智能车辆轨迹跟踪鲁棒控制研究

这是一篇关于模糊控制,跟踪控制,时滞,变论域,鲁棒H∞控制,轨迹规划,前馈控制的论文, 主要内容为智能车辆轨迹跟踪控制及轨迹规划是实现安全自动驾驶的关键技术和研究热点,得到了众多学者和研究人员的关注,但是目前相关领域研究仍然存在一些问题。车载网络作为车辆元器件之间通信的重要渠道,车辆控制系统中的网络时滞会削弱控制器的控制性能,降低车辆行驶稳定性,严重时会导致安全事故。此外,智能车辆轨迹跟踪控制通常采用反馈控制方法,未能充分利用道路曲率和期望车速信息,导致轨迹跟踪控制精度有限。为解决上述问题,本文针对智能车辆轨迹鲁棒跟踪控制、网络时滞控制及换道轨迹跟踪控制进行了如下研究:(1)建立了车辆动力学模型与车-路误差模型。基于Serret-Frenet坐标系建立了车辆运动学模型和三自由度车辆动力学模型,并联立得到了系统状态空间模型;为了能够使用线性矩阵不等式进行求解,针对状态空间模型中的车辆横摆角速度、道路曲率、车速、车速倒数四个时变参数,采用T-S模糊方法对其进行处理;为解决车速项和车速倒数项耦合而造成的计算区间扩大问题,本文基于几何方法设计了更小的计算区间,减少了模糊规则条数,降低系统保守性和计算量。(2)设计了不含有和含有网络时滞控制的轨迹跟踪控制器。为实现对期望轨迹的跟踪控制,基于鲁棒H∞控制算法和轨迹跟踪模型,设计了不含网络时滞的状态反馈轨迹跟踪控制器;为了降低网络时滞对系统造成的干扰,设计了含有时滞控制的状态反馈轨迹跟踪控制器。仿真结果表明,所设计的控制器具有良好的跟踪控制性能。此外,时滞控制器对时滞具有较强的抗干扰能力,即使在时滞的情况下,依旧具有较好的表现。(3)设计了前馈转角补偿控制器。为提高轨迹跟踪控制精度,以车辆运动学模型为基础计算前馈补偿转角,并以实际车速和跟踪横向误差为输入,提出了基于变论域模糊的前馈转角补偿控制算法进行前馈补偿转角中的比例因子的计算,提高了论域区间的利用率。仿真结果表明,前馈转角补偿控制器提高了车辆轨迹跟踪控制精度。(4)设计了换道轨迹跟踪控制算法。为了保证车辆在换道情况下具备较好的跟踪控制性能,以五次多项式为基础,生成了最优换道轨迹。通过前述设计的轨迹跟踪控制方法,实现换道轨迹跟踪,得到了较好的跟踪效果,进一步验证了换道轨迹的质量及所设计的控制器跟踪控制效果。

智能车辆轨迹跟踪鲁棒控制研究

这是一篇关于模糊控制,跟踪控制,时滞,变论域,鲁棒H∞控制,轨迹规划,前馈控制的论文, 主要内容为智能车辆轨迹跟踪控制及轨迹规划是实现安全自动驾驶的关键技术和研究热点,得到了众多学者和研究人员的关注,但是目前相关领域研究仍然存在一些问题。车载网络作为车辆元器件之间通信的重要渠道,车辆控制系统中的网络时滞会削弱控制器的控制性能,降低车辆行驶稳定性,严重时会导致安全事故。此外,智能车辆轨迹跟踪控制通常采用反馈控制方法,未能充分利用道路曲率和期望车速信息,导致轨迹跟踪控制精度有限。为解决上述问题,本文针对智能车辆轨迹鲁棒跟踪控制、网络时滞控制及换道轨迹跟踪控制进行了如下研究:(1)建立了车辆动力学模型与车-路误差模型。基于Serret-Frenet坐标系建立了车辆运动学模型和三自由度车辆动力学模型,并联立得到了系统状态空间模型;为了能够使用线性矩阵不等式进行求解,针对状态空间模型中的车辆横摆角速度、道路曲率、车速、车速倒数四个时变参数,采用T-S模糊方法对其进行处理;为解决车速项和车速倒数项耦合而造成的计算区间扩大问题,本文基于几何方法设计了更小的计算区间,减少了模糊规则条数,降低系统保守性和计算量。(2)设计了不含有和含有网络时滞控制的轨迹跟踪控制器。为实现对期望轨迹的跟踪控制,基于鲁棒H∞控制算法和轨迹跟踪模型,设计了不含网络时滞的状态反馈轨迹跟踪控制器;为了降低网络时滞对系统造成的干扰,设计了含有时滞控制的状态反馈轨迹跟踪控制器。仿真结果表明,所设计的控制器具有良好的跟踪控制性能。此外,时滞控制器对时滞具有较强的抗干扰能力,即使在时滞的情况下,依旧具有较好的表现。(3)设计了前馈转角补偿控制器。为提高轨迹跟踪控制精度,以车辆运动学模型为基础计算前馈补偿转角,并以实际车速和跟踪横向误差为输入,提出了基于变论域模糊的前馈转角补偿控制算法进行前馈补偿转角中的比例因子的计算,提高了论域区间的利用率。仿真结果表明,前馈转角补偿控制器提高了车辆轨迹跟踪控制精度。(4)设计了换道轨迹跟踪控制算法。为了保证车辆在换道情况下具备较好的跟踪控制性能,以五次多项式为基础,生成了最优换道轨迹。通过前述设计的轨迹跟踪控制方法,实现换道轨迹跟踪,得到了较好的跟踪效果,进一步验证了换道轨迹的质量及所设计的控制器跟踪控制效果。

