基于变论域模糊多参数自整定PID控制的智能挖掘机轨迹跟踪

智能液压挖掘机多用于特殊环境下的无人操纵施工。在执行诸如直线刮平、斜坡整平和定点挖掘等特定挖掘任务时,对智能挖掘机工作装置铲斗齿尖的轨迹规划和轨迹跟踪提出了较高要求。为此,针对智能挖掘机运动的控制问题,提出一种基于变论域模糊多参数自整定PID （Variable Universe Fuzzy Multi-parameter Self-tuning PID,VUFMS-PID）的轨迹跟踪控制策略。首先,在关节空间中通过三次非均匀有理B样条（Non-uniform Rational B-Splines,NURBS）曲线插补法完成直线刮平和定点挖掘轨迹规划,并得到工作装置挖掘作业时各关节角、角速度、角加速度位置序列。然后,综合考虑挖掘机非线性、时变性等特点,基于变论域思想,提出一种基于VUFMS-PID的轨迹跟踪控制方法。最后,基于AMESim与MATLAB/Simulink联合仿真和硬件在环（Hardware-in-the-Loop,HiL）试验平台,对VUFMS-PID控制方法的有效性和先进性进行验证。研究结果表明：在铲斗齿尖运动过程中,规划轨迹平滑连续且变化幅值较小,规划轨迹与期望轨迹之间的误差较小;VUFMS-PID控制的响应速度和跟踪精度相较于传统PID控制与模糊PID控制有明显提升;在硬件在环试验分析中,提出的控制方法在跟踪直线刮平轨迹和定点挖掘轨迹时,能够将跟踪误差控制在20 mm以内,实现对规划轨迹的精确跟踪。     

汽车雷达多目标跟踪的模糊数据关联

介绍了一种量测(新测目标)到目标(已知目标)之间的模糊数据关联方法，将模糊聚类均值方法和决策逻辑方法相结合，利用Mahalanobis距离代替聚类运算中的欧氏距离，使量测与目标预测值之间的相似性度量更准确，应用决策逻辑确定量测与目标预测值的关联关系。仿真表明这种方法简单，在杂波环境下，有较高的跟踪精度，这种方法可以用于道路条件下，基于汽车雷达的多目标的可靠跟踪。     

An integrated GPS/DR navigation system for AUV

GPS/Dead-reckoning navigation system for autonomous underwater vehicle （AUV） is introduced, which includes navigation overall architecture, hardware and software structure. Dead-reckoning theory is presented in details. And the strong tracking Kalman filter and Singer model are applied to handle the imprecise navigation mode, which can improve the navigation system＇s precision and reliability. Finally, the sea experiments which include autonomous search mission in an unknown area and long distance motion are conducted to demonstrate the reliability and feasibility of the navigation system.     

基于Hopfield神经网络的雷达多目标跟踪

针对海上船舶雷达在多目标跟踪过程中实时性较差和不能快速响应的问题,提出目前密集杂波情况下多目标跟踪中最为有效的数据关联算法——联合概率数据关联(Joint Probabilistic Data Association,JPDA)算法。为解决JPDA随着目标增多的情况会出现的组合“爆炸”及计算量较大导致跟踪实时性较差的问题,从分析联合概率数据关联确认矩阵着手,依据Hopfield神经网络在解决旅行商问题(Travelling Salesman Problem,TSP)时的思路,提出基于Hopfield神经网络联合概率数据关联(Hopfield Neural Network Joint Probability Data Association,H-JPDA)来改进联合概率数据关联算法,通过简化矩阵拆分过程,显著减少计算量,提高跟踪的实时性。基于上述改进的神经网络联合概率数据关联算法,通过MATLAB对多目标跟踪进行仿真,仿真结果表明该算法能提高跟踪的实时性和快速响应能力。     

