CN114415522B - 一种履带车辆平台路径跟踪控制方法及系统 - Google Patents
一种履带车辆平台路径跟踪控制方法及系统 Download PDFInfo
- Publication number
- CN114415522B CN114415522B CN202210314386.8A CN202210314386A CN114415522B CN 114415522 B CN114415522 B CN 114415522B CN 202210314386 A CN202210314386 A CN 202210314386A CN 114415522 B CN114415522 B CN 114415522B
- Authority
- CN
- China
- Prior art keywords
- control
- tracked vehicle
- vehicle platform
- objective function
- optimization objective
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 88
- 230000006870 function Effects 0.000 claims description 92
- 238000004804 winding Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 239000013643 reference control Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种履带车辆平台路径跟踪控制方法及系统。该方法包括建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;根据更新后的权重参数更新第一优化目标函数,直至再次更新后的状态量和控制量收敛或者达到迭代次数;若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台。本发明能够实现对履带车辆平台的灵活、准确控制。
Description
技术领域
本发明涉及路径跟踪控制领域,特别是涉及一种履带车辆平台路径跟踪控制方法及系统。
背景技术
履带车辆由于其通过性能良好、安全性高以及强火力等众多优点,一直是地面机动平台的重要组成部分,在各种军事演习以及实战中扮演着重要角色,比如边境越野巡逻、恶劣环境中的区域侦察、打击等等。并且在现代军事领域中,信息化、无人化程度以及军事应用需求水平的不断提高,对履带车辆平台的智能化控制技术也提出了更高的要求,尤其是考虑多地域行军的路径跟踪控制技术。这种技术的关键有两点:一是解决高精度需求,二是提高方法的通用性能。然而,目前国内外对路径跟踪控制技术的研究集中在前者,对后者的研究不够充分。
路径跟踪控制技术发展至今,已有多种控制方法在这一领域得到广泛使用,这些方法可以分为两大类:非优化的方法和基于最优化的方法。非优化的路径跟踪控制方法主要包括PID控制、纯跟踪控制、模糊控制等。基于最优化的路径跟踪控制方法主要包括线性二次调节器方法、模型预测控制等。这种基于最优化的方法主要包含一个预测模型,一个可以量化要求指标的目标函数,同时还可添加约束保证最优解满足条件。随着计算机设备的迭代更新,硬件算力的不断提高,优化问题的求解不再制约其应用,并且由于能考虑多种约束,控制精度较高,目前已经是路径跟踪控制模块使用的主流方法。但是这种现有的方法目前在应用设计时过分依赖经验,需要基于规划轨迹特征,行驶工况以及所部署的平台设计权重参数值,这要求前期大量的实验数据支撑。一旦权重参数设置不佳,就会导致履带车辆平台跟踪误差较大,稳定性较差。
发明内容
本发明的目的是提供一种履带车辆平台路径跟踪控制方法及系统,能够实现对履带车辆平台的灵活、准确控制。
为实现上述目的,本发明提供了如下方案:
一种履带车辆平台路径跟踪控制方法,包括:
建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;
根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则根据第一优化目标函数更新状态量和控制量,并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台。
可选地,所述建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量,具体包括:
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
对连续非线性模型进行离散化处理。
可选地,所述根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数,具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间。
可选地,所述根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数,具体包括:
可选地,所述若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台,具体包括:
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
一种履带车辆平台路径跟踪控制系统,包括:
运动学模型建立模块,用于建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
第一优化目标函数建立模块,用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;
第二优化目标函数建立模块,用于根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
判断模块,用于根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
迭代模块,用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则返回所述第二优化目标函数建立模块的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