多差速驱动重载AGV结构设计与跟踪控制方法研究

这是一篇关于重载AGV,差速驱动,结构设计,跟踪控制的论文, 主要内容为随着智能制造相关技术的快速发展、数字化转型战略推动,制造业采用自动引导车(Automated Guide Vehicle,AGV)实现工位间自动化物流。重载AGV作为重型、大型工件物流装备,是智能化物流系统的重要组成部分。为实现重载AGV系统的安全稳定转运,提高重载AGV的承载和驱动能力以及实现AGV运行过程中的高精度控制成为重载AGV成功应用的关键。因此,针对重载AGV驱动模块设计方案和路径跟踪控制方法进行研究具有重要的工程价值和科学意义。本文以多差速重载AGV系统为研究对象,对差速驱动模块设计和跟踪控制关键技术进行研究。主要工作如下:(1)针对重载AGV结构尺寸限制,差速驱动模块结构紧凑的需求,采用驱动电机外侧交错布置的结构方案。基于优化理论分析了差速驱动模块自转半径的优化变量与约束条件,对驱动模块的结构进行了最小自转半径优化设计。解决了差速驱动模块尺寸较大、自转半径影响车体尺寸的问题。(2)针对重载AGV高承载、大驱动的需求,采用内外双层结构的驱动模块与摆动桥式悬架结构相结合的设计,通过降低铰接点高度减小驱动轮法向承载力差距,保证了所设计驱动模块的承载力与驱动力。(3)针对重载AGV稳定、精确的运动控制需求,设计了基于模糊理论和线性二次型调节器(Linear quadratic regulator,LQR)控制相结合的路径跟踪控制算法,满足重载AGV精确跟踪的控制需求。(4)对典型工况下的AGV系统进行了有限元仿真和运动仿真,证明了驱动模块结构优化设计的合理性。(5)进行了实车系统测试。验证了所设计多差速驱动重载AGV结构的合理性和路径跟踪控制算法在实际AGV系统上应用的可行性。

