摘要：针对无人驾驶车辆在轨迹跟踪控制中由于模型不精确和内外干扰使得跟踪精度下降的问题,提出模型预测控制(MPC)和改进型自抗扰控制补偿相结合的控制算法。先建立MPC控制器,为了提升计算的实时性,将非线性模型预测控制转化为线性时变模型预测控制。由于模型不精确和内外扰动会使车辆产生轨迹偏差,构建了一种更加平滑的非线性函数,进而设计改进型自抗扰控制,以横向偏差和横摆角偏差趋于零为目标来补偿车辆的前轮角,提升无人驾驶车辆的轨迹跟踪性能和抗干扰性能。不同工况下的仿真结果表明:此方法可以有效地完成轨迹跟踪,且跟踪偏差较小,并对外界干扰和车辆参数变化具有较强的鲁棒性。

摘要：为了提高六自由度轻量型机器人的轨迹跟踪精度同时减小其同步误差,提出一种基于相邻耦合误差分析的非线性PD偏差耦合同步控制方法。建立并验证了该机器人的数学模型,包括运动学模型、动力学模型以及样条轨迹规划。因为难以描述复杂轨迹下的机器人实时轮廓误差,因此本文引入相邻耦合误差来解决这一问题。结合机器人非线性控制以及耦合特性,设计了非线性PD偏差耦合同步控制器,并通过仿真分析进行验证。伺服控制试验系统由激光跟踪系统、机器人机械系统以及基于EtherCAT通讯的伺服控制系统构成,实验数据表明,该控制方法可使机器人同步误差大幅度减小,并且最大跟踪误差由0.33 mm缩减到0.1 mm。实验结果验证了控制算法的有效性,从而证明了该控制策略能够有效改善机器人的轨迹跟踪精度。

摘要：由于控制系统的轨迹跟踪误差以及测量装置存在的高斯噪声,使得电动滑台位置控制误差累积。针对这一问题,设计了基于卡尔曼滤波的位置实时补偿控制系统。通过改进梯形速度算法设计电动滑台的运动控制律,从而得到滑台的期望轨迹序列。结合测量装置测得的编码器值以及系统状态方程的预测值,采用卡尔曼滤波算法得到当前时刻滑台位置的最优估计值。并以此为基准得到到达下一时刻期望位置所需的位移增量,从而实现对当前时刻位置误差的补偿。实验结果表明,该系统可以抑制噪声,得到稳定可靠的系统状态值,同时提高了控制系统的轨迹跟踪精度。