绞吸式挖泥船泥浆管道输送系统MFAFC研究

为了得到优于绞吸式挖泥船泥浆流速的常规PID控制策略 ,本文提出了一种新型控制方案——无模型自适应前馈控制：该方案利用无模型自适应控制算法的设计仅仅依赖被控对象的输入输出、动态线性化方法、自身的时变参数并结合前馈控制算法等, 很好地解决了挖泥船泥浆管道输送系统的建模困难、非线性、大惯性、参数时变、强耦合等问题。并将其进行流速跟踪试验,算法通用性试验以及抗干扰实验,结果表明该方案具有较强的跟踪性能和较好的通用性以及鲁棒性等。最后将其与常规PID控制进行比较,得出在泥浆管道输送系统流速控制中,无模型自适应前馈控制具有较好的控制效果。针对绞吸式挖泥船泥浆管道输送系统的流速控制,此控制方案符合实际要求和创新性,并进一步为实物应用研究打下坚定的理论基础。     

基于ESO和动态逆的欠驱动船舶航迹跟踪控制设计

针对欠驱动船舶航迹跟踪控制问题,考虑船舶动态不确定性、未知时变外部扰动和速度不可测的情况,将输出重定义方法、扩张状态观测器(extended state observer, ESO)和动态逆控制方法相结合,设计欠驱动船舶航迹跟踪控制律。输出重定义方法用来解决系统欠驱动问题;构造ESO,估计由船舶动态不确定性、未知时变外部扰动以及船舶各自由度运动状态变量间的耦合构成的总扰动和船舶速度;基于上述,采用动态逆控制方法,设计航迹跟踪控制律,使欠驱动船舶跟踪期望航迹,并保证航迹跟踪闭环控制系统所有信号最终一致有界。以一艘欠驱动船舶为例进行仿真研究,仿真结果验证了所设计的航迹跟踪控制律的有效性和优越性。     

多无人水面船分布式自适应协调跟踪控制

针对多无人水面船(Unmanned Surface Vessel, USV)协调轨迹跟踪控制问题,基于仅邻近USV可以通信的无向连通通信拓扑,提出分布式自适应协调跟踪控制。使用领航者跟随协调策略,引入虚拟领航者,考虑仅虚拟领航者已知期望轨迹和目标速度的情况,通过获取邻居的实时位置和速度信息,计算每艘USV在团队中的实时期望位置和速度,从而定义聚合跟踪误差。基于聚合跟踪误差建立轨迹跟踪误差系统数学模型,使用自适应项补偿外界环境干扰,提出分布式自适应协调跟踪控制算法。基于Lyapunov稳定性理论,论证聚合跟踪误差收敛,进而得到跟随者相对于期望位置的跟踪误差、速度误差均有界并渐进收敛到零,最后仿真验证理论结果。     

机器人控制中的变结构观测器

研究机器人控制中的非线性轨迹跟踪问题,从而为复杂系统提供变结构观测器的设计方法。在传统的勒贝格观测器增加一个开关参数,从而保证观测器的鲁棒性。为解决轨迹跟踪的问题,采用全信息状态下的控制律。可以证明,闭环系统是李雅普诺夫全局渐近稳定的。进行了3自由度的机器人上的控制仿真,实验结果表明观测向量和跟踪误差渐近收敛。     

一种引入距变率和角变率的卡尔曼滤波算法

对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率（径向速度）和角变率（角速度）的伪线性卡尔曼滤波算法。针对匀速直线运动目标和匀加速直线运动目标,将新提出的算法和传统算法进行仿真,当引入距变率和角变率时,其收敛速度加快,收敛精度提高,改善了跟踪性能,具有工程实践指导意义。     

城市机动车辆停放选择模型

为了增强出行前停车信息查询功能和提高停车诱导效果,提出一种服务于驾驶员出行前对目的地首选以及备选停车场进行车辆停放选择的优化模型,建立了以驾驶员使用最便利,可达性最强,出行停放成本最低为目标的车辆停放选择模型,利用启发式算法计算了模型的备选解集。经实例验证,该模型可以得到多个满足约束条件的合理性停车方案,从而为驾驶员在出行前选择停车场提供了决策依据。