基于改进LQR控制器的倒立摆跟踪控制及特性研究

这是一篇关于直线二阶倒立摆,线性二次型最优控制器,粒子群算法,联合仿真,跟踪控制的论文, 主要内容为倒立摆系统作为经典的非线性系统,可以真实、有效地体现系统的跟踪能力,反映系统的非线性、随机性和鲁棒性,是检验智能算法及控制策略的合理性和可实施性的重要平台。倒立摆的控制思想和控制方法应用广泛,与诸多工业生产中的控制问题都具有相似之处,对于机器人、航空航天、军事等领域均有理论指导意义,因而倒立摆问题的研究在工程上有着十分重要的应用前景。为分析二阶倒立摆的动态特性,验证不同控制器的可行性,进一步提高二阶倒立摆的稳定性、可靠性,本文以直线二阶倒立摆作为研究对象,对倒立摆进行机械结构设计以及数学建模,通过仿真对比实验分析控制效率的高低,着重分析了线性二次型最优控制器(LQR)以及粒子群算法(PSO)改进LQR参数控制器的对系统的控制效果,具体内容如下:1.对直线二阶倒立摆进行机械结构设计与硬件选型,二阶倒立摆本体结构包含底层结构、一级杆及其连接部分和二级杆及其连接部分。在实际选型时需综合考虑倒立摆本体和实验平台所需其他控件,通过比较不同方案,最终选取倍福CX5230型控制器作为核心控件,做到设计模型与实际模型尽可能贴合,为后续仿真分析与实验平台搭建奠定基础。2.由于二阶倒立摆的数学建模相较于一阶倒立摆难度更大,通过对比牛顿力学法与拉格朗日方程法,将两种方法综合应用,建立倒立摆数学模型。通过推导得出的倒立摆系统状态空间方程,采用Matlab软件对系统进行定性分析,验证系统的可控性以及可观性。3.设计经典LQR控制器,通过调整滑块位置、摆杆角度权值探寻各权值对于系统性能的影响,通过对比3类5组仿真实验数据,得出最优控制的权值矩阵,仿真结果表明基础LQR控制器可实现摆杆角度3.5s的快速稳定。针对基础LQR控制器寻参困难情况,提出PSO算法优化LQR参数,摆杆角度实现动态平衡时间缩短了0.5s,超调量以及调整时间也大幅度缩小。用Matlab与Vrep软件联合仿真,将设计的控制器运用于整个倒立摆系统控制,对系统进行跟踪仿真实验,分析可得PSO控制器对于倒立摆系统有较好的控制效果。PSO算法优化LQR参数可以省去人工寻优的时间,将繁琐的步骤简化,实现快速高效的寻找最优解。4.通过搭建实验平台进行实验验证,选取Twin CAT3作为上位机实时控制软件,控制器及其端子模块与倒立摆本体相连接,实现一站式数据采集、处理与显示。实际实验中传感器数据采集时出现噪声,如果将噪声数据也作为测量数据时,将会导致倒立摆在控制过程中出现角度偏差,为此设计卡尔曼滤波器进行降噪处理。通过编写PLC程序进行稳摆实验,并对实验结果进行分析。结果表明:卡尔曼滤波器在实际测量中有较好的降噪效果,PSO改进LQR参数控制器能较好实现倒立摆系统的实时跟踪控制。倒立摆仿真实验结果和PSO优化效果可为其他工业设备设计以及控制提供参考。图 [65] 表 [8] 参 [80]

面向水下对接的UUV视觉引导控制研究

这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。

面向水下对接的UUV视觉引导控制研究

这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。

面向水下对接的UUV视觉引导控制研究

这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。

多差速驱动重载AGV结构设计与跟踪控制方法研究

这是一篇关于重载AGV,差速驱动,结构设计,跟踪控制的论文, 主要内容为随着智能制造相关技术的快速发展、数字化转型战略推动,制造业采用自动引导车(Automated Guide Vehicle,AGV)实现工位间自动化物流。重载AGV作为重型、大型工件物流装备,是智能化物流系统的重要组成部分。为实现重载AGV系统的安全稳定转运,提高重载AGV的承载和驱动能力以及实现AGV运行过程中的高精度控制成为重载AGV成功应用的关键。因此,针对重载AGV驱动模块设计方案和路径跟踪控制方法进行研究具有重要的工程价值和科学意义。本文以多差速重载AGV系统为研究对象,对差速驱动模块设计和跟踪控制关键技术进行研究。主要工作如下:(1)针对重载AGV结构尺寸限制,差速驱动模块结构紧凑的需求,采用驱动电机外侧交错布置的结构方案。基于优化理论分析了差速驱动模块自转半径的优化变量与约束条件,对驱动模块的结构进行了最小自转半径优化设计。解决了差速驱动模块尺寸较大、自转半径影响车体尺寸的问题。(2)针对重载AGV高承载、大驱动的需求,采用内外双层结构的驱动模块与摆动桥式悬架结构相结合的设计,通过降低铰接点高度减小驱动轮法向承载力差距,保证了所设计驱动模块的承载力与驱动力。(3)针对重载AGV稳定、精确的运动控制需求,设计了基于模糊理论和线性二次型调节器(Linear quadratic regulator,LQR)控制相结合的路径跟踪控制算法,满足重载AGV精确跟踪的控制需求。(4)对典型工况下的AGV系统进行了有限元仿真和运动仿真,证明了驱动模块结构优化设计的合理性。(5)进行了实车系统测试。验证了所设计多差速驱动重载AGV结构的合理性和路径跟踪控制算法在实际AGV系统上应用的可行性。