迭代完成模块,用于若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台。
可选地,所述运动学模型建立模块具体包括:
运动学模型建立单元,用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
运动学模型简化单元,用于对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
运动学模型离散化单元,用于对连续非线性模型进行离散化处理。
可选地,所述第一优化目标函数建立模块具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间。
可选地,所述第二优化目标函数建立模块具体包括:
可选地,所述迭代完成模块具体包括:
电机转速确定单元,用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
电机控制单元,用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明所提供的一种履带车辆平台路径跟踪控制方法及系统,将权重更新也引入优化问题,通过实时更新优化目标函数中的控制变量和状态量的权重参数值,保证履带车辆平台行驶过程中具有一定的控制目标自适应修正能力,一方面能够提高路径跟踪控制精度,另一方面能够减小控制方法中权重参数设置对经验值的高度依赖,提高路径跟踪控制方法的泛化能力。最终实现对履带车辆平台的灵活、准确控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种履带车辆平台路径跟踪控制方法流程示意图;
图2为履带车辆平台的运动学模型示意图;
图3为仿真结果对比示意图;
图4为本发明所提供的一种履带车辆平台路径跟踪控制系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种履带车辆平台路径跟踪控制方法及系统,能够实现对履带车辆平台的灵活、准确控制。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的一种履带车辆平台路径跟踪控制方法流程示意图,如图1所示,本发明所提供的一种履带车辆平台路径跟踪控制方法,包括:
S101,建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;履带车辆平台的运动学模型如图2所示,所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
S101具体包括:
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
其中,履带车辆平台的状态量为,表示在世界坐标系下的位姿,为履带车辆平台在自车坐标系下的纵向速度,为履带车辆平台在自车坐标系下的横向速度,为履带车辆平台在自车坐标系下的旋转角速度,为履带车辆平台的航向角,为履带车辆平台的横滚角,为履带车辆平台的俯仰角。
对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
简化的过程具体为:
进而,运动学模型为:
连续非线性模型为:
对连续非线性模型进行离散化处理。用离散时刻k表示;
S102,根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;其中,n表示在得到收敛结果前的第n步迭代;
S102具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间。
等式约束为:
不等式约束为:
S103,根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
S103具体包括:
S104,根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
S105,若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则根据第一优化目标函数更新状态量和控制量,并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
次更新后的状态量和控制量收敛的依据是相邻两次迭代结果之差小于设置的阈值:
S106具体包括:
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
通过图3可知,通过实时更新优化目标函数中的控制变量和状态量的权重参数值,保证履带车辆平台行驶过程中具有一定的控制目标自适应修正能力,一方面能够提高路径跟踪控制精度,另一方面能够减小控制方法中权重参数设置对经验值的高度依赖,提高路径跟踪控制方法的泛化能力。最终实现对履带车辆平台的灵活、准确控制。
图4为本发明所提供的一种履带车辆平台路径跟踪控制系统结构示意图,如图4所示,本发明所提供的一种履带车辆平台路径跟踪控制系统,包括:
运动学模型建立模块401,用于建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
第一优化目标函数建立模块402,用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;
第二优化目标函数建立模块403,用于根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
判断模块404,用于根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
迭代模块405,用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则返回所述第二优化目标函数建立模块的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
迭代完成模块406,用于若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台。
所述运动学模型建立模块401具体包括:
运动学模型建立单元,用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
