关键词： 挖掘规划   强化学习   卷积神经网络  

摘要： 大国竞争靠工业,工业竞争在智能。随着“中国制造2025”和“新一代人工智能发展规划”等政策的出台,智能化已成为推进我国工业转型的关键。作为关系我国经济命脉和能源安全的基础产业,矿业的智能化是必然趋势。智能化可以显著提高企业核心竞争力,推动我国矿业实现安全、高效、经济、绿色和可持续发展,这将使矿业在日益激烈的市场竞争中占据领先地位。本文基于徐工集团工程机械股份有限公司校企合作横向项目“液压挖掘机智能化关键技术研究及应用”,旨在研究挖掘机在无人操作的情况下完成指定挖掘任务。针对不同作业阶段的特点,使用深度学习算法和深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)设计了不同阶段的自主作业算法。具体针对挖掘区域顺序的选择、挖掘区间之间的自主导航和挖掘时的轨迹控制,分别进行了算法实现。最终,通过对挖掘机的自主挖掘的研究,实现了基于机器学习的挖掘机自主挖掘可行性探索。本研究旨在解决液压挖掘机控制中存在的技术难题,并提出了一种新的方法来改进现有方法。在传统液压挖掘机控制中,面临着任务规划和运动轨迹生成的复杂性。本文的技术难点在于设计一种智能挖掘系统,能够在不影响挖掘机运动的情况下生成可行且高效的挖掘任务计划和运动轨迹。首先在挖掘机作业前,需从激光雷达点云数据中获取作业区域地表特征信息,建立三维地图。针对该地图,设计一种自主挖掘顺序规划系统,采用监督学习方式学习人类操控液压挖掘机挖掘顺序的习惯,实现液压挖掘机挖掘顺序自主规划,使挖掘机按照算法给出的挖掘区域顺序进行顺序挖掘。该算法使挖掘机可在仅输入挖掘区域三维地图的情况下,将挖掘区域分割成多个挖掘区间,并进行顺序挖掘。其次,根据挖掘区间作业顺序限制,以及需要挖掘机自主控制速度、方向等连续物理量导航至目标作业区域的要求,本文设计了一种基于DDPG算法的自主导航算法。DDPG算法与深度Q学习(Deep Q-Learning,DQN)等其他深度强化学习算法相比,DDPG可以处理连续动作空间信息,并使用了两个神经网络,学习地更加稳定与快速。因此,DDPG算法相较于其他强化学习更适合使用在挖掘机自主导航的场景下。本文设计的自主导航算法利用DDPG算法可适用于连续控制任务的特性,根据障碍物坐标与挖掘机当前位姿信息对挖掘机速度及速度方向进行控制,进而实现挖掘机的导航规划。最后,针对液压挖掘机挖掘装置(动臂、斗杆和铲斗)可移动角度范围内的轨迹控制问题,设计了一种基于DDPG算法的挖掘轨迹控制算法。该算法基于挖掘装置当前位姿信息与挖掘区域地表特征信息,对挖掘装置角度实现了连续性控制及斗齿轨迹跟踪并最终使斗齿达到挖掘区域。实验结果表明,相比于传统以D-H运动学为基础的挖掘轨迹控制算法,基于DDPG神经网络的挖掘轨迹控制算法以获得强化学习算法最大奖励值为基础,使得挖掘轨迹控制更符合使用需求,命令输入更加简单、使用场景更加泛化。本文对挖掘任务整体流程进行分解,分解为自主挖掘任务规划、自主导航和挖掘轨迹控制三个阶段性任务。首先使用深度学习规划出挖掘区间顺序,其次使用DDPG算法解决挖掘机导航问题,最后使用DDPG算法控制挖掘机的挖掘轨迹。本文对传统控制算法无法针对多类挖掘任务进行适应处理的问题进行求解,实现多种算法的融合,并对结果进行了分析。

