关键词： 商用车   路径跟踪   侧倾稳定性   模型预测控制   载荷转移率   稳定时间   自适应控制  

摘要： 随着自动驾驶技术的逐渐成熟并朝着商业化发展，作为公路运输主力的商用车辆比起在城市复杂环境中行驶的乘用车更具有应用自动驾驶的优势。路径跟踪控制是自动驾驶技术中的重要一环，其中路径跟踪的安全性问题是亟待解决的重要课题。商用车由于装载状态复杂、前后结构的参数变化大以及质心过高的原因，使其在高速路径跟踪时，车辆跟踪精度下降和侧倾稳定性变差。本文提出基于模型预测控制（Model Prediction Control，MPC）的根据车辆在高速路径跟踪时的侧倾稳定性状态自动调节的路径跟踪与抗侧倾自适应控制策略，来解决商用车路径跟踪和侧倾稳定性的耦合问题。　　首先以商用车动力学模型和路径跟踪误差模型建立MPC预测模型，为了模型的准确性，基于递推最小二乘法估计轮胎的线性侧偏刚度并进行模型验证。分析车辆侧翻机理，推导零力矩点（Zero Moment Point，ZMP）和载荷转移率（Load Transfer Rate，LTR）侧倾指标，提出稳定时间（Time To Stable，TTS）指标，建立车辆不同侧倾状态联合稳定性判据。　　基于预测模型和预测侧倾指标，设计具有反馈控制的模型预测控制算法，将路径跟踪和侧倾的不同控制目标优化转换为二次型问题，采用多目标交互式遗传算法优化控制目标权重系数，建立侧倾指标在优化问题中的权重函数，并对执行器和行驶环境进行约束，实现对路径跟踪和侧倾稳定性的自适应控制。　　使用Simulink和TruckSIM联合仿真平台对控制系统进行验证，证明在高速路径跟踪时有良好的跟踪效果和侧倾稳定性，并验证了复杂道路环境下控制系统的适应性。

关键词： 机器学习   环境监测   图像分类   生菜生长预测   智能控制  

摘要： 随着现代农业的发展和变革,无土栽培已成为未来农业发展趋势。但目前设施农业的自动化,智能化水平较低,无法准确判断植物的生长阶段和生长状况,不能及时调控环境策略,造成植物生长缓慢或缺素异常等问题。本文以水培生菜为研究对象监测其生长和环境变量,优化了环境控制策略。利用机器学习回归算法和Google Net算法建立模型,对生菜的生长过程进行监测,同时预测生菜的生长,并依此设计环境策略自动调控系统。主要内容如下:(1)优化光肥环境调控策略。针对生菜不同生长阶段对光照和营养液策略的需求不同,为使生菜生长环境保持最佳,设置多组对照实验,实验结果表明,生菜最佳的环境控制策略是生长期光质组合为R:B=7:3,光周期14h/d;发棵期光质组合R:B=5:5,光周期16h/d;成熟期光质组合R:B=6:4,光周期12h/d;不同生长阶段的光肥环境调控策略为中-高-低梯度浓度。(2)建立了基于Google Net算法的生菜图像分类模型。生菜培育实验过程中对生菜的图像进行采集,获取生菜图像数据集,同时对生菜图像进行预处理和特征信息提取。最后利用获取的数据集,基于Google Net算法建立分类模型。利用建立的模型可以准确识别生菜的生长阶段,是否缺素生长异常,为生菜生长环境调控系统的实现提供了有力的支撑。(3)建立了基于机器学习回归算法的生菜生长预测模型。本文基于生菜培育实验过程中生菜形态指标和环境变量之间的映射关系,利用机器学习算法建立多个模型进行对比,得出预测效果最好的模型为GBR模型。为证明生菜生长结果预测结果的可靠性,通过测试分析,建立的模型对生菜生长叶面积预测值和真实值相关性为98%。只需获取生菜形态指标和环境变量等信息,即可预测生菜的生长结果,并判断环境调控策略是否合适。(4)设计并实现了生菜自适应环境监测调控系统。利用传感器和摄像头监测植物的生长形态特征,环境条件等,并基于建立的模型自动实时调控环境策略,使生菜生长环境处于最佳条件。

