CN112859853B - 考虑时延和环境约束的智能收获机器人路径控制方法 - Google Patents

考虑时延和环境约束的智能收获机器人路径控制方法 Download PDF

Info

Publication number
CN112859853B
CN112859853B CN202110025737.9A CN202110025737A CN112859853B CN 112859853 B CN112859853 B CN 112859853B CN 202110025737 A CN202110025737 A CN 202110025737A CN 112859853 B CN112859853 B CN 112859853B
Authority
CN
China
Prior art keywords
harvester
time delay
input
delay
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110025737.9A
Other languages
English (en)
Other versions
CN112859853A (zh
Inventor
王立辉
张月新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110025737.9A priority Critical patent/CN112859853B/zh
Publication of CN112859853A publication Critical patent/CN112859853A/zh
Application granted granted Critical
Publication of CN112859853B publication Critical patent/CN112859853B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种考虑时延和环境约束的智能收获机器人路径控制方法，属于现代农业无人辅助驾驶技术领域。本发明包括以下步骤：建立收获机转向***的动力学模型、运动学模型、收获机‑地面受力模型，并构建考虑输入延迟和外部扰动的控制***模型，将综合误差作为状态变量；基于预设性能函数对状态变量进行约束，通过误差转换函数将有约束的变量转换为无约束的变量；针对定常输入时延和时变输入时延两种情况，分别构建基于定常时延和基于时变时延估计值的饱和补偿变量，并基于反步法和李雅普诺夫稳定性定理设计相应的控制输入。此种方法可有效对跟踪误差进行约束，补偿输入时延对跟踪***的影响，以提高收获机的自动驾驶导航效果。