关键词： 环形交叉口出口关联道路   交通流短时预测   干线协调控制   自适应控制   VISSIM仿真  

摘要： 随着我国国民经济的快速发展与城市规模的飞速扩张,交通拥堵问题日益严重,我国的城市交通系统面临着巨大压力。环形交叉口作为一种常见的交叉口组织形式,由于其具有车辆连续通过、便于组织的特点,应用在我国多个城市交通道路系统中,例如大连、长春等。但是,随着城市交通需求的增加以及环形交叉口出口关联道路信号设置的不合理,导致环形交叉口出口关联道路干线驶出的车辆产生严重的拥堵,已经阻碍了车辆的顺畅通行和交通系统的正常运行。在这样的背景下,本文提出了将自适应控制应用于环形交叉口出口关联道路干线协调控制的新思路,基于短时交通流预测,建立了一套信号配时和相位差可变的自适应干线协调控制方案,实现了对控制方案和控制参数的动态调整,提高了出口关联道路干线信号控制系统的运行效率,减少了车辆延误时间,使得驶入和驶出的车辆能够顺利进出环形交叉口。论文的主要工作如下:(1)构建了基于神经网络PCA-LSTM的交通流短时预测模型。通过分析环形交叉口出口关联道路车流量特征,将主成分分析法的降维思想运用到短时交通流预测中,以5min为一个预测区间对交通流量数据进行预测,提高了预测的精确性,为后文环形交叉口出口关联道路干线自适应控制提供了数据基础。(2)提出了环形交叉口出口关联道路干线自适应协调控制方法。基于PCA-LSTM短时交通流预测模型输出的预测数据,确定出口关联道路关键交叉口和公共周期,以车辆延误时间最小为目标,对干线各个交叉口的信号控制方案进行动态调整,结合干线绿波协调控制方法中的数解法,提出了环形交叉口出口关联道路干线自适应协调控制方案,并通过采集到实时交通流数据小步距调整控制方案参数。(3)选取大连市中山广场环形交叉口东侧人民路出口关联道路的干线进行实例分析,运用VISSIM对环形交叉口出口关联道路干线进行仿真和数据分析。结果表明:环形交叉口出口关联道路干线自适应协调控制方案与现状控制方案相比车辆延误降低了9.59%,平均排队长度降低了19.06%,平均停车次数降低了10.1%,平均停车时间降低了10.24%,证明了环形交叉口出口关联道路干线自适应协调控制方案的有效性。

关键词： 空气消毒机   智能硬件   物联网技术   云平台  

摘要： 近年来,人们越来越注重室内空气病毒污染物的去除,使得空气消毒机产品的市场需求逐年增长。传统的空气消毒机存在工作时不能人机共存、不能根据有害气体的含量判断消毒与净化的优先级等问题,无法满足用户对空气消毒机智能化的需求。针对上述问题,设计了一种基于物联网的空气消毒机智能控制系统,在满足高效消毒的基础上,实现控制器、云服务器和移动客户端之间的数据传输以及运行状态的实时监测。主要内容如下: (1)通过阐述病毒传染的危害和现有空气消毒机控制系统的不足之处,得出系统总体框架。硬件部分以ESP32为核心,通过自带的WIFI模块连接组网,设计数据采集模块、驱动模块和消毒模块构成反馈与执行系统。数据采集模块检测空气中有害气体的浓度和温湿度后传输到主控模块,离心风机将室内空气带入机体内部,消毒模块采用紫外线消毒灯、负离子发生器和多种滤网对有害气体进行高效消毒净化。 (2)软件部分以Arduino IDE为开发环境,编写数据采集程序、PWM驱动程序和MQTT协议组网程序。控制器通过串口协议和IIC协议完成对空气质量的数据采集,将空气质量数据包通过WIFI网络发送到OneNET云平台。同时,根据室内各种有害气体的含量确定净化与消毒的优先级,调节PWM的占空比进而实现对风机的转速调控。淘晶驰触摸屏和手机APP为用户提供可视化的操作界面,方便用户实时监测和控制。 (3)在完成空气消毒机控制系统的软硬件设计后,对空气消毒机各项功能进行实验验证。实验结果表明,传感器采集的数据可以正确反馈至控制器,云端数据能够实现实时上传和下载,整机消毒净化能力符合预期要求。

