浙江省自然科学基金(LQ12E05005)
- 作品数：2 被引量：4H指数：1
- 相关作者：尹晓红杨灿程光明阚君武余自强更多>>
- 相关机构：浙江师范大学合肥工业大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金浙江省大学生科技创新活动计划(新苗人才计划)项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于能量优化的无人驾驶车轨迹跟踪控制被引量：1
- 2013年
- 为有效使用有限的电池容量,实现无人驾驶车(AGV)在轨迹跟踪过程中的能量优化,针对三轮AGV的特点首先建立了其运动学跟踪模型及电机能耗模型,然后运用Lyapunov稳定性分析方法、最优化理论及Backstepping技术等工具研究了求解算法,提出了一种基于能量优化的轨迹跟踪控制方法,实现AGV轨迹跟踪和能量优化的统一控制。该控制策略对所有AGV及其他轮式移动机器人具有一般性,且设计方法简单、鲁棒性强。计算机模拟仿真结果验证了该控制器的有效性。
- 尹晓红余自强曹曌杨灿赵韩
- 关键词：物流无人驾驶车
- 基于神经动力学的轮式移动机器人跟踪与稳定统一控制被引量：3
- 2014年
- 为了对轮式移动机器人(WMR)进行光滑、鲁棒、稳定的轨迹跟踪控制,分析了生物激励神经动力学原理,研究了非线性模型预测控制策略,提出了一种基于神经动力学思想的模型预测终端控制方法。首先,针对传统控制方法存在的初始速度跳变问题,利用神经动力学在信息处理方面的优良特性,设计了神经动力学控制模块;然后,根据模型预测控制原理给出了一个优化控制模块;最后,设计了终端域和线性反馈终端控制器来保证系统的全局渐近稳定性。仿真结果表明:利用所设计的控制方法进行曲线跟踪时,被控WMR系统收敛到参考轨迹的时间可从12s降到5s,初始线速度/角速度分别从[-3,4]m/s和[-5,6]rad/s缩小到[0,2]m/s和[-3,3]rad/s,且系统输出有界光滑,使WMR在完成轨迹跟踪的同时实现了全局渐进稳定。由于文中核心算法的推导过程不受WMR运动学模型限制,故该研究结论亦可应用于其他结构的移动机器人。
- 尹晓红杨灿阚君武程光明
- 关键词：轮式移动机器人模型预测控制神经动力学稳定性
