基于扰动观测器的车辆编队滑模控制研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:fkjunjin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
智能交通系统作为人工智能发展的重要组成部分,是智能控制领域的研究热点。无人驾驶车辆的链式编队控制是其中一个重点研究方向,而在实现完全无人驾驶的进程中必然要经历人工驾驶和自动驾驶共存的混合驾驶时期,所以混合驾驶的链式编队也有着重要的研究意义。本文研究了针对无人驾驶和混合驾驶的两种编队控制策略,并分别对两种编队的稳定性进行了研究。主要开展了如下的研究内容:首先,介绍了室内智能交通系统实验平台的构成与工作原理。智能交通系统无人驾驶机器人实验平台,可以对车辆链式编队的控制算法进行模拟与验证,实验平台包括智能机器人车辆、无线通讯系统以及跟踪定位系统。其次,针对车辆在形成车队过程中会受到外界未知扰动影响的问题,分为采用参数自适应与扰动观测器的方式对未知扰动进行消除。使用积分滑模控制算法与恒定车头时距的跟驰策略来对车辆进行编队控制,并且通过仿真分析了使用扰动观测器消除扰动对车队稳定性的提升。通过对滑模面参数的选取保证了车辆间产生的误差不会向后方扩大传递,以此保证了车辆编队的链式稳定性。为了缓解传统积分滑模策略的抖振问题,控制器中使用了包含符号函数的连续滑动面,进而提高了车队行驶的稳定性。车队控制算法的有效性通过仿真与实验进行了验证。最后,针对人工驾驶与自动驾驶车辆组成混合驾驶编队的重要现实需求,建立了一个混合驾驶模型,可以任意选择排布人工驾驶和自动驾驶车辆。其中自动驾驶车辆采用终端滑模控制并且使用干扰观测器对车辆的外部扰动进行观测补偿,而人工驾驶车辆的控制基于对不同驾驶员的驾驶参数模拟而成。车辆间采取了一种新的通信拓扑方式,定义了一种新的误差解决了混合驾驶车辆编队的链式稳定性问题。为了提升混合驾驶车队的稳定性,进一步考虑了初始误差对于车队中自动驾驶车辆的影响。通过仿真与实验的方式验证了提出控制算法的有效性。
其他文献
营商环境就是生产力。新常态下,谁拥有良好的营商环境,谁就拥有了经济发展的内生动力和竞争优势。今年换届以来,乌兰浩特市人大常委会紧扣市委"作风建设年"活动和着力破解"三大难题"目标任务,着力于推动全市营商环境不断优化,开展了以"深化作风建设、优化营商环境"为主题的专题调研工作。
期刊
随着我国传统燃油汽车数量的持续稳步增长,车辆行驶造成的城市交通拥堵和空气污染等问题愈发严重。而凭借良好的节能环保特性,插电式混合动力客车(Plugin hybrid electric bus,PHEB)有望成为缓解这些社会问题的重要方法之一。PHEB的优越性来源于其由发动机和电机组成的混合动力系统,这两种装置可通过不同运行状态下的动力耦合,使车辆能够以多种工作模式来高效地应对复杂的行驶工况。当然,
板带钢是一种基础的工业生产材料,随着社会经济的高速发展,各行业对板带钢的质量要求越来越高。而板形是用来衡量板带钢产品质量的一项重要性能指标,并且板形识别是冷轧过程控制中地重要一环,对产品质量有着直接影响。本文基于人工智能算法针对板形识别模型展开深入研究,主要研究工作分为两部分,一部分是基于图像的板形识别方法研究,另一部分为基于接触式板形检测方法的板形识别模型研究。主要工作如下:针对表观板形不良,基
旅行商问题(Traveling Salesman Problem,TSP)一直是运筹学领域组合优化问题的研究热点,其基本特点是易于描述、难于求解,是典型的NP-hard问题。如生产计划调度、生产排程、集成电路的设计、物流调度与运输、计算机网络布线等问题都可以抽象为旅行商问题模型进行求解。因此,对旅行商问题的研究具有重要意义。近年来,针对经典旅行商问题的研究获得了极大的进展,旅行商问题的求解时间在不
近年来,随着工业技术的蓬勃发展,多智能体系统的协同控制得到了广泛的应用。而多智能体系统的一致性问题是协同控制中最基本的研究问题,受到了研究学者的广泛关注。一致性控制是指通过设计控制器以及多个智能体之间的信息传递实现智能体的状态或输出一致。然而,在设计智能体的控制器时,往往需要依赖一些难以获取的全局信息,这不利于在实际中应用。此外,智能体的控制输入受物理系统约束也往往存在饱和现象,并且智能体之间的大
随着优化要面对的问题规模和复杂程度的逐渐增大,以及传统优化方法易出现局部最优解等的局限性,智能优化算法应运而生了。差分进化算法由于其结构简单、收敛性能好、控制参数少、容易实现等特点而受到广泛的关注。但是差分进化算法仍存在诸如容易陷入局部最优、搜索停滞等缺点,限制了其性能的发挥,阻碍了其应用的推广。因此,对差分进化算法的改进研究具有重要的理论研究意义与实际应用价值。针对以上缺陷,对多目标差分进化算法
近年来,由于具有容错性高、拓展性好、计算效率高等优点,多智能体分布式一致性和编队控制成为重要研究热点之一。一致性和编队控制已广泛应用于航天器编队姿态控制,无人机编队等领域。值得注意的是,抗扰能力、收敛速率和通信能耗是衡量多智能体系统性能的几个重要指标。将主要围绕三个方面展开研究:(1)具有未知非线性项和外部扰动的多智能体一致性控制问题;(2)有限和固定时间编队控制问题;(3)基于事件触发的多智能体
电子节气门是汽车发动机控制系统中的重要组成部件,空气量进入发动机气缸中的多少取决于电子节气门阀片的开度,从而影响到汽车的动力特性。为了提高汽车的驾驶舒适性与安全性、燃油经济性以及降低尾气排放等方面的性能,对电子节气门系统提出了较高精度和动态性能的阀片位置跟踪控制要求。同时考虑到电子节气门存在的非线性和参数不确定性特性,以及系统输入电压要符合安全限幅要求的限制条件,因此,本文针对控制受限的电子节气门
双目立体视觉在获取场景深度信息上具备着易扩展、低成本和场景适应性强的特点,因此被广泛应用于无人驾驶、增强现实等众多前沿领域。近年来,基于深度学习的方法已经扩展到立体匹配等几何问题中。与传统的方法相比,基于卷积神经网络的方法能够显著提升立体匹配的准确性和运行效率。本文算法从以下几个方面来解决当前双目立体匹配工作存在的问题。针对当前立体匹配工作忽视了聚合网络更需要多尺度上下文信息以进行特征相似性学习的
近几年,随着电力系统、机器人系统、航空航天飞行器的发展,实际工程所涉及的系统越来越复杂,规模越来越大,同时对系统的性能提出了更高要求,越来越多的国内外学者研究大规模非线性系统的控制器设计问题,其中最具代表性的就是下三角非线性系统的控制问题。除了系统更加复杂外,在一些涉及安全、环境保护、以及提高生产质量方面,有的实际系统需要在一定的硬约束或者软约束下运行,若超出了自身的约束条件,系统会不稳定,甚至引