关键词： 模块化机器人   双工位   自适应控制   轨迹规划   B样条曲线插值  

摘要： 随着工业制造领域对高效、高精度生产的需求逐渐增加,机器人在制造业中的应用越来越广泛。机器人磨削不仅能够提高生产效率,降低生产成本,还能在一定程度上提高磨削过程的精度和稳定性。研究以机器人磨削技术为基础,从机器人磨削系统的结构设计、控制方式和轨迹规划三个方面进行深入探讨。首先,在结构设计方面,提出了一种双工位模块化的机械结构及其布置方式。从需求分析、机器人系统的设计、磨削系统关键硬件的分析与选型、系统各组成部分以及工作流程的分析,设计了双工位模块化机器人磨削系统。其次,在控制方面,针对双工位模块化机器人磨削系统的控制方式进行了深入分析。主要包括:双工位模块化磨削机器人的工控机控制系统,回转工作台和桁架式机械手的PLC控制系统,以及磨削系统、力控系统、视觉系统相结合的自适应控制方法。为了提高磨削系统在运动中的稳定性、安全性和准确性,研究在轨迹规划方面进行了探讨。分别研究了关节面空间和平面直角坐标空间中的轨迹规划设计,进一步提出了一种基于二次规划的B样条曲线插值轨迹规划方法,以实现磨削系统更为理想的工作效果。最后,对磨削机器人实施运动学和动力学仿真。首先,依据D-H方法创建机器人关节连杆坐标系,以求解机器人正逆运动学结果;接下来,通过解算结果和轨迹规划设计,对机器人进行运动学仿真,获取每个关节的运动关系曲线;随后,进行机器人动力学仿真,以获得每个关节的力矩曲线。模拟结果显示,机器人每个关节的运动和力矩连续,并且仿真值的相对误差在5%以内,这表明模拟结果具有较高的可靠性。研究为机器人磨削系统的设计提供了指导。

关键词： 热熔喷胶机   路径规划   温度控制   模糊PID  

摘要： 热熔喷胶机智能控制系统的控制效率与喷胶产线的生产效率息息相关,现代化进程迅速,热熔喷胶机控制系统的前景日益广阔,因此为提高热熔喷胶机控制系统的智能化水平,本课题通过研究热熔喷胶机的发展现状设计了一款由路径规划模块、运动控制模块、压力和温度控制模块组成,采用模糊PID控制算法对温度进行优化处理的热熔喷胶机智能控制系统。论文详细介绍了喷胶机的发展现状和发展趋势,明确了研究热熔喷胶机的现实意义,对喷胶机进行了以下研究。本课题首先对喷胶路径进行智能化规划,应用图像识别技术对图像进行滤波、边缘提取,通过对比多种处理算法选用效果最佳的中值滤波算法和Canny算法获得连续单像素边缘信息图像,最后通过骨架提取算法获得图像骨架信息,并借用八邻域寻迹法获得喷胶轨迹信息,根据坐标转换原理,将图像坐标转换为世界坐标并传输给单片机,喷胶路径能根据待喷胶物品形状实时变化,实现路径规划智能化。接着对温度控制模块进行优化设计,选用了模糊PID控制器对温度模块进行实时控制,大大提高温度控制效率,提升系统整体控温水平。最后完成了整体设计。根据工艺控制要求和性能指标确定了设计方案和连接框图,在管路上增添了温度控制模块,改善喷胶堵塞问题,之后对热熔喷胶机涉及到的主要硬件进行了选型并进行了硬件连接设计,接着在Keil环境下编写程序并下载到STM32单片机完成实验平台的搭建。设计完成后进行实验验证,对设计出的热熔喷胶智能控制系统进行测试,通过仿真试验证明了路径优化模块和温控模块的可行性,最终将本次设计的热熔喷胶机智能控制系统与传统喷胶机进行喷胶实验对比,验证了本次设计的热熔喷胶智能控制系统生产效率更高,喷胶准确度更高,稳定性更好,耗能更低,最终完成了对热熔喷胶机智能控制系统的的设计。本文设计的热熔喷胶机智能控制系统在运行速度和喷胶质量都得到了很大的提升,喷胶轨迹不再单一化,喷胶机喷胶性能更加稳定,实用性更加广泛,能有效缓解劳动力的压力和节约生产成本,具有很大的研究应用价值。

