基于惯导航向角的智能车几何轨迹跟踪算法

为满足智能车在低速和高速运行时稳定和精确的轨迹跟踪,提出了一种基于几何模型的智能车轨迹跟踪算法。算法首先通过惯性导航系统的航向角参数,计算车辆纵向运动方向和轨迹跟踪点切线方向之间的切向角,再通过横向偏差角进行转向的偏差校正,实现轨迹的实时跟踪。以真实智能车在实际道路环境中对算法进行了20 km/h下的小曲率直道和大曲率路口弯道以及50 km/h下的小曲率直道的轨迹跟踪实验。实验结果表明,在不同的典型路况下,采用该算法的智能车能够实现稳定和精确的轨迹跟踪;与其他轨迹跟踪算法相比,该算法具有较好的性能。     

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。     

DC—DC变流器系统的LQR—PID控制算法研究

PID控制因其算法简单,可靠性高,在工业控制领域有广泛的应用.但其参数整定一直是实现PID的关键.本文运用LQR原理来确定PID控制器的参数.仿真结果表明,此方法确定的PID参数可以使DC-DC系统实现优良的动静态性能.     

车辆变速轨迹跟踪横纵耦合控制方法

针对变化速度下车辆轨迹跟踪精度以及实时性差的问题,提出一种基于模型预测控制的横纵耦合控制方法。在三自由度车辆动力学模型中,将车轮驱动力与前轮转角作为控制量,以单控制器形式实现车辆横纵向运动的综合控制,并且在考虑耦合特性的基础上,设计目标函数与可变权重系数,求解最优横纵向控制量。并且基于五次多项式理论,设计一种变速双移线轨迹以验证控制器综合轨迹跟踪能力。实验结果表明,该控制器能有效跟踪变化车速并且保持高轨迹跟踪精度与良好的实时性。     

基于模糊自适应PID的智能车控制与仿真

由于智能车的行驶是时变非线性系统,传统的PID算法无法很好地满足需求,改进的模糊自适应的PID算法采用高效的PID算法和模糊自整定控制相结合进行自动调节,可以让智能车系统克服传统PID算法无法实时调节参数的缺点,提高智能车在速度控制上的效率和鲁棒性。利用MATLAB中的Simulink仿真模块,设计搭建模糊控制器,并应用模糊规则进行仿真,分别给与负载电机转速扰动和电磁转矩的阶跃扰动,利用传统PID和改进后的模糊自适应PID控制对比测试电机控制系统的阶跃响应性能。实验表明,该系统不仅实现了智能车速度的实时调控和优化,而且与传统的PID控制算法相比较,具有更稳定的动态响应、鲁棒性与精确度。     

基于无模型自适应控制算法的机械臂轨迹跟踪控制

机械臂控制研究领域目前研究的热点分为目标点的位置控制和运动轨迹跟踪两方面.目标位置点的控制重点在于对末端执行器的位置点位的控制,对中间各个轴的运动过程并不关心;轨迹控制的重点在于通过各个轴的力矩控制来使其运行过程更加连续,更好地实现工作要求.针对机械手控制过程中总是存在不确定的情况,利用基于紧格式无模型自适应控制算法分...     

基于滑模PID的微型旋翼飞行器轨迹跟踪控制

针对微型旋翼飞行器的轨迹跟踪精度不高的问题, 提出一种基于自适应调节PID（Proportion Integration Differentiation）增益的滑模控制器。基于李亚普诺夫稳定性理论, 通过自适应律在线调节PID控制增益参数, 设计饱和函数抑制滑模控制器的高频抖振, 以实现轨迹跟踪误差系统对模型参数变化和外部扰动的鲁棒性。仿真结果表明, 该控制器能驱动旋翼飞行器精确跟踪期望的轨迹, 具有较高的控制精度, 能满足实际工程应用的要求。     

PID算法在智能车中的应用

为了使自动识别路径的智能车能够稳定、可靠地在不同跑道上行驶,文章提出了一种数字PID控制算法。详述了数字PID控制技术在提高控制精度、扩展相位裕量中的运用过程,并在以HCS12的16位单片机为硬件系统的智能小车上进行了控制算法测试。试验结果证明,智能车能够稳定、可靠地在不同跑道上行驶。     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

基于电磁传感器的智能车设计与实现

设计了基于电磁传感器的自动循迹智能车。使用32位单片机MCF52259作为核心控制单元,设计了电源模块电路、停车检测电路、电机驱动电路及信号采集电路,采用PID控制算法使得智能车自动采集路径信息,控制电机加减速、舵机转向,实现了智能车的自动循迹行驶功能。     

