一个∞控制与模糊双曲正切模型路径跟踪

文摘

实现无人驾驶地下采矿车的目标,建立了模糊双曲正切模型对地下铰接式矿用卡车路径跟踪。首先,收集参数的样本数据通过司机控制拖挂车3 m / s的速度,包括横向位置偏差和航向角偏差的变化。然后,根据改进的自适应BP神经网络模型和推导公式的中介率误差估计方法的柯西健壮、权重确定。最后,∞控制控制器是用来控制转向角。半实物仿真的结果表明,横向位置偏差,航向角偏差,可以控制车辆的转向角,分别为0.024 m, rad rad 0.08和0.21。所有的偏差都是渐近稳定,误差控制在小于2%。该方法被证明是有效的和可靠的地下汽车路径跟踪。

1。介绍

拖挂车是广泛应用于地下开采。研究无人驾驶拖挂车进行了多年来在地下矿山提示效率和安全性。自主驾驶在地下隧道的一个重要原则是要找到一个路径拖挂车跟踪在一个合理的高速度和避免撞到侧壁。许多自动控制算法可以应用在这个申请。

领域的模糊模型,曾庆红和辛格(1和王2)理论模糊关系模型,其目的是建立一个模糊模型来近似理想的控制行为。这种模糊关系可以看作是一个模糊输入空间到输出空间的映射。它的主要缺点是,许多重要的动态信息系统建模过程中被忽略,,很难获得良好的控制器性能。高木涉和Sugeno3,4)提出了一个名为t - s模糊模型,旨在构建一系列的线性方程来表达每个子系统,然后通过隶属度函数进行全局模型的子系统。其主要缺点是结构本身的复杂性建立模型需要大量的离线工作。模糊双曲正切模型比上面的模型(5,6]。

路径跟踪问题是一个非常重要的问题在无人驾驶的过程中。前的研究都是基于铰接车辆运动学、和许多学者已经做了大量的研究。Nayl et al。7],李和柳[8),里德利和柯克9],宣et al。10派生的铰接车辆的运动学模型和参考模型的错误道路,和他们使用的模型预测控制方法跟踪控制仿真。的工作效率和安全是决定路径跟踪的准确性。路径跟踪控制设计根据铰接式车辆运动学特征在地下采矿环境中没有良好的适应性。动态特性是重要的路径跟踪控制设计11]。文献[12]认为侧滑铰接车辆动力学的影响,但这将是一个很大的偏差,因为他们只考虑一个方面,缺乏系统建模。

解决这些问题,应对这一多变量、强耦合、高度复杂的非线性动力学系统的地下采矿车辆,我们使用模糊双曲模型和设计一个非线性二阶控制器通过现场实验测试半实物仿真(边境),以确保质量的控制,针对实现无人地下采矿铰接式车辆的目的。这个方法是通过驱动程序信息获得车辆的运动学关系,以及司机反复驾驶过程可以使车辆动力学的关系都包含在这些数据变得越来越明显。这种方法也可以被认为是与数据挖掘内在联系减少建模过程的复杂性,大大减少了系统误差引起的动态建模。模糊双曲模型非线性系统的系数矩阵变得常数矩阵。通过神经网络的参数识别,监督学习的方法,使模型更接近真实的模型。也方便了控制算法的设计。年轻的[13)首次提出了变结构控制器,应用于机器人控制。Jafarov et al。14)提出了一种新型的滑动PID控制器。虽然这些方法可以解决控制问题,他们不能考虑系统的鲁棒性。

∞控制是一个很好的健壮性设计方法,清晰的设计思路,良好的控制效果和优势,特别是在模型摄动的多输入多输出(MIMO)系统。最后,硬件验证控制导致最后一个循环(边境)模拟完成,以确保质量控制。

2。地下铰接式车辆的运动学模型

2.1。转向偏差模型

图1展示了真正的和参考之间的错误路径。的圆心的参考路径。理想情况下,车辆应通过,,。变量定义如下(5,15]:(1)侧向位移误差:车辆参考点之间的横向位移误差和相应的点(参考路径上的最近点);(2)方向错误:方向的速度方向之间的误差和切向的方向;(3)转向角:相对旋转角度的地下采矿拖挂车身体之前和之后水平面。