Description

考虑时延和环境约束的智能收获机器人路径控制方法
技术领域
本发明属于现代农业无人辅助驾驶技术领域，具体涉及一种考虑时延和环境约束的智能收获机器人路径控制方法。
背景技术
收获机辅助驾驶***受控制信号传输及转向机构动作执行的影响，会产生时滞现象，降低控制***的稳定性和动态性能，影响收获机辅助驾驶***控制精度和工作效率，限制农业生产效率甚至损坏收获机。目前用于收获机的跟踪控制方法主要有PID控制、纯跟踪控制、模糊控制、模型预测控制等，或通过两种或多种方法的联合设计进行参数优化、增强鲁棒性等。前几种算法都没有考虑时滞对路径跟踪控制***的影响，而模型预测控制具有预测功能，即能够根据***的当前时刻的控制输入以及过去的历史信息，对未来控制输入进行***，可对收获机的滞后进行一定的补偿，但其计算最优值时所需计算成本较高。本专利基于反步法和李雅普诺夫稳定性定理设计了考虑定常时延补偿和时变时延补偿的控制方法。
通常情况下，收获机辅助驾驶作业过程中，不仅要求闭环***的稳定运行，还要求控制性能满足一定动态性能指标要求，这就需要在进行控制器设计时，既能够保证***稳定，又要对***输出的性能进行约束，即预设性能约束。目前，针对收获机路径跟踪控制***同时考虑输入延迟和预设性能约束的情况研究较少，需开展收获机控制***中考虑输入时延和扰动的研究，通过分析预设性能约束、定常输入时延补偿变量、时变时延补偿变量，提高收获机路径跟踪的效果。
发明内容
为解决上述问题，本发明公开了考虑时延和环境约束的智能收获机器人路径控制方法，可有效对跟踪误差进行约束，补偿输入时延对跟踪***的影响，以提高收获机的自动驾驶导航效果。
为达到上述目的，本发明的技术方案如下：
考虑时延和环境约束的智能收获机器人路径控制方法，包括以下步骤：
步骤一，建立收获机转向***的动力学模型、运动学模型、收获机-地面受力模型，并构建考虑输入延迟和外部扰动的控制***模型；
步骤二，基于预设性能函数对状态变量进行约束，并通过误差转换函数将有约束的变量转换为无约束的变量；
步骤三，基于反步法和李雅普诺夫定理设计考虑定常时延的路径跟踪控制输入；
步骤四，基于反步法和李雅普诺夫定理设计考虑时变时延的路径跟踪控制输入。
进一步的，步骤一所述的建立收获机转向***的动力学模型、运动学模型、收获机-地面受力模型，并构建考虑输入延迟和外部扰动的***模型，其具体方法如下：
(1)根据设定的期望路径获取当前时刻t的期望航向角ψr、期望航向角速率
Figure BDA0002890184130000021
期望航向角加速率
Figure BDA0002890184130000022
根据传感器获取收获机当前时刻t的航向角ψ、航向角速率
Figure BDA0002890184130000023
航向角加速率
Figure BDA0002890184130000024
纵向速度vx和纵向加速度
Figure BDA0002890184130000025
横向速度vy和横向加速度
Figure BDA0002890184130000026
(2)建立收获机转向***的动力学模型为
Figure BDA0002890184130000027
式中，ψ是航向角，Jz是转动惯量，lf和lr分别是前、后轴到质心的距离，Fyf、Fyr分别是前、后轮胎受到的侧向力。
(3)构建收获机的运动学模型：
计算当前时刻的航向角偏差Δψ、航向角速度偏差
Figure BDA0002890184130000028
航向角加速度偏差
Figure BDA0002890184130000029
Δψ＝ψ-ψr，
Figure BDA00028901841300000210
求取当前时刻收获机的横向位置偏差的导数
Figure BDA00028901841300000211
在小角度假设下sin(Δψ)≈Δψ、cos(Δψ)≈1，
Figure BDA00028901841300000212
可简化为
Figure BDA00028901841300000213
对
Figure BDA00028901841300000214
求导得到
Figure BDA00028901841300000215
设计一个考虑航向角偏差和横向位置偏差的综合偏差
ec＝e+xcsin(Δψ)；其中xc是误差权重系数；
在小角度假设下sin(Δψ)≈Δψ，ec可简化为ec＝e+xcΔψ；对ec求导得到当前时刻的综合偏差导数为
Figure BDA00028901841300000216
对
Figure BDA00028901841300000217
求导得到
Figure BDA00028901841300000218
(4)建立收获机-地面的受力模型：
在小角度假设情况下，前、后轮胎的侧偏角为
Figure BDA00028901841300000219
式中，δr为收获机后轮转向角，即要设计的控制输入量。
在侧偏角及纵向滑移率较小时，轮胎力可以用线性函数近似描述，前、后轮胎受到的侧向力为
Figure BDA0002890184130000031
式中，Cf、Cr分别为前、后轮胎的侧偏刚度，μ为路面摩擦系数。
(5)根据上面的收获机动力学模型、运动学模型和收获机-地面受力模型，可计算收获机的***模型
Figure BDA0002890184130000032
考虑收获机的路径跟踪控制***会受到输入延迟和外部扰动的影响，收获机的***模型可表示为
Figure BDA0002890184130000033
式中，***的状态变量X＝[x1,x2]T，x1＝ec，
Figure BDA0002890184130000034
控制变量u＝δr，
Figure BDA0002890184130000035
是控制输入系数，td为输入延迟时间，d为外部扰动，
Figure BDA0002890184130000036
进一步的，步骤二所述的基于预设性能函数对状态变量进行约束，并通过误差转换函数对其转换，其具体方法如下：
采用预测性能函数对状态变量x1进行约束
-ρ＜x1＜ρ
式中，ρ是预设性能函数，ρ＝(ρ0-ρ∞)exp-lt+ρ∞，ρ0是初始误差的界定值，ρ∞是稳态误差的最大值，收敛速率系数为l。
通过误差转换将带有约束的误差x1转换为无约束的误差ε
ε＝T(ρ-1x1)
其中，
Figure BDA0002890184130000037
误差ε的导数为
Figure BDA0002890184130000038
其中，
Figure BDA0002890184130000039
进一步的，步骤三所述的基于反步法和李雅普诺夫稳定性定理设计考虑定常时延的路径跟踪控制输入，其具体方法如下：
选取李雅普诺夫函数为
Figure BDA0002890184130000041
求取V1导数为
Figure BDA0002890184130000042
设计虚拟控制器为
Figure BDA0002890184130000043
式中，kc1是正常数。
令zc1＝αc1-x2，则
Figure BDA0002890184130000044
为了补偿定常输入时延对***的影响，设计一个辅助状态量r1
Figure BDA0002890184130000045
式中，kc2是正常数。
设计考虑定常输入延迟情况下的控制输入为
Figure BDA0002890184130000046
进一步的，步骤四所述的基于反步法和李雅普诺夫稳定性定理设计考虑时变时延的路径跟踪控制输入，其具体方法如下：
设计虚拟控制器为
Figure BDA0002890184130000047
式中，kc3是正常数。
为了补偿时变输入时延对***的影响，基于时延估计值设计一个辅助状态量r2
Figure BDA0002890184130000048
式中，zc2＝αc2-x2，kc4是正常数，
Figure BDA0002890184130000049
是未知延迟td的估计值。
设计考虑时变输入时延情况下的控制输入为
Figure BDA00028901841300000410
式中，ku2是正常数。
本发明的有益效果是：
1、本发明提供一种考虑时延和环境约束的智能收获机器人路径控制方法，能够有效补偿由于输入延迟降低路径跟踪性能的问题。
2、本发明提供一种考虑时延和环境约束的智能收获机器人路径控制方法，能够对跟踪误差进行预设约束，保证跟踪***的动态性能和稳态性能。
附图说明
图1考虑输入延迟和预设性能约束的收获机路径跟踪控制方法流程图。
图2收获机路径跟踪数学模型示意图。
图3考虑扰动时的路径跟踪控制输入。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
为了补偿输入时延和外部扰动对收获机路径跟踪控制***的影响，本发明提出一种考虑时延和环境约束的智能收获机器人路径控制方法。基于收获机路径跟踪的模型(如图2所示)，建立收获机转向***的动力学模型、运动学模型、收获机-地面受力模型，并构建考虑输入延迟和外部扰动的控制***模型，将综合误差作为状态变量；基于预设性能函数对状态变量进行约束，并通过误差转换函数将有约束的变量转换为无约束的变量；基于反步法和李雅普诺夫稳定性定理设计考虑定常输时延的路径跟踪控制输入；基于反步法和李雅普诺夫稳定性定理设计考虑时变时延的路径跟踪控制输入。此种方法可用于补偿定常输入延迟和时变输入延迟两种情况下的路径跟踪控制，保证路径跟踪的动态性能和稳态性能。
步骤一，建立收获机转向***的动力学模型、运动学模型、收获机-地面受力模型，并构建考虑输入时延和外部扰动的***模型，具体方法如下：
(1)根据设定的期望路径获取当前时刻t的期望航向角ψr、期望航向角速率
Figure BDA0002890184130000051
期望航向角加速率
Figure BDA0002890184130000052
根据传感器获取收获机当前时刻t的航向角ψ、航向角速率
Figure BDA0002890184130000053
航向角加速率
Figure BDA0002890184130000054
纵向速度vx和纵向加速度
Figure BDA0002890184130000055
横向速度vy和横向加速度
Figure BDA0002890184130000056
(2)建立收获机转向***的动力学模型为
Figure BDA0002890184130000057
式中，ψ是航向角，Jz是转动惯量，lf和lr分别是前、后轴到质心的距离，Fyf、Fyr分别是前、后轮胎受到的侧向力。
(3)构建收获机的运动学模型
计算当前时刻的航向角偏差Δψ、航向角速度偏差
Figure BDA0002890184130000058
航向角加速度偏差
Figure BDA0002890184130000059
Δψ＝ψ-ψr，
Figure BDA00028901841300000510
求取当前时刻收获机的横向位置偏差的导数
Figure BDA0002890184130000061
在小角度假设下sin(Δψ)≈Δψ、cos(Δψ)≈1，
Figure BDA0002890184130000062
可简化为
Figure BDA0002890184130000063
对
Figure BDA0002890184130000064
求导得到
Figure BDA0002890184130000065
设计一个考虑航向角偏差和横向位置偏差的综合偏差
ec＝e+xcsin(Δψ)；其中xc是误差权重系数；
在小角度假设下sin(Δψ)≈Δψ，ec可简化为ec＝e+xcΔψ；对ec求导得到当前时刻的综合偏差导数为
Figure BDA0002890184130000066
对
Figure BDA0002890184130000067
求导得到
Figure BDA0002890184130000068
(4)建立收获机-地面的受力模型
在小角度假设情况下，前、后轮胎的侧偏角为
Figure BDA0002890184130000069
式中，δr为收获机后轮转向角，即要设计的控制输入量。
在侧偏角及纵向滑移率较小时，轮胎力可以用线性函数近似描述，前、后轮胎受到的侧向力为
Figure BDA00028901841300000610
式中，Cf、Cr分别为前、后轮胎的侧偏刚度，μ为路面摩擦系数。
(5)根据上面的收获机动力学模型、运动学模型和收获机-地面受力模型，可计算收获机的***模型
Figure BDA00028901841300000611
考虑收获机的路径跟踪控制***会受到输入延迟和外部扰动的影响，收获机的***模型可表示为
Figure BDA00028901841300000612
式中，***的状态变量X＝[x1,x2]T，x1＝ec，
Figure BDA00028901841300000613
控制变量u＝δr，
Figure BDA00028901841300000614
是控制输入系数，td为输入延迟时间，d为外部扰动，
Figure BDA00028901841300000615
步骤二，基于预设性能函数对状态变量进行约束，并通过误差转换函数对其转换，具体方法如下：
采用预测性能函数对状态变量x1进行约束
-ρ＜x1＜ρ，式中，ρ是预设性能函数，ρ＝(ρ0-ρ∞)exp-lt+ρ∞，ρ0是初始误差的界定值，ρ∞是稳态误差的最大值，收敛速率系数为l。
通过误差转换将带有约束的误差x1转换为无约束的误差ε
ε＝T(ρ-1x1)
其中，
Figure BDA0002890184130000071
误差ε的导数为
Figure BDA0002890184130000072
其中，
Figure BDA0002890184130000073
步骤三，基于反步法和李雅普诺夫稳定性定理设计考虑定常时延的路径跟踪控制输入，具体方法如下：
选取李雅普诺夫函数为
Figure BDA0002890184130000074
求取V1导数为
Figure BDA0002890184130000075
设计虚拟控制器为
Figure BDA0002890184130000076
式中，kc1是正常数。
令zc1＝αc1-x2，则
Figure BDA0002890184130000077
为了补偿定常输入时延对***的影响，设计一个辅助状态量r1
Figure BDA0002890184130000078
式中，kc2是正常数。
设计考虑定常输入时延情况下的控制输入为
Figure BDA0002890184130000081
步骤四，基于反步法和李雅普诺夫稳定性定理设计考虑未知时延的路径跟踪控制输入，具体方法如下：
设计虚拟控制器为
Figure BDA0002890184130000082
式中，kc3是正常数。为了补偿时变输入延迟对***的影响，基于时延估计值设计一个辅助状态量r2
Figure BDA0002890184130000083
式中，zc2＝αc2-x2，kc4是正常数，
Figure BDA0002890184130000084
是未知延迟td的估计值。
设计考虑时变输入时延情况下的控制输入为
Figure BDA0002890184130000085
式中，ku2是正常数。
本发明提出的一种考虑时延和环境约束的智能收获机器人路径控制方法，可有效补偿定常输入时延和时变输入时延两种情况下的路径跟踪***，并利用预设性能对跟踪误差进行约束，有效保证了路径跟踪的动态性能和稳态性能。所设计的预设性能约束能够有效抑制外界扰动对路径跟踪的影响，保证跟踪变量的动态性能和稳态性能；输入时延补偿变量对路径跟踪的平稳性有了很大提高。

Claims (4)

1.考虑时延和环境约束的智能收获机器人路径控制方法，其特征在于，包括以下步骤：
步骤一，建立收获机转向***的动力学模型、运动学模型、收获机-地面受力模型，并构建考虑输入延迟和外部扰动的控制***模型；
具体方法如下：
(1)根据设定的期望路径获取当前时刻t的期望航向角ψr、期望航向角速率
Figure FDA0003640133800000011
期望航向角加速率
Figure FDA0003640133800000012
根据传感器获取收获机当前时刻t的航向角ψ、航向角速率
Figure FDA0003640133800000013
航向角加速率
Figure FDA0003640133800000014
纵向速度vx和纵向加速度
Figure FDA0003640133800000015
横向速度vy和横向加速度
Figure FDA0003640133800000016
(2)建立收获机转向***的动力学模型为
Figure FDA0003640133800000017
式中，ψ是航向角，Jz是转动惯量，lf和lr分别是前、后轴到质心的距离，Fyf、Fyr分别是前、后轮胎受到的侧向力；
(3)构建收获机的运动学模型
计算当前时刻的航向角偏差△ψ、航向角速度偏差
Figure FDA0003640133800000018
航向角加速度偏差
Figure FDA0003640133800000019
△ψ＝ψ-ψr，
Figure FDA00036401338000000110
求取当前时刻收获机的横向位置偏差的导数
Figure FDA00036401338000000111
在小角度假设下sin(△ψ)≈△ψ、cos(△ψ)≈1，
Figure FDA00036401338000000112
简化为
Figure FDA00036401338000000113
对
Figure FDA00036401338000000114
求导得到
Figure FDA00036401338000000115
设计一个考虑航向角偏差和横向位置偏差的综合偏差
ec＝e+xcsin(△ψ)；其中xc是误差权重系数；
在小角度假设下sin(△ψ)≈△ψ，ec简化为ec＝e+xc△ψ；对ec求导得到当前时刻的综合偏差导数为
Figure FDA00036401338000000116
对
Figure FDA00036401338000000117
求导得到
Figure FDA00036401338000000118
(4)建立收获机-地面的受力模型：
在小角度假设情况下，前、后轮胎的侧偏角为
Figure FDA0003640133800000021
式中，δr为收获机后轮转向角，即要设计的控制输入；
在侧偏角及纵向滑移率较小时，轮胎力用线性函数近似描述，前、后轮胎受到的侧向力为
Figure FDA0003640133800000022
式中，Cf、Cr分别为前、后轮胎的侧偏刚度，μ为路面摩擦系数；
(5)根据上面的收获机动力学模型、运动学模型和收获机-地面受力模型，计算收获机的***模型
Figure FDA0003640133800000023
考虑收获机的路径跟踪控制***会受到输入延迟和外部扰动的影响，收获机的***模型表示为
Figure FDA0003640133800000024
式中，***的状态变量X＝[x1,x2]T，x1＝ec，
Figure FDA0003640133800000025
控制变量u＝δr，
Figure FDA0003640133800000026
是控制输入系数，td为输入延迟时间，d为外部扰动，
Figure FDA0003640133800000027
步骤二，基于预设性能函数对状态变量进行约束，并通过误差转换函数将有约束的变量转换为无约束的变量；
步骤三，基于反步法和李雅普诺夫定理设计考虑定常时延的路径跟踪控制输入；
步骤四，基于反步法和李雅普诺夫定理设计考虑时变时延的路径跟踪控制输入。
2.根据权利要求1所述的考虑时延和环境约束的智能收获机器人路径控制方法，其特征在于，步骤二的具体方法如下：
采用预测性能函数对状态变量x1进行约束
-ρ<x1<ρ
式中，ρ是预设性能函数，ρ＝(ρ0-ρ∞)exp-lt+ρ∞，ρ0是初始误差的界定值，ρ∞是稳态误差的最大值，收敛速率系数为l；
通过误差转换将带有约束的误差x1转换为无约束的误差ε
ε＝T(ρ-1x1)
其中，
Figure FDA0003640133800000031
误差ε的导数为
Figure FDA0003640133800000032
其中，
Figure FDA0003640133800000033
3.根据权利要求1所述的考虑时延和环境约束的智能收获机器人路径控制方法，其特征在于，步骤三的具体方法如下：
选取李雅普诺夫函数为
Figure FDA0003640133800000034
求取V1导数为
Figure FDA0003640133800000035
设计虚拟控制器为
Figure FDA0003640133800000036
式中，kc1是正常数；
令zc1＝αc1-x2，则
Figure FDA0003640133800000037
为了补偿定常输入时延，设计一个辅助状态量r1
Figure FDA0003640133800000038
式中，kc2是正常数；
设计考虑定常输入时延情况下的控制输入为
Figure FDA0003640133800000041
式中，ku1是正常数。
4.根据权利要求1所述的考虑时延和环境约束的智能收获机器人路径控制方法，其特征在于，步骤四的具体方法如下：
设计虚拟控制器为
Figure FDA0003640133800000042
式中，kc3是正常数；
为了补偿时变输入时延对***的影响，基于时延估计值设计一个辅助状态量r2
Figure FDA0003640133800000043
式中，zc2＝αc2-x2，kc4是正常数，
Figure FDA0003640133800000044
是未知延迟td的估计值；
设计考虑时变输入时延情况下的控制输入为
Figure FDA0003640133800000045
式中，ku2是正常数。
CN202110025737.9A 2021-01-08 2021-01-08 考虑时延和环境约束的智能收获机器人路径控制方法 Active CN112859853B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110025737.9A CN112859853B (zh) 2021-01-08 2021-01-08 考虑时延和环境约束的智能收获机器人路径控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110025737.9A CN112859853B (zh) 2021-01-08 2021-01-08 考虑时延和环境约束的智能收获机器人路径控制方法