关键词： 手-眼系统   全连接神经网络   仿生控制   逆运动学   机器视觉  

摘要： 手-眼系统在工业领域应用非常广泛,可以取代人类完成大量重复的劳动,如电子元器件组装,焊接工程和备件尺寸检查等。面对日益复杂的工作环境与操作任务,手-眼系统的智能化和效率的要求不断提升。手-眼系统基于视觉实现高精度伺服控制时,存在运动学模型计算资源消耗大,从而导致控制效率低,以及基于单目视觉检测非合作目标存在估计深度困难,从而限制了机械臂控制维度的问题。因此,本文提出了基于方向驱动神经网络的机械臂仿生控制算法以及基于深度估计的视觉伺服控制算法,其主要工作包含如下几个方面。首先,针对现有基于正、逆运动学的经典控制方法计算效率不高,以及传统神经网络控制方法控制精度低、泛化能力不强的问题,本文提出了基于方向驱动神经网络的机械臂仿生控制算法。该算法采用神经生理学中运动皮层细胞编码运动方向的理论,构建了全连接神经网络模型。在该模型中,将相机坐标系下的目标位姿转化为方向矢量,并结合机械臂当前关节状态作为输入,期望关节角度作为模型的直接输出。然后,在此模型基础上,提出了手-眼系统的视觉伺服控制算法。通过实验表明所提出的算法在运算性能与精确度上均有良好的表现。然后,针对现有基于单目视觉的手-眼系统伺服控制中存在对非合作目标深度信息获取困难,从而导致控制维度低、精度不足的问题,提出了基于单目视觉深度估计的机械臂视觉伺服控制算法。该算法采用多视几何学理论,结合手-眼系统伺服过程中的高精度定位数据与相机运动形成的视差来估计目标深度信息,并基于此深度估计模型设计了手-眼系统视觉伺服控制算法。实验结果表明,所提出的方法能基于单目视觉实现非合作目标感知,并完成机械臂三自由度高精度伺服控制。最后,基于本文的研究内容,搭建了手-眼系统原型。并在这个原型软硬件平台上,结合所提出的基于方向驱动的仿生控制算法以及基于深度估计的伺服控制算法,设计了两阶段的视觉伺服程序。两种算法对应实现对合作目标与非合作目标的识别、定位与跟踪,完成机械臂“穿针”实例。

关键词： 多智能体系统   状态时滞   输出误差约束   传感器故障   一致性控制  

摘要： 作为分布式智能控制理论的重要组成部分,多智能体系统的协同控制理论在实际领域中的应用越来越广泛。其中,一致性控制是多智能体系统实现协同控制的基础。所谓的一致性控制,是指为每个智能体设计分布式控制协议,使得智能体在完成协同任务时其状态达到某种意义上的一致。然而,在实际应用中,智能体之间存在各种不确定性因素,如状态时滞、输入死区、传感器故障等因素,这些不仅会影响智能体的决策和行为,而且会影响整个系统的一致性。如何针对上述不确定性因素,设计有效的控制算法,提升智能体协同决策的有效性和可靠性,具有重要的意义。因此,本文综合考虑状态时滞、输入死区、非对称输出误差约束以及传感器故障等因素,研究非线性多智能体系统一致性控制问题。主要研究内容如下:(1)针对具有状态时滞和输入死区的多智能体系统,研究其一致性控制问题。首先,通过将死区构造成一个线性项和一个有界扰动项组合的形式来解决非线性输入问题。其次,为了克服时滞对系统的影响,利用Lyapunov-Krasovskii泛函,结合反步法提出了时滞非线性多智能体系统的分布式领航跟随一致性控制协议。该协议能够确保闭环系统半全局有界稳定,并且一致性追踪误差将收敛至原点的一个可调邻域。最后,通过仿真实验验证所提出理论算法的有效性。(2)在上述研究的基础上,进一步研究了带有非对称输出误差约束以及传感器故障的多智能体系统一致性容错控制问题。首先,通过引入非对称障碍Lyapunov函数,使输出误差满足非对称约束条件。其次,采用自适应神经网络控制方法处理传感器故障,并基于反步法提出容错控制协议。该协议确保了一致性追踪误差可以任意小,且使得闭环系统的所有信号有界。最后,通过仿真实验验证所提出控制算法的有效性。