运动学模型简化单元,用于对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
运动学模型离散化单元,用于对连续非线性模型进行离散化处理。
所述第一优化目标函数建立模块402具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间。
所述第二优化目标函数建立模块403具体包括:
所述迭代完成模块406具体包括:
电机转速确定单元,用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
电机控制单元,用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种履带车辆平台路径跟踪控制方法,其特征在于,包括:
建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;
根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则根据第一优化目标函数更新状态量和控制量,并返回所述根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台;
所述根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数,具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间;
所述根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数,具体包括:
2.根据权利要求1所述的一种履带车辆平台路径跟踪控制方法,其特征在于,所述建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量,具体包括:
根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
对连续非线性模型进行离散化处理。
3.根据权利要求1所述的一种履带车辆平台路径跟踪控制方法,其特征在于,所述若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台,具体包括:
采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
4.一种履带车辆平台路径跟踪控制系统,其特征在于,包括:
运动学模型建立模块,用于建立履带车辆平台的运动学模型,并根据所述运动学模型确定履带车辆平台的状态量和控制量;所述状态量包括:履带车辆平台的位姿;所述控制量包括:履带车辆平台的履带的卷绕速度;
第一优化目标函数建立模块,用于根据履带车辆平台的运动学模型建立履带车辆平台路径跟踪控制问题的第一优化目标函数;所述第一优化目标函数中权重参数不变;所述第一优化目标函数用于确定更新后的状态量和控制量;
第二优化目标函数建立模块,用于根据第一优化目标函数更新状态量和控制量,并根据更新后的状态量和控制量建立履带车辆平台路径跟踪控制问题的第二优化目标函数;所述第二优化目标函数中更新后的状态量和控制量不变;所述第二优化目标函数用于确定更新后的权重参数;
判断模块,用于根据更新后的权重参数更新第一优化目标函数,并进行状态量和控制量的更新,并判断再次更新后的状态量和控制量是否收敛或者达到迭代次数;
迭代模块,用于若再次更新后的状态量和控制量没有收敛且没有达到迭代次数,则返回所述第二优化目标函数建立模块的步骤,直至再次更新后的状态量和控制量收敛或者达到迭代次数;
迭代完成模块,用于若再次更新后的状态量和控制量收敛或者达到迭代次数,则根据迭代完成的控制量控制履带车辆平台;
所述第一优化目标函数建立模块具体包括:
其中,为第一优化目标函数,为状态量沿梯度方向的变化量,为控制量沿梯度方向的变化量,为状态量的变化量,为控制量的变化量,为预测区间,为学习率,为履带车辆平台在k时刻第i个预测时域的预测状态,为k时刻第i个预测时域的参考状态,为k时刻第i个预测时域求解的控制量,为k时刻第i个预测时域的参考控制量,为状态量的权重参数,为控制量的权重参数,N c为控制区间;
所述第二优化目标函数建立模块具体包括:
5.根据权利要求4所述的一种履带车辆平台路径跟踪控制系统,其特征在于,所述运动学模型建立模块具体包括:
运动学模型建立单元,用于根据履带车辆平台的位姿建立世界坐标系下的履带车辆平台的运动学模型;
运动学模型简化单元,用于对世界坐标系下的履带车辆平台的运动学模型进行简化,确定连续非线性模型;
运动学模型离散化单元,用于对连续非线性模型进行离散化处理。
6.根据权利要求4所述的一种履带车辆平台路径跟踪控制系统,其特征在于,所述迭代完成模块具体包括:
电机转速确定单元,用于采用转速控制将迭代完成的控制量中的履带的卷绕速度转换为电机对应的转速控制;
电机控制单元,用于利用整车控制器将电机对应的转速控制发送至两侧电机对应的电机控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314386.8A CN114415522B (zh) | 2022-03-29 | 2022-03-29 | 一种履带车辆平台路径跟踪控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210314386.8A CN114415522B (zh) | 2022-03-29 | 2022-03-29 | 一种履带车辆平台路径跟踪控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415522A CN114415522A (zh) | 2022-04-29 |
CN114415522B true CN114415522B (zh) | 2022-07-05 |
Family
ID=81263932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210314386.8A Active CN114415522B (zh) | 2022-03-29 | 2022-03-29 | 一种履带车辆平台路径跟踪控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415522B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286683A (zh) * | 2019-07-15 | 2019-09-27 | 北京科技大学 | 一种履带式移动机器人的自主行驶路径跟踪控制方法 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
CN112434407A (zh) * | 2020-11-11 | 2021-03-02 | 湖南科技大学 | 一种履带式车辆多悬挂动力学参数分配优化设计方法 |
CN113608530A (zh) * | 2021-07-22 | 2021-11-05 | 武汉理工大学 | 一种带有pid转角补偿的参数自整定lqr路径跟踪方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10494019B1 (en) * | 2018-05-15 | 2019-12-03 | Cnh Industrial America Llc | System and method for executing straight tracking control of a work vehicle |
CN111703432B (zh) * | 2020-06-28 | 2022-12-20 | 湖南大学 | 一种智能履带车辆滑动参数实时估计方法 |
CN114103926A (zh) * | 2021-12-08 | 2022-03-01 | 北京理工大学 | 混合动力履带车辆速度与能量协同优化方法、介质、设备 |
-
2022
- 2022-03-29 CN CN202210314386.8A patent/CN114415522B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286683A (zh) * | 2019-07-15 | 2019-09-27 | 北京科技大学 | 一种履带式移动机器人的自主行驶路径跟踪控制方法 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
CN112434407A (zh) * | 2020-11-11 | 2021-03-02 | 湖南科技大学 | 一种履带式车辆多悬挂动力学参数分配优化设计方法 |
CN113608530A (zh) * | 2021-07-22 | 2021-11-05 | 武汉理工大学 | 一种带有pid转角补偿的参数自整定lqr路径跟踪方法 |
Non-Patent Citations (1)
Title |
---|
魏领军 等.某履带装甲车辆传动轴动态转矩数据采集及分析.《汽车工程学报》.2021,第11卷(第2期),第86-92页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114415522A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111413966B (zh) | 一种递进式模型预测无人驾驶规划跟踪协同控制方法 | |
CN110989576B (zh) | 速差滑移转向车辆的目标跟随及动态障碍物避障控制方法 | |
CN110244735B (zh) | 移动机器人跟踪预定轨迹的启发式动态规划控制方法 | |
CN111538328B (zh) | 一种用于自主驾驶车辆避障轨迹规划与跟踪控制的优先级分层预测控制方法 | |
CN108594639B (zh) | 一种基于强化学习的全垫升气垫船航迹跟踪控制方法 | |
CN106444794A (zh) | 一种无参数欠驱动uuv垂直面路径跟踪滑模控制方法 | |
CN114967676A (zh) | 基于强化学习的模型预测控制轨迹跟踪控制系统及方法方法 | |
CN113110504B (zh) | 一种基于强化学习和视线法的无人艇路径跟踪方法 | |
CN113467470B (zh) | 一种无人自主小车的轨迹跟踪控制方法 | |
CN112857385B (zh) | 一种基于非均匀栅格模型的快速无人车局部路径规划方法 | |
CN114510063B (zh) | 一种无人履带车辆及其轨迹跟踪控制方法和系统 | |
CN110262513B (zh) | 一种海洋机器人轨迹跟踪控制结构的设计方法 | |
Zhu et al. | An adaptive path tracking method for autonomous land vehicle based on neural dynamic programming | |
CN113433942B (zh) | 一种基于最优航向角的长轴车辆路径跟踪控制方法 | |
CN114940164B (zh) | 一种面向泊车场景的无人驾驶车辆行驶轨迹优化方法及系统 | |
CN115202341B (zh) | 一种自动驾驶车辆横向运动控制方法及系统 | |
CN113848927A (zh) | 一种自主规划路径的自动驾驶系统 | |
CN115598983A (zh) | 一种考虑时变时延的无人车横纵向协同控制方法及装置 | |
CN114906128A (zh) | 一种基于mcts算法的自动泊车运动规划方法 | |
CN114415522B (zh) | 一种履带车辆平台路径跟踪控制方法及系统 | |
CN115373287B (zh) | 一种折腰转向拖拉机的自适应参数模型预测路径跟踪控制方法 | |
CN116653930A (zh) | 一种面向多种泊车场景的路径规划方法 | |
CN115344047B (zh) | 基于神经网络模型的机器人切换式预测控制轨迹跟踪方法 | |
Ma et al. | Self-learning sliding mode control based on adaptive dynamic programming for nonholonomic mobile robots | |
CN114997048A (zh) | 基于探索策略改进的td3算法的自动驾驶车辆车道保持方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |