摘要：针对无人驾驶汽车路径规划与跟踪控制问题,设计了一种分层控制器。上层采用汽车运动学模型,并在满足系统动态方程、边值、路径约束下,设计了基于结构化道路的的代价函数完成路径规划。下层基于双自由度动力学模型设计惩罚函数以转向与加速指引车辆实现路径跟踪。利用SOA算法在线整定控制器参数,并通过Carsim/Simulink进行预定参考速度下仿真,仿真试验得出横摆角速度最值在7.5(°)/s左右的可控范围内波动,纵向加速度最值在0.4 m/s^(2)左右、前轮转角为7°在约束范围内,在考虑舒适性前提下的路径跟踪平均偏移量为0.041 m,纵向控制下车速跟踪平均偏差为0.038 m/s。试验结果表明:所设计的控制器具有良好的跟踪控制效果与稳定性。

摘要：针对目前欠驱动系统较成熟的控制方法对比缺乏的问题,研究线性单级倒立摆系统在全状态反馈控制下,采用线性二次型调节器(LQR)与非线性模型预测控制(nmpc)两种控制策略的效果。通过对比这两种控制方法的动态性能,评估它们在线性单级倒立摆系统中的适用性。首先,通过拉格朗日方程推导出系统的非线性数学模型,并进一步通过线性化理论假设得到系统的线性化数学模型。随后对其进行了稳定性、可控性和可观性分析。基于这些分析,设计了LQR和nmpc控制器。最后,在Matlab/Simulink中进行联合仿真实验。通过设置相同的初始条件和加权矩阵Q与R,对仿真结果的小车位移、摆动角度、小车速度、摆动角速度四个指标进行了对比分析。结果表明,LQR控制使小车在2.5s内回到初始位置,比nmpc控制快37.5%,并且位移最大超调量减少了38.7%,从-0.3522m降至-0.2160m。同时,LQR控制还缩短了摆杆达到竖直状态的时间至2.5s,比nmpc快28.6%,且摆杆角度的最大超调量从nmpc的-0.2381rad减少至-0.1050rad,降低了56%。结论指出,对于线性化后的单级倒立摆系统,LQR比nmpc更具优势,提供了更高效的控制效果,对以后欠驱动系统的控制具有一定的参考价值。

摘要：本研究提出了一种基于六自由度机械臂的遥操作人机系统,旨在设计一种不依赖穿戴设备且直观易用的操控方式。该系统使用KinectV1摄像头及UR3机械臂,以Microsoft骨骼识别库作为基本的人体姿态识别方法,通过人体手臂与机械臂关节的映射,实现机械臂实时追踪人体手臂动作的任务。同时,采用非线性模型预测控制(nmpc)算法对机械臂运动控制进行优化,并设定模糊规则来实现nmpc参数的自适应调整。实验结果表明,在nmpc的优化作用下,机械臂在x及z两个平动方向的平均位移误差和3个转动方向的平均旋转误差以及关节角变化量平均误差都有了显著的降低。测试结果也表明,机械臂整体动作跟随效果良好,验证了本文提出的映射规则和运动学模型的准确性,以及模糊nmpc控制器的有效性。