这两个变量可以反映铰接式地下采矿车的位置和姿态的隧道,和建立铰接式车辆的轨迹可以通过模糊双曲模型方法。

图2(一个)是测试的人工隧道的素描拖挂车无人驾驶控制系统。这个测试中使用的卡车图所示2 (b)。

我们可以看到数据3- - - - - -5以每秒3米的速度,通过司机控制卡车转弯的过程中,横向偏差是稳定在1.5米。航向角偏差保持稳定在0 rad,虽然身体卷是显而易见的。转向角仍然稳定在0.2 rad明显调整。如数据所示6和7以每秒3米的速度,变化速度的横向偏差和航向角也是0,但是有更多的噪音,严重的抖动。

2.2。基于模糊双曲模型的运动学模型

在原点附近,模糊双曲模型是一个全球性的模式6]全球逼近性能。它不仅是一种本质非线性模型,但也容易表达非线性系统的动态特性。因此,根据这一模型,控制器可以设计,这样整个系统就可以实现最优性能。与其它模糊模型相比,模糊双曲模型更适合于控制对象被称为多变量非线性有限的对象。

给定一个工厂状态变量数量:,输入变量数字:,模糊规则是用来描述该系统由下列条件,这群模糊规则称为双曲正切类型的模糊规则。

模糊规则为以下形式:如果是和是和是和是和是和是然后在哪里和模糊子集包括和对应于和和和是不变的和。

让,,。

有些载人横向偏差之间的数学关系,航向角偏差,转向角,变化速度的横向偏差和航向角偏差数据观察从相关论文10]。他们大致可以描述为以下信息通过专业经验,构建相应的模糊规则的模糊双曲模型: :如果然后 :如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后 :如果如果如果然后

给定一组模糊规则的双曲正切,定义和(任意状态变量、输入变量)隶属函数(在哪里):

让。

隶属函数:

然后 在哪里

被线性化:

当的绝对值比较小,,模糊双曲模型可以写成时,系统是一个线性模型接近平衡点。

3所示。基于改进的自适应BP神经网络的参数识别

识别技术评估包括两个指标。一个是识别精度,另一种是识别速度。与其他模型相比模糊、神经网络的拓扑结构可以被用来优化参数《男人帮》(16]。的中介的速度自适应BP神经网络的权重由柯西推导出健壮的错误,消除数据中异常值的影响,更好地符合原始数据。

神经网络拓扑结构如图8《男人帮》。对象状态变量控制和输入变量作为输入的神经网络拓扑结构,模型输出是状态变量的变化率,,,作为连接权重需要训练。

和是常数矩阵,其元素的权重组成的吗和。如果隐层的功能和输出层的激活函数,然后下面的模型可以获得: 显然,在做线性化、变量可以获得

因此,《男人帮》可能是由神经网络模型,因为它可以训练FHM模型参数(6]。因为有很多不安的数据率水平和航向角的变化,样品展示大量的离群值。所以从健壮的统计视图,传统的MSE加剧样本的“局外人”。因此,可以使用柯西健壮的错误估计。

让错误输出 在哪里网络,是理想的输出是实际产出。

柯西误差估计量显然并不依赖于初始权值和阈值转换,它可以有效地消除“异常值”的负面影响,同时保留的主要特征的值输出误差和加快收敛速度。

最陡下降法,可以得到每一层的神经元的权值迭代方程: 在哪里;。

因此得到一个利率调整基于模型参数高于BP算法如下:

在本文中,学习速率被认为是自适应方案,其主要思想是,初始值的被设置较高,一般约0.7 - -0.9,数量的增加或减量学习,可能会改变法律。当在一定程度上减少,如果仍然没有成为收敛或错误仍然没有改善,又将约为0.5 - -0.7。再次进入学习过程,直到运行结束。学习速率与误差函数:当误差降低,增加了学习速率;当误差增加,减少学习速率: 识别后的模型参数获取的数据在6000步的学习: 然后

数据的拟合结果9和10大幅消除异常值的影响相对误差控制在1%,低于10%。样本数据的趋势基本上是一致的。

现有的实验数据可以应用于上述模糊双曲模型参数优化方法以接近实际的模型。下一个控制器的设计提供了基础。

4所示。控制器设计

基于这个模型,我们可以设计传统的线性控制器或其他非线性控制器。本文设计的控制器和双曲正切函数的状态变量,所以我们可以使用语言来描述控制器的信息。因此这个给定控制器是一个模糊的(16]。

系统可以通过nonquadratic稳定性能指标函数(16]。系统性能可以降到最低通过给定的和

定义1(见[17])。让满足下列条件:所有设置的包括:(1) 是连续的;(2) ,对于其他,;(3)当,。

定理2(见[17])。对于非线性系统, 在哪里和,然后,,可以提出性能指标函数 在哪里,,给出明确的积极的对称常数矩阵。

设计最优控制向量(18]。考虑,有与边界。然后, 如果有一个对角正定矩阵令人满意的黎卡提微分方程

然后对角矩阵进行了优化。

鉴于非线性系统和非线性二次性能指标函数,是一个对角矩阵进行了优化。最优控制向量 在哪里对角矩阵进行了优化。让。

因此,模糊双曲正切,二次性能指标函数

让,,黎卡提微分方程;然后

根据闭环系统的状态方程

基于李雅普诺夫定理和黎卡提微分方程方程:

很容易证明

和是对角稳定;因此,闭环系统是渐近稳定的。

然后

5。仿真模拟

之间的区别是一个实时仿真和半实物仿真模拟电路的物理硬件。半实物仿真的目的是提供实时激励作为真正的信号到控制器,控制器连接到其真正的被控设备和测试其性能。图11是一个硬件仿真平台的示意图,其中c-RIO控制器被公认为路径跟踪角控制器程序编制的仿真软件。亚当斯PXI平台模拟运行,可以构建地下采矿拖挂车模型,模拟的对象。电脑可以运行虚拟仪器PXI和c-RIO实时图形用户界面和显示数据的仿真编译过程。速度可以通过PID控制= 3 m / s。为了测试这个健壮的控制,每20米在路上有一个坑。参考轨迹是圆的中心,是25 m和200年代初始参数设置仿真时间,和起点坐标吗。

由仿真结果图12是实际轨迹的对比图表和参考轨迹。从仿真曲线可以看出,拖挂车跟踪和旅行参考循环路径是一致的,和轨迹相对平稳。从图的速度由PID控制13成为最终稳定在30秒。侧向位移误差逐渐平从一开始猛烈摇晃的人物14。超调量为4.28%,最多约0.024在18秒,对基于2.280米,面和误差是1.7%,然后一步一步接近原点。定位误差逐渐平从一开始猛烈摇晃的人物15。超调量为4.9%,并在顶部约0.08 rad 18秒,然后一步一步接近原点。关节角逐渐平从一开始猛烈摇晃的人物16。超调量为3.5%,最终稳定在0.21 rad 22秒。相比于铰接式车辆转向基于角45°,误差为1.2%。和高峰造成的坑,然后系统立即恢复到正确的道路。它比文献[具有更好的鲁棒性12),其中有很多不安适应路径作为一个类似的情况。文献的结果(10)如下:横向偏差和航向角偏差是1米0.1 rad。文献[19还分析了模型的拖挂车控制滑膜控制方法,其仿真结果如下:横向偏差和航向角偏差为0.1米是0.17 rad。所以存在一个巨大的差距相比,本文的结果。

6。结论

本文提供一种方法用于无人驾驶系统基于模糊双曲杆控制的方式为铰接车辆轨迹跟踪准确。结论如下。(1)模糊双曲正切模型可以描述侧向位移误差之间的定量关系,定位误差和关节角度。(2)基于柯西健壮的错误估计的方法,BP神经网络的权值可以有效地减少的影响,单一的神经网络学习和拟合误差,误差和相对误差低于预期降低,这样就可以实现系统的识别。(3)由∞控制器的设计,控制器具有良好的控制性能,使系统保持一个更好的性能鲁棒性的目的为了达到综合最优控制错误。(4)这种方法可以有效地用于铰接车辆路径跟踪的基础上∞控制器。在半实物仿真表明,过度和响应时间小于预期,最终稳定。控制器性能满足实时控制的要求。

相互竞争的利益

Guangsi史,杨爵,宣赵,延锋李,李Yalun赵,剑宣布没有利益冲突有关出版的手稿。

确认

这项工作是财政支持的国家高技术研究发展计划(863计划)的中国,奖2011年aa060404智能地下采矿卡车,和基础研究基金为中央大学、润扬悬索桥- tp - 16 - 004 a1,地下采矿车辆路径规划和路径跟踪算法研究基于强化学习。

引用

1. X.-J。曾和m·g·辛格“近似理论的模糊systems-SISO情况下,“IEEE模糊系统,卷2,不。2、162 - 176年,1994页。视图:出版商的网站|谷歌学术搜索
2. l . x王“模糊系统是普遍的近似,”继续IEEE国际会议上的模糊系统,第1170 - 1163页,1992年。视图:谷歌学术搜索
3. 高木涉和t . m . Sugeno”模糊识别系统及其应用程序建模和控制,”IEEE系统,人与控制论,15卷,不。1,第132 - 116页,1985。视图:谷歌学术搜索
4. m . Sugeno和t . Yasukawa Fuzzy-logic-based定性建模方法。”IEEE模糊系统,1卷,不。1,7-31,1993页。视图:出版商的网站|谷歌学术搜索
5. s . sched g .艺术观、大肠Nebot和h . Durrant-Whyte”滑动模型和辅助惯性导航的一个方面,”诉讼的IEEE机器人与自动化国际会议上,页1904 - 1909,电气和电子工程师,协会阿尔伯克基纳米,美国,1997年4月。视图:出版商的网站|谷歌学术搜索
6. h .张和y,“建模、识别和控制的一类非线性系统,”IEEE模糊系统,9卷,不。2、349 - 354年,2001页。视图:出版商的网站|谷歌学术搜索
7. t . Nayl、g . Nikolakopoulos和t . Gustfsson”切换模型预测控制的拖挂车在不同滑动角,”控制和自动化学报20地中海会议上(地中海的12),页890 - 895,IEEE计算机协会,巴塞罗那,西班牙,2012年7月。视图:出版商的网站|谷歌学术搜索
8. j·h·李和w·s .柳”,预测控制车辆使用耦合矢量轨迹与车辆的速度和侧滑角,“国际汽车技术杂志》上,10卷,不。2、211 - 217年,2009页。视图:出版商的网站|谷歌学术搜索
9. p . Ridley和p .刘纪麟”负载运输转储车辆运动学和控制”,杂志的动态系统、测量和控制,卷125,不。1,54-59,2003页。视图:出版商的网站|谷歌学术搜索
10. z宣,y爵,z雯,“反馈线性化控制路径跟踪铰接式自卸车,”TELKOMNIKA电信、计算机、电子和控制,9卷,不。13日,922 - 929年,2015页。视图:谷歌学术搜索
11. d . Piyabongkarn r . Rajamani j . a . Grogg j.y.卢,“开发和实验评估的车辆稳定性控制的滑移角估计量,”IEEE控制系统技术,17卷,不。1,第88 - 78页,2009。视图:出版商的网站|谷歌学术搜索
12. y气,轨迹控制地下铰接式自卸车基于模型预测控制北京科技大学,北京,中国,2013。
13. K.-K。d .年轻,“控制器设计的机械手使用变结构系统的理论,“IEEE系统,人与控制论,8卷,不。2、101 - 109年,1978页。视图:出版商的网站|谷歌学术搜索
14. e . m . Jafarov m n A Parlakci, y Istefanopulos,“一个新的机器人机械手,变结构pid控制器设计”IEEE控制系统技术,13卷,不。1,第130 - 122页,2005。视图:出版商的网站|谷歌学术搜索
15. p·彼得罗夫和p . Bigras”,一个实际的方法为铰接采矿车,反馈路径控制”《IEEE / RSJ智能机器人和系统国际会议,页2258 - 2263,理工学院电气和电子工程师,毛伊岛,夏威夷,美国,2001年11月。视图:谷歌学术搜索
16. G.-T。回族,H.-G。张,X.-P g . Wang。谢,Z.-N。吴,“模糊双曲正切模型研究:回顾,“《自动化学报》,39卷,不。11日,第1857 - 1849页,2013年。视图:出版商的网站|谷歌学术搜索
17. 大肠Kaszkurewicz和a . Bhaya“鲁棒稳定性和对角李亚普诺夫函数,”暹罗《矩阵分析和应用程序,14卷,不。2、508 - 520年,1993页。视图:出版商的网站|谷歌学术搜索|MathSciNet
18. 理事长绪方k .现代控制工程中国,电子工业出版社,北京,2011。
19. x赵,j·杨,w·张,j .曾“滑模控制算法的路径跟踪铰接式自卸车,”中国农业工程学会的事务没有,卷。31日。10日,198 - 203年,2015页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Guangsi史等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。