关键词： LF精炼炉   电极   LSTM   自动控制  

摘要： 本文以某钢厂120tLF精炼炉控制系统为研究背景,阐述了电极控制系统的研究和设计过程。在精炼生产过程中,操作人员仅凭借经验调节,会导致调节时间长、控制不及时、精准度低和能量消耗大等问题。而电极系统是一个复杂多变、强耦合、非线性、时变的系统,在精炼过程中能耗占比最大。采用传统的控制方法很难使电极维持在最佳工作状态,故本文对LF精炼炉生产方式和电极控制系统进行研究,对影响能源消耗的问题进行分析,将电极控制中扰动大和调节速度慢等影响问题进行分析比较,设计了电极控制系统中最优电极工作点,提出了LSTM预测控制方法,以提高电极控制的精准度、工作效率和减少能源消耗。本文主要工作内容如下:(1)对于电极工作点不佳导致耗电量大的问题,本文通过分析LF精炼炉功率特性曲线阐述电极各个工作点特性,典型工作点的工作方式具有单一性,不能满足实际生产中多方面要求,本文结合实际生产需要设计适合本文的最优电极工作点。由于电极系统的复杂多变性,本文通过对电极控制方式进行分析比较,采用适合本文的恒阻抗控制方式,并在此基础上建立了电弧弧长与阻值间的关系方程,并且依据电极系统的各个环节建立数学模型。(2)由于电极系统扰动十分严重,尤其是在精炼开始下降电极阶段,使电极在渣层中起弧到稳定工作这一控制过程中扰动尤为严重,采用传统PID控制方法,控制效果不够理想。针对电极系统是一类非线性系统,本文提出神经网络预测控制的方法解决电极控制问题,采用LSTM 网络、SVM和ELM网络进行在线直接多步预测和递推多步预测,通过仿真验证LSTM网络递推多步预测的效果较好。将LSTM预测控制方法与传统PID控制方法进行比较,仿真结果表明LSTM预测控制方法的控制效果更好,并且具有很好的抗干扰和快速调节能力,验证了方法的可行性。(3)依据实际情况和工艺要求,基于LabVIEW软件开发平台,通过编写程序来实现本文提出设计的电极控制方法。本文实现了 LF精炼炉整个生产过程中电极信息数据的实时记录、监控以及对电极的智能控制,通过测试证明本文提出的控制方法精度高、调节速度快和能耗低,解决了炼钢生产中的实际问题。

关键词： 行波型超声波电机   无模型自适应控制   平衡优化器算法   变论域模糊控制   DSP  

摘要： 超声波电机是一种新型的直接驱动微型电机,具有低速大扭矩、无电磁干扰、反应快、断电自动闭锁等优良特性,因此被广泛应用于汽车、机器人、精密仪器、航空航天等领域。本文以改进超声波电机的转速调节方法为目的,引入无模型自适应控制策略,并利用DSPF28335作为控制核心元件,搭建了超声波电机的无模型自适应速度控制系统。本文的研究内容如下:首先,在分析超声波电机的运行原理后,引出了超声波电机的三种调速方法,并确定本文的所使用的转速调节方式为调频调速。针对超声波电机速度控制模型存在的非线性,难以获得其精确模型的问题,在超声波电机的输入输出数据的基础上,以非参数辨识法建立了超声波电机的Hammerstein辨识模型。然后,针对无模型自适应控制算法参数难以调整的问题,引入了平衡优化器算法对无模型自适应控制参数进行寻优。针对平衡优化器算法易陷于局部最优、收敛精度低、早熟等问题,利用自适应生成概率、折射反向学习和柯西变异等策略,提出一种改进的平衡优化器算法。在Matlab/Simulink平台上,进行算法仿真测试,将改进后的平衡优化器算法和传统平衡优化器算法优化的无模型自适应控制以及传统无模型自适应控制的控制效果进行对比分析,对比结果验证了改进算法的优越性。接着,讨论了一种控制参数可在线整定的变论域模糊无模型自适应控制算法。阐述了变论域模糊无模型自适应控制器的设计过程,根据系统转速误差和误差变化率确定模糊论域及量化因子。在分析了无模型自适应控制中参数对控制性能的影响后,结合参数调试经验设计了模糊控制规则。利用函数型伸缩因子,实现模糊论域随着系统运行状态的变化而变化。在Matlab/Simulink平台上,进行算法的仿真测试,通过与模糊无模型自适应控制算法和传统无模型自适应控制算法进行对比分析,验证了所提出的控制算法可以根据系统运行状态自适应的调整参数,并且提高了系统的动态响应速度和对抗扰动的鲁棒性。最后,建立以DSPF28335为核心元件的超声波电机控制平台,介绍了实验平台的具体设计、搭建过程和硬件软件的基本配置,并对上述算法进行了实验测试和分析。