关键词： 自由落钩系统   湿式离合器   比例减压阀   非线性控制   扭矩匹配  

摘要： 多功能履带式起重机可以适用于多种工况,可以大幅度提高设备施工的效率,被广泛应用于各种施工中;其中自由落钩系统柔性控制技术一直是行业研发的热点,提高自由落钩系统柔性制动性能,对提高设备施工效率、降低能耗以及增强产品市场竞争力有着关键性的作用。首先,针对自由落钩系统原理进行研究。对自由落钩系统关键元件——比例减压阀、卷扬减速机、湿式离合器进行理论分析并且建立数学模型,对自由落钩系统制动过程中离合器制动腔压力控制需求进行分析,得到自由落钩系统制动过程中压力控制模型。其次,针对自由落钩系统非线性特性进行研究。对自由落钩系统压力控制的死区、传递函数、滞环特性进行分析;对自由落钩系统离合器输出扭矩的非线性进行分析,主要考虑不同条件下摩擦系数的变化,引起离合器输出扭矩的变化,对摩擦系数曲线进行拟合;并且通过台架测试台对系统非线性进行测试。再次,针对自由落钩系统设计控制策略。根据自由落钩系统压力控制需求,把档位分为五个档位,提高扭矩匹配的准确度,划分档位后不同吨位自由落钩开启和制动时,踏板角度一致;为每个档位踏板上电流的分布设置不同的拐点,扩大踏板有效控制区间,提高踏板分辨率;对压力控制系统非线性采取基于前馈的反馈模糊PID控制方法,提高系统控制线性度;搭建高精度AMESim与MATLAB软件的联合仿真模型,在仿真模型中对控制策略进行有效性验证。最后,针对控制策略,在试验台和整机上进行验证。实现了“负载-传感器-控制器-档位设置”自动挡位匹配逻辑控制关系,扩大了踏板有效控制区间,提高了踏板分辨率,简化了操作员控制流程;各吨位下自由系统压力控制系统滞环降低50%以上,制动最大加速度减小20%-30%,实现了自由落钩系统制动时的柔性控制。

关键词： 联邦学习   机器学习   异构性   异步优化  

摘要： 联邦学习(Federated Learning,FL)是一种缓解数据孤岛和隐私泄露问题的分布式机器学习框架,分散的节点在不分享其私人数据的情况下协作学习一个全局模型。然而,客户的系统异构会降低模型收敛速度,数据异构会对训练的全局模型产生负面影响。本文针对这两个问题,设定了对系统异构和数据异构侧重点不同的两个场景,并分别提出如下方法解决:1.异构数据下的系统异构。在本文中,联邦学习数据异构体现为各个节点上拥有非独立同分布(Non-Independent and Identically Distributed,Non-IID)的数据集。在固定异构数据的带来的影响下,本文对联邦学习的系统异构进行分析,系统异构具体表现为各个节点完成训练任务所需的时间长短不同,从而导致模型收敛速度下降。针对这一问题,本文首次提出了一个"异步自适应联邦学习"(Asynchronous-Adaptive Federated Learning,AAFL)方案。具体来说,本文设置不同性能的设备在每轮通信中具有异质的本地随机梯度下降(Stochastic Gradient Descent,SGD)迭代次数,称为异步迭代策略,它在自适应控制下保持平衡。经过实验测试,AAFL方案到达收敛点比传统方法所花时间少16.67%～50%左右。本文还对AAFL方案的相关变量进行消融实验,证明了可行性和有效性。2.异构系统下的数据异构。在固定异构系统带来的影响下,联邦学习的数据异构导致全局模型收敛速度下降甚至不能收敛。为解决这一问题,本文首次提出联邦向量平均(Federated Vector Averaging,Fed Veca)方法。Fed Veca在每轮通信中为训练模型设置了一个新的全局目标,并且通过控制每个节点的异步SGD迭代次数来适应性地调整全局目标的方向和大小。本文从理论上分析了异步SGD迭代次数与全局目标之间的关系,并得到了每轮通信中异步SGD迭代次数的上限。经过实验测试,FedVeca方法到达相比算法的收敛点所需的训练轮数要少40%～60%左右。本文还对Fed Veca方法的相关假设进行验证,并对相关变量进行测试,证明了可行性和有效性。综上所述,本文面向系统异构和数据异构场景下的异步自适应联邦学习,设计自适应地更新SGD迭代次数的算法,来提高联邦学习模型的收敛速度和规定时间内的模型精度。本文搭建了一个原型系统对不同的模型、数据集、节点个数、时间资源和相关变量进行测试,并将本文算法应用于检测新冠病毒(Coronavirus Disease of 2019,COVID-19)肺部图片。经过实验测试,本文的方法在两种场景和实际应用中相较于传统方法,在规定时间内提高了模型1.21%～10.77%的分类精度,并且完成任务所需的时间缩短了5.35%～37.69%。

关键词： 旋转伺服系统   模型参考自适应控制   扰动观测器   重复控制   扰动抑制  

摘要： 在实际工业生产中,旋转伺服系统通常需要执行位置相关周期任务。大多数旋转伺服系统调速或变速运行,导致位置相关周期信号的周期时变而不确定,对实现其高精度跟踪提出了很大的挑战。实际旋转伺服系统结构复杂,不可避免地存在机械元件自身结构所导致的非线性(如迟滞、死区、间隙特性等),同时还会受到元器件老化、工况变化等不确定性因素影响,现有位置相关周期信号跟踪控制方法主要应用于线性系统,难以满足实际控制工程对控制精度、可靠性和实用性的要求。因此,如何设计一种控制方法,在保证系统鲁棒稳定性的同时,实现对位置相关周期信号的高精度跟踪控制是亟需解决的问题。本文以旋转伺服系统作为控制对象,研究其不确定性抑制和位置相关周期信号跟踪控制方法,主要内容包括以下几个方面: (1)针对旋转伺服系统多源扰动抑制问题,提出基于扰动观测器的无微分模型参考自适应控制系统设计方法。首先,充分利用系统信息,构造扰动观测器对非匹配扰动进行实时估计。将扰动估计值引入参考模型,并设计扰动动态补偿增益,消除非匹配扰动对系统输出的影响,解决模型参考自适应控制系统对非匹配扰动抑制能力不足的问题。其次,根据系统状态和参考模型状态之间的误差,设计无微分权重更新律,实现对高频变化参数化不确定性的实时估计,有效地降低自适应增益数值。然后,基于Lyapunov稳定性理论,推导得到整个闭环系统的稳定性条件。最后,采用无刷直流电机数值实例进行仿真分析,并通过仿真对比验证所提方法的有效性和优越性。 (2)针对旋转伺服系统位置域周期参考输入跟踪控制和参数化不确定性抑制问题,提出基于位置域周期信号内模的无微分模型参考自适应控制系统设计方法。首先,根据参考信号的位置域周期特性,设计基于位置域周期信号内模的参考模型,实现参考模型输出对该信号的高精度跟踪。其次,通过系统状态和参考模型状态之间的状态误差,设计无微分权重更新律对未知权重进行在线估计。然后,基于小增益定理和Lyapunov稳定性理论,给出整个闭环系统的稳定性条件。根据系统稳定性条件,采用粒子群优化算法对系统控制器参数进行同步优化。最后,采用无刷直流电机数值实例进行仿真分析,并通过仿真对比验证所提方法的有效性和优越性。 (3)针对旋转伺服系统位置域周期参考输入跟踪控制和多源扰动抑制问题,提出基于位置域周期信号内模和扰动补偿的无微分自适应控制系统设计方法。首先,充分利用系统信息,构造扰动观测器对非匹配扰动进行在线估计。根据参考输入信号的位置域周期特性,设计位置域周期信号内模,将该内模和扰动估计值引入参考模型,消除非匹配扰动对系统输出的影响,同时保证对位置域周期参考输入的高精度跟踪。其次,根据状态误差设计无微分权重更新律,对参数化不确定性进行在线估计。然后,基于小增益定理和Lyapunov稳定性理论,得到整个闭环系统的稳定性,并设计控制器参数优化方法。最后,采用无刷直流电机数值实例进行仿真分析,并通过仿真对比验证所提方法的有效性和优越性。

关键词： 高炉渣生产矿棉   机器视觉   OpenCV   冶金设备   智能控制  

摘要： 钢铁制造业是基础工业之一,是其他工业发展的基础。我国是钢铁制造大国,随着双碳目标的提出,钢铁产业急需实现循环经济,绿色经济。利用熔融的高炉渣生产矿棉可以节约大量能源,实现钢铁产业循环经济、高效发展。流量作为矿棉生产过程中关键工艺参数,在熔渣和冷料添加时会发生突变的关键问题,这会导致成棉纤维不均匀,产品质量下降。因此需要研究设计一套可以实现高炉渣生产矿棉流量自动调节的系统,保证生产过程中高温熔体流量的稳定。本文首先介绍了炼铁企业利用熔融的高炉渣直接生产矿棉中,流量控制上存在的问题和需求,在调研了目前高温熔渣流量测量与控制方案后,提出了通过机器视觉的方法实现流量大小调节的方案。本系统采用两个工业相机完成画面的采集,设计了图像处理方案,同时对算法进行改进,通过服务器分别完成闸板开度与熔体轨迹的计算,结合所设计的上位机设定的工艺参数,得出控制偏差,最终建立与PLC的通讯,控制液压系统调节闸板,从而稳定了流量。针对闸门开度控制无反馈运行,设计了基于机器视觉的闸门开度控制方案。使用工业相机采集闸板阀画面,通过对闸门工作状态的图像进行特征分析,对采集图像进行ROI设置、滤波以及RGB通道分解完成图像预处理,再通过阈值分割算法对熔渣进行特征提取,实现了闸板下端的定位,最终完成闸板开度的检测;针对熔渣飞溅情况对定位带来的干扰,设计了基于梯度信息的算法进行处理。经过实验证明,极大地提高了定位的准确性。针对工厂中通过放置标志物对熔渣出流轨迹,以及流量大小做出人工判定的问题,设计了基于视觉的熔渣流量控制方案。通过使用工业相机采集熔渣出流图像,对图像中熔渣的边缘进行定位,从而提取熔渣的中心线;同时,基于双边滤波和小波变换对Canny算法做出改进,提升了边缘检测的连续性。最后搭建实验平台,设计了系统的软件结构,通过对Qt控件事件的重载,实现了人机交互,确定了出流轨迹的偏差;通过添加心跳信号的方式,确保上位机与PLC之间通讯的可靠性功能;结合Py Qt5对界面进行了开发,并对算法开展实验测试与性能分析,结果表明,经过算法处理的图像C/A值和C/B值对比传统算法有很大的改善;此外,通过对闸板固定槽直角点的定位,设计算法,从而降低了因相机晃动对图像定位出现偏差的干扰。本课题研究结果能为冶金行业自动化升级改造提供思路及技术支持,具有工业实际应用价值。

关键词： 复变量   混沌系统   外部扰动   滤波器   渐近估计   镇定   跟踪   鲁棒  

摘要： 混沌系统是一类复杂的动力学系统,具有高度敏感依赖于初始条件的特性。混沌系统的理论研究源于上世纪末期的非线性科学发展,而随着计算机技术的不断发展,混沌系统的研究得到了进一步推进和应用拓展。在混沌系统中,状态变量可以在实数域或复数域中取值。状态变量位于复数域的混沌系统称为复变量混沌系统,因为其状态变量存在虚部,故其相对于实变量混沌系统更加复杂和丰富。复变量混沌系统的研究内容包括其动力学特性、镇定控制和跟踪等问题,研究对象包括单个复变量混沌系统、多变量复混沌系统以及耦合复变量混沌系统等。复变量混沌系统的研究具有广泛的学科背景和应用领域。例如,在通信和图像处理领域,研究复变量混沌系统的同步问题可以用于保护通信和图像传输的安全性;在电力系统和化学反应控制等领域,复变量混沌系统的镇定和控制研究可以用于改善电力系统和化学反应过程的稳定性和效率。因此,对复变量混沌系统的深入研究和应用具有重要的理论和实践意义。在混沌系统中,由于其动力学行为的复杂性,控制器的设计变得更加困难,尤其是在面对扰动时更为复杂。因此,混沌系统的鲁棒控制成了一个重要的研究领域。鲁棒控制方法可以通过提高系统的稳定性和可控性来保证系统在扰动的情况下仍能保持特定的行为模式,例如,抑制混沌现象、实现同步控制等。现代控制理论和技术的发展为混沌系统的鲁棒控制提供了新的思路和方法,如反馈线性化、自适应控制、模糊控制、神经网络控制等方法都可以用于混沌系统的鲁棒控制。随着混沌系统在实际中的广泛应用,对其鲁棒控制的研究将会越来越受到关注。本文通过设计合适的滤波器精确地估计外部扰动,并通过设计控制器消除的方法解决了复变量混沌系统在外部扰动下的镇定和跟踪问题。本文的主要工作如下:(1)设计了能渐近地估计外部扰动的滤波器,从而有效地抑制了外部扰动的影响,进而提高了系统的鲁棒性和控制性能。需要指出的是本文不仅为有界的周期外部扰动设计了合适的滤波器,而且为某些无界(多项式增长类型的,指数增长类型的)外部扰动设计了相应的渐近估计滤波器。为无界扰动设计相应的渐近估计滤波器是本文的一个原创之处。(2)基于上述设计的滤波器,本文提出了一种新的基于扰动估计的鲁棒控制策略。该策略能实现复变量混沌系统在受到外部扰动的情况下的镇定和精确跟踪问题。数值仿真实验结果表明,本文提出的控制策略在抑制外部扰动方面具有很好的性能,并且可以实现系统的高精度跟踪。这些研究结果对于实际工程应用具有一定的指导意义。为受到外部扰动的复变量混沌系统设计基于扰动估计的新的控制策略是本论文的另一个创新之处。(3)研究了复变量混沌系统的镇定问题。分两步解决了受到外部扰动的复变量混沌系统的镇定问题。第一步,通过设计控制器解决了标称复变量混沌系统的镇定问题。第二步,根据外部扰动的类型,设计了相应的滤波器,并基于该滤波器并设计了对外部扰动渐近估计的观测器。综上两步,基于动态增益反馈控制方法和类线性反馈方法设计了基于扰动估计的镇定控制器。数值实例结合仿真结果验证了上述理论结果的准确性和可靠性。(4)研究了复变量混沌系统的三个跟踪问题:完全同步问题、反同步问题以及投影同步问题,实现了变量的相同跟踪、相反数跟踪,部分变量的相反数跟踪以及部分变量的成比例跟踪。分两步提出了一种能够实现给定受外部扰动的复变量混沌系统跟踪问题的控制器设计方法。第一步,解决了标称复变量混沌系统的跟踪问题。第二步,根据外部扰动的类型,设计了相应的滤波器,并基于该滤波器设计了对外部扰动渐近估计的观测器。综合以上两步,基于动态增益反馈控制方法和类线性反馈方法,设计出一种基于扰动估计的跟踪控制器。数值实例和仿真结果验证了该理论方法的正确性和可行性。对反同步问题和投影同步问题存在性分别给出了一个充要条件是本论文的第三个创新之处。

关键词： 除草机器人   图像处理   作物行检测   视觉导航   智能控制  

摘要： 随着人工智能与机器视觉技术的发展,视觉导航线提取逐渐成为了农业机器人自主导航的核心技术。针对田间复杂且多变的非结构化环境,本文基于机器视觉与图像处理对田间和温室作物的垄间导航线提取进行了系统研究,研究的主要内容和结论如下:(1)基于视觉导航的中耕除草机器人在作物苗期以及生长中期导航线提取易受到杂草、变光照、缺株断行等因素影响,提出了一种基于中值点Hough变换玉米行检测的导航线提取方法。为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,在图像预处理阶段改进了超绿灰度化算法,再进一步地采用最大类间方差法、数学形态学操作实现了土壤与作物苗带的背景分割。其次,通过均值法提取作物行的特征点,而后根据中值点Hough变换拟合垄间两侧玉米苗列线,最后基于双侧玉米苗列线,利用夹角正切公式提取导航线。实验结果表明,改进的直线检测算法提取导航线的最大误差为0.53°,相比于标准Hough变换时间上平均快了62.9 ms。经数据统计分析导航线提取准确率达到了92%以上,所提算法具备良好的准确性与可靠性。(2)为避免机器人在进行田间作业时出现伤苗的问题,在U-net模型的基础上,对其进行改进并提出了Faster-U-net模型。通过采集田间及温室作物行数据集,基于Faster-U-net网络对其进行训练,实现作物垄间路径的预测识别。进一步地基于B样条曲线提取机器人的路径导航线。实验结果表明,Faster-U-net网络模型对玉米、番茄、黄瓜、小麦的垄行识别精度分别为93.86%、94.01%、93.14%、89.10%。玉米、番茄、黄瓜、小麦等垄作环境下提取的导航线平均角度差分别为0.624°、0.556°、0.526°、0.999°。所改进的算法具有较强的鲁棒性与准确性。(3)针对除草机器人的实际田间作业场景,通过三维软件设计了中耕除草机器人底盘结构,适用于机器人的田间导航控制。而后分析了基于差速转向的机器人运动控制模型,将模糊PID控制与传统PID控制进行了仿真对比,实验结果表明采用模糊PID控制的效果优于传统PID控制效果。设计的除草机器人移动平台具有较好的应用前景。本研究可为该领域智能农业机器人导航设备的研发提供技术参考。

关键词： 纵/横向控制   时延增广模型   时延估计   参数自适应   车辆稳定性  

摘要： 无人驾驶车辆的纵/横向控制是其核心技术之一,用以实现车辆沿参考轨迹安全、平稳与舒适地行驶。然而,当前纵/横向控制方法在多型工况下易出现较大的控制性能波动,缺乏有效的动态调整能力,同时车辆自身时延特性易造成控制模型不匹配和控制性能恶化,引发个别工况下车辆转向振荡甚至失稳等现象。因此,本文以无人驾驶车辆为研究对象,针对考虑底层时变时延的无人驾驶车辆纵/横向自适应控制问题进行研究,主要内容如下: (1)考虑车辆时延特性的通用动力学建模。针对无人驾驶车辆自身时延特性,分析不同类型、不同数值的时延对控制系统的影响,设计状态预测修正策略及纵/横向时延环节,基于动力学模型一般形式构建考虑底层时变CAN通信延时的变维度时延增广模型,实现更加准确的车辆动态特性描述与状态预测。 (2)基于有限冲激响应(Finite Impulse Response,FIR)滤波器的自适应全通滤波时延估计方法。针对车辆自身不确定性时延参数,设计基于FIR滤波器和最小均方差(Least Mean Square,LMS)算法的自适应全通滤波时延估计器,同时针对环境噪声干扰及滤波器系数更新存在的梯度消失现象,提出窗口信号处理方法及时延估计稳定策略,进一步提高估计的精确性与稳定性。最终该方法可为变维度时延增广动力学模型提供实时准确的时延估计值。 (3)基于改进反向传播(Back Propagation,BP)神经网络的参数自适应纵向控制方法。分别构建驱/制动模式下的BP神经网络,利用粒子群算法(Particle Swarm Optimization,PSO)和批处理归一化方法解决网络初始参数选取困难及反向自学习存在梯度消失等问题,最终结合预瞄式比例-积分(Proportion-Integration,PI)算法实现参数自适应纵向控制,可有效提高算法在不同速度工况下的精确性和鲁棒性。 (4)考虑底层时变时延的模型自适应横向控制方法。基于线性时变轮胎、横向时延环节、二自由度动力学模型与车-路误差模型构建变维度时延增广横向动力学模型,实现基于当前车辆CAN通信延时的模型维度自适应,在此基础上构建基于Lyapunov渐进稳定约束的模型预测控制(Model Predictive Control,MPC)横向控制器,可有效防止无人驾驶车辆因自身时延导致的横向控制精度下降甚至失稳等现象。 (5)基于无人驾驶车辆平台的实车验证。基于无人驾驶车辆平台对考虑底层时变时延的纵/横向自适应控制方法进行验证,结果表明所设计的自适应时延估计算法能快速、稳定与精确地估计底层CAN通信延时,所提出的纵/横向控制策略能够保证不同工况下的控制精度与车辆稳定性,特别是无人驾驶车辆因自身时延导致的控制精度下降甚至失稳等问题,具有较高的工程应用价值。