面向水下对接的UUV视觉引导控制研究

这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。

面向水下对接的UUV视觉引导控制研究

这是一篇关于水下无人航行器(UUV),视觉引导,姿态解算,跟踪控制,水下对接回收的论文, 主要内容为随着当下全球人口爆炸式增长,对地球资源的消耗越来越快,促使越来越多的人关注粮食安全和多样化问题,重点是如何在本国领土范围内进行更多资源的开发利用。作为海洋大国的中国,如何对海洋资源进一步开发利用成为了众多研究者关注的焦点。在海洋的开发探索过程中,以水下无人航行器(unmanned underwater vehicle,UUV)为代表的水下无人设备的研发在过去几十年中一直是海洋工程的主要研究领域之一。它们被广泛地应用在海底基础设备检查、环境监测、海洋测绘等领域。然而,在水下作业过程中,水下无人航行器一次所携带的能源十分有限并且不能进行自我能源的补充。当面对大规模、大水域的水产养殖行业,因其水下环境复杂、控制要求较高、工作范围大、时间长久等特性水下无人航行器显得力不从心。因此,对UUV进行快速对接回收研究,将为之后在大水域水产养殖过程中部署充电站给UUV进行能量补充以及部署数据交互中心进行数据传输和任务下发提供技术支撑。基于上述背景,本文以一款全驱动水下机器人Blue ROV2作为研究对象,开展了水下对接研究,以UUV能够在水下完成自主对接为研究目标,通过充分调研,提出了以视觉为基础的水下无人自主对接回收方案,并结合具体场景开展了多次水下对接试验,验证了设计的对接方案具有较高的可靠性和稳定性。为之后大水域水产养殖行业实现养殖过程的全方位监控而部署多个回收站进行水下对接回收提供了基础技术支撑。具体开展如下研究:首先,针对水下视觉引导自主对接这一核心任务,开展了相关技术调研并分析了目前研究所面临的技术困难。此外,为了便于控制程序的开发,对Blue ROV2水下机器人的硬件系统以及软件系统架构进行了详细地介绍。同时参考挪威学者Fossen的水下机器人理论模型和该款UUV的推进器布置形式进行了动力学、运动学建模以及推进器系统的数学建模。在上述基础之上通过对研究对象软件、硬件条件以及近年来水下对接相关技术进行综合分析之后,设计了采用视觉进行水下引导对接过程的整体流程,奠定了后文研究的整体方向。其次,针对水下视觉引导对接时面对的复杂水下场景和独有的环境特点,使用UUV自带的单目相机进行了大量的水下对接目标船坞数据的采集,并设计了基于YOLOV5s的水下对接目标实时检测方法;针对机器人配备的单目相机在对接使用过程中存在的畸变问题,文中通过Matlab软件对相机在水中的畸变以及相机内外参数进行了标定,在实现对接目标精准检测和得到相机内外参数的基础之上,确定了采用EPn P算法进行UUV和目标对接船坞之间的实时姿态解算,时刻得到水下机器人和对接船坞之间的位置偏差,后续便可采用跟踪控制算法实现UUV的跟踪控制,是完成对接任务的必要前提。接着,针对水下视觉引导对接时需要用到的轨迹跟踪控制问题,对比现有控制技术的优缺点,并结合解算的姿态信息以及LOS制导律、滑模控制算法、RBF神经网络万能逼近理论和李雅普诺夫稳定性理论等技术,设计了一种终端滑模轨迹跟踪控制算法对机器人进行跟踪控制。同时在Matlab软件中设计了不同的跟踪场景以及扰动类型,开展了相应的水平面跟踪控制以及三维空间跟踪控制的数值仿真,并对仿真结果进行了分析,表明设计的跟踪控制器具有稳定、精确的跟踪效果,同时在抗外界干扰方面也具有较强的鲁棒性。最后,将设计的视觉引导对接方案在Blue ROV2上进行了实现。通过二次编程开发,将设计的目标检测、姿态解算以及跟踪控制算法集成到了岸基控制程序中。设计了相关试验方案并在船池中开展了试验,根据实际控制状况,对程序进一步的改进优化。经过多次试验的改进优化,最终达到了能够使水下机器人在视觉引导下以较为稳定、准确的运动状态完成水下对接和回收任务,回收成功率在90%以上,验证了本文所设计的视觉引导对接方案具有实际可操作性,为之后在大水域水产养殖过程中对接方案的研究设计提供了思路和方法,同时也为未来水下无人导航器更加安全、可靠、高效地完成大航程的水下作业任务提供了一定的技术参考。