Publications (2)

Publication Number Publication Date
CN112859853A CN112859853A (zh) 2021-05-28
CN112859853B true CN112859853B (zh) 2022-07-12

Family

ID=76001844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110025737.9A Active CN112859853B (zh) 2021-01-08 2021-01-08 考虑时延和环境约束的智能收获机器人路径控制方法

Country Status (1)

Country Link
CN (1) CN112859853B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116408790B (zh) * 2021-12-31 2024-07-16 广东美的白色家电技术创新中心有限公司 机器人控制方法、装置、***及存储介质
CN114347031B (zh) * 2022-01-18 2024-01-16 广东省智能机器人研究院 一种考虑时变时滞的移动机械臂避碰控制方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008097252A2 (en) * 2006-06-22 2008-08-14 Roy Sandberg Method and apparatus for robotic path planning, selection, and visualization
CN103576693B (zh) * 2013-11-11 2016-06-29 哈尔滨工程大学 基于二阶滤波器的水下机器人三维路径跟踪控制方法
CN108614560B (zh) * 2018-05-31 2021-04-06 浙江工业大学 一种移动机器人视觉伺服保性能跟踪控制方法
CN108803601B (zh) * 2018-05-31 2021-06-18 浙江工业大学 一种具有通信约束的移动机器人鲁棒预测跟踪控制方法
CN110865539A (zh) * 2019-11-18 2020-03-06 华南理工大学 一种随机干扰下的无人艇跟踪误差约束控制方法
CN111781945A (zh) * 2020-06-09 2020-10-16 南京邮电大学 具有随机时延的多智能体编队控制方法

Also Published As

Publication number Publication date
CN112859853A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN109795502B (zh) 智能电动汽车路径跟踪模型预测控制方法
CN111240187B (zh) 一种基于车辆误差模型的车辆轨迹跟踪控制算法
CN110780594B (zh) 一种智能车的路径跟踪方法及***
CN112859853B (zh) 考虑时延和环境约束的智能收获机器人路径控制方法
CN112622903A (zh) 一种车辆跟随驾驶环境下自主车辆的纵向和横向控制方法
CN112141101B (zh) 一种基于cnn和lstm的预瞄安全路径的方法及***
CN111123701B (zh) 基于管道预测模型的自动驾驶路径跟踪抗干扰控制方法
CN113126623B (zh) 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法
CN112622895B (zh) 一种应用于自动驾驶的轨迹控制的预估控制方法
CN113220021B (zh) 基于虚拟领导者的飞行编队协同自适应跟踪控制方法
CN113183957A (zh) 车辆控制方法、装置、设备及自动驾驶车辆
CN116552550A (zh) 基于参数不确定性和横摆稳定性的车辆轨迹跟踪控制***
CN114684199A (zh) 一种机理分析-数据驱动的车辆动力学串联混合模型、智能汽车轨迹跟踪控制方法及控制器
CN114502450A (zh) 机动车辆横向和纵向引导中的死区时间补偿技术
CN115534970A (zh) 对车辆的行驶动态调节***进行最佳参数化的方法和装置
CN110654386B (zh) 弯道下多智能电动汽车协作式巡航纵横向综合控制方法
Zhang et al. Path Tracking Control Algorithm Considering Delay Compensation
CN116627036A (zh) 一种基于智能轮胎技术的智能汽车泊车规划控制方法
CN115675459A (zh) 一种智能车辆及其路径跟踪的控制方法、装置和存储介质
CN115167135A (zh) 反馈与模型前馈串级的无人驾驶车辆自趋优位姿控制***
CN110723200B (zh) 一种转向回正及中间位置控制***及其控制方法
CN114802200A (zh) 一种智能汽车极限工况下轨迹跟踪和稳定性控制方法
Huang et al. Cascade optimization control of unmanned vehicle path tracking under harsh driving conditions
Liang et al. A Sensor-Enhanced Hierarchical Torque Vector Control for Distributed Mobile Robot on Slippery Road
CN114942590B (zh) 一种基于模糊控制的方程式赛车的横向控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Wang Lihui

Inventor after: Zhang Yuexin

Inventor before: Wang Lihui

Inventor before: Zhang Yuexin

Inventor before: Tang Zihan

Inventor before: Zhou Yekang

Inventor before: Zhang Hongkun

Inventor before: Li Huijun

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant