验表明,该控制方法能够使四轮车式移动机器人在导航中具有理想的跟踪轨迹.     

基于变结构的移动机器人侧向控制器的设计

采用基于后推与模糊滑模控制相结合的方法设计了移动机器人的变结构状态反馈控制器,实现了对道路跟踪侧向误差的渐近镇定控制.应用Lyapunov定理推导了移动机器人满足非完整性约束的时变光滑状态反馈镇定控制律;将状态控制区域分为远离奇异点的稳定工作区域与含有奇异点的非稳定区域2部分.设计模糊控制嚣来控制移动机器人的状态从非稳定区域向稳定区域转变,并采用移动机器人Amigobot作为实验平台验证了控制器设计的有效性.研究结果表明:侧向误差较大时,模糊控制器确保移动机器人在稳定区域内沿着模态切换线减小误差;当侧向误差较小时,时变光滑状态反馈控制实现对移动机器人的平稳镇定.在控制器设计中,将移动机器人的平移速度视为渐变参数,根据侧向误差能量函数的变化进行模糊自适应调节.     

轮式移动机器人的有限时间自适应轨迹跟踪控制

【目的】针对存在外界扰动和参数不确定性的轮式移动机器人,设计一种有限时间轨迹跟踪控制方案。【方法】首先,将轮式移动机器人动态系统分为二阶和三阶的两个子系统;其次,针对二阶子系统设计了自适应快速终端滑模控制律,保证移动机器人角速度跟踪误差有限时间内收敛到一个任意小的区域内;然后,设计了关于线速度的控制律,来保证三阶子系统的有限时间收敛;最后进行仿真实验验证。【结果】仿真实验结果与理论值相符。【结论】本研究设计的有限时间控制策略保证了移动机器人轨迹跟踪的效果。     

轮式移动机器人大转向航向跟踪控制

为了防止轮式移动机器人在大弯道路跟踪时出现过度转向而引起较大跟踪误差或偏离预定路径,提出了种能适应大转向的航向跟踪控制方法,利用机器人前轮偏角的绝对方向作为控制器反馈航向,仿真实验结果表明,该方法与以机器人车体航向作为反馈量的常规方法相比,在大转向航向跟踪时能有效志改善系统的动态特性,减少超调和振荡,提高基于航向控制的轮式移动机器人大弯道路径跟踪性能。     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

六主动轮移动机器人的建模及路径跟踪

为了研究轮式移动机器人的控制问题,用Newton-Euler法建立了一个具有6个主动轮且都能独立转向的移动机器人的动力学模型。用一种智能比例微分(PD)控制方法,实现了机器人的路径跟踪。该控制方法参考模糊控制的思想,将位置误差和方向误差分成若干个模糊集合,使控制器的参数能根据机器人的状态及外部环境进行调节,同时解决了各轮控制命令的协调问题。仿真结果表明,该控制策略是行之有效的。     

基于切向-轮廓控制与位置补偿的凸轮轮廓控制

为解决凸轮磨削系统的轮廓控制问题, 在分析轮廓误差的基础上, 提出了一种位置跟踪补偿算法与切向鄄轮廓控制相结合的控制策略。 在两运动轴间引入切向鄄轮廓控制, 将轮廓误差坐标变换于切向鄄轮廓坐标系中。 对此变换后得到的两个误差分量, 单独设计其对应的控制器。 为弥补切向鄄轮廓控制带来的不足, 在位置环外增加补偿器, 通过额外补偿跟踪误差, 以保证系统性能, 同时提高了系统各轴对输入信号的跟踪能力。所提控制策略在 Simulink 仿真平台上的实验结果表明, 该策略减小了系统的跟踪误差和轮廓误差, 具有良好的跟踪性能与轮廓性能。     

基于预测--模糊联合控制的分布式驱动车辆路径跟踪方法

为研究分布式驱动车辆（4wid）路径跟踪中的跟踪精度和稳定性的问题,提出了模型预测-模糊(Mpc-Fuzzy)的联合控策略, 缓解了单一模型预测控制下车辆跟踪精度与控制器计算压力间的冲突。采用模型预测控制设计了上层路径跟踪控制器,旨在利用模型预测“滚动优化”的优点降低跟踪误差的同时保证车辆的稳定性。下层采用模糊控制,将转向过度和转向不足量化为“方向偏差”和“位置偏差”,利用四轮转矩独立控制的优点进一步优化转矩输出,旨在降低模型预测控制器对参考模型线性化后带来的跟踪误差。为验证控制策略的可靠性,基于Carsim和Simulink.、Driving Scenario搭建联合仿真模型,将联合控制器和单运动学模型预测控制器进行对比研究。仿真结果表明联合控制器可在完成对给定路径跟踪的基础上,减少转向不足和转向过度的发生,降低了方向误差和位置误差。     

基于误差空间的UUV三维鲁棒跟踪控制研究

针对水下无人航行器(UUV)系统存在非线性和不确定性的特点,采用基于误差空间理论的跟踪控制方法,进行UUV在复杂海洋环境以及自身工作状态和模块配置变化时的空间跟踪控制问题研究. 以海浪干扰下的深度跟踪控制仿真实验分析该控制方法的鲁棒性. 该控制方法的理论基础是结合被跟踪平台的动态过程,以被跟踪平台和跟踪平台的空间误差为状态空间的状态量组成误差空间系统. 由于融合了被跟踪平台的动态过程和跟踪误差,跟踪精度和跟踪能力增加,同时系统的鲁棒性也增强.      

参数不确定非线性系统的分步变结构控制

针对一类存在参数不确定性的反馈线性的非线性动态系统,通过构造两个滑模流形,给出了输出跟踪控制律.第一个滑模流形为误差跟踪的线性函数,用于构造一个"中间控制变量";第二个滑模流形为中间控制变量与其实际值之间的误差,通过设计一个变结构控制律使闭环系统的轨迹渐近趋于滑模区,对于所有滑模区上的轨迹,跟踪误差趋于零.参10.     

基于T-S模糊模型一类不确定非线性系统的H∞模糊鲁棒跟踪控制

研究一类不确定非线性系统模糊鲁棒跟踪控制的设计. 基于存在外界干扰的不确定非线性系统的T-S模糊模型, 考察被控系统跟踪参考信号的误差, 得出跟踪误差指数稳定的约束条件, 在跟踪控制与镇定控制一致的前提下研究了H_∞模糊鲁棒跟踪控制器的设计问题, 基于Matlab的LMI和FLC工具可实现对此问题求解. 仿真实例验证了算法的有效性.     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合，提出一种综合自适应模糊控制方法．基于李亚普诺夫函数系统参数的自适应律，不需要最小逼近说差平方可积条件，而且利用模糊滑模控制补偿模糊系统的逼近最差及外部干扰对输出跟踪误差的影响，理论证明了闭环系统稳定，跟踪误差收敛到零或零的一个小邻城内．仿真表明了算法的有效性。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

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。     

太阳能双轴聚光跟踪控制设计与优化

针对聚光光伏跟踪控制的要求,设计了一种改进型的太阳能双轴跟踪控制系统,并对控制系统进行了优化.系统采用一种新型太阳位置算法ENEA(2007),高度角和方位角的最大误差不超过0.002 7°;硬件平台采用STM32系列芯片作为系统的控制核心,在电机控制追踪精确度方面进行了优化.经现场实验测试,该控制系统运行稳定可靠,整体误差较低.