四旋翼动力学建模及非线性PID轨迹跟踪控制

四旋翼无人机因其简单易用性被应用于航空摄影、天气监测、交通监控、军事监视和地球科学等领域,可以配备摄像头和各种传感器按照既定轨迹飞行,来准确执行许多复杂的任务。通过四旋翼飞行器系统刚体运动学建模及模型线性化处理,针对速度和姿态角较小时的轨迹跟踪问题,设计了级联双闭环比例-积分-微分(proportional-integral-derivative,PID)控制器。利用Simulink对所设计模型进行仿真分析,验证了定点悬停和平面正弦轨迹跟踪性能。仿真结果表明:基于小角度假设条件下,所设计PID控制系统可以有效地完成四旋翼飞行器的既定轨迹跟踪。最后通过实物飞行测试,验证了控制算法的有效性。     

一种简单的机器人鲁棒自适应轨迹跟踪控制算法

针对不确定性存在情况下的机器人轨迹跟踪 ,提出了一种鲁棒自适应轨迹控制算法 .控制算法是全局按指数收敛的 ,不需要知道机器人动力学模型 ,结构简单 ,计算量小 ,能使轨迹误差收敛到一任意小的区域内 .利用Lyapunov直接法分析了控制算法的稳定性和鲁棒性 .两关节直接驱动机器人的实验研究验证了算法的有效性 .     

四轮独立转向无人车辆斜向行驶轨迹跟踪控制方法

针对四轮独立转向电动汽车转向系统成本高、但功能开发程度低的问题,提出一种车辆斜向行驶控制策略,优化四轮独立转向电动汽车换道过程中的行驶稳定性. 基于四轮独立转向电动汽车横向、纵向二自由度车辆模型,提出一种横纵向耦合轨迹跟踪控制方法,该方法基于线性时变模型采用模型预测控制（MPC）算法,对横向偏差、航向角偏差及纵向速度偏差进行闭环控制. 设计车辆稳定性控制器,包括横摆力矩控制器和转矩分配控制器,同时提高车辆轨迹跟踪精度和行驶稳定性. 最后搭建Simulink/Carsim/Prescan联合仿真平台,对四轮独立转向电动汽车双移线工况进行模拟换道仿真,仿真结果证明了斜向变道的可行性和横纵向耦合轨迹跟踪控制方法的有效性.      

无人机纵向控制律设计以及纵向轨迹跟踪仿真研究

利用经典PID理论设计无人机纵向双通道控制律,用以跟踪能量状态法优化出的无人机纵向最优轨迹。首先通过在定常直线无侧滑模态下对无人机数学模型进行配平线性化,将飞机运动分解为纵向运动和横侧向运动。再利用经典PID理论对无人机纵向运动的俯仰回路和推力回路进行控制律设计。然后通过能量状态法优化出一条无人机纵向爬升、巡航和下降的最优轨迹。最后,用MATLAB进行轨迹跟踪仿真计算。仿真结果表明,设计出的控制律可以很好的跟踪优化出的最优轨迹,并且节油效果良好。     

基于CCD的自平衡智能车循迹系统的设计

介绍了一种基于线阵CCD两轮自平衡的智能车循迹系统。基于第八届飞思卡尔智能车大赛准则,该系统以飞思卡尔16位单片机MC9S12XS128作为核心控制器,以CCD作为路径识别装置检测路径信息,通过陀螺仪与加速度计测量智能车姿态,单片机获得传感器采集的路面信息及智能车姿态信息,经过分析后控制智能车的舵机转向,同时对直流电机进行调速,从而实现智能车自平衡和速度调节。在控制算法上采用模糊设定速度和PID调整速度相结合的算法,使智能车能够在自平衡状态下快速平稳的行驶。     

基于激光传感器的智能车设计

本文设计了以飞思卡尔单片机MC9S12X128为核心的智能车系统,包括传感器信息采集与处理、电机驱动、控制算法及控制策略等方面。采用激光传感器采集道路信息并反馈给单片机控制系统,通过软件进行相关分析处理,通过速度反馈和PID算法控制舵机转向和智能车速度。通过实际运行验证,本方法使智能车运行稳定、可靠,其平均速度达到2.6m/s,得到比较理想的效果。     

基于CMOS摄像头的智能车控制系统设计及实现

针对智能车因单条引导线信息量少而引起的误识别问题, 设计一种能自动识别和跟踪双边引导线的智能车系统。智能车以Freescale公司MC9S12XSl28作为核心控制器, 利用COMS(Complementary Metal Oxide Semiconductor)摄像头OV7620作为路径信息采集装置, 对采集图像进行二值化处理、 去噪操作和边缘检测后提取路径信息、 进而准确地判别跑道的形状, 为舵机和电机提供控制依据, 以使小车平稳快速地行驶。同时, 提出将行驶状态与赛道信息综合考虑的措施, 并通过PID(Proportional Integral Differential)控制策略以及实验测试, 实现了对各种典型跑道的优化处理, 使高速行进中的智能车具有良好的转向调节能力和加减速响应能力。智能车可以在以白色为底面颜色, 两边有黑色引导线的跑道上运行, 克服了因单条引导线信息量少而引起的误识别问题。     

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。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法.首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊...     

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。