近年来,经济发展带动国内城镇化建设越来越深入,道路建设也随之不断发展,由此带来的道路清扫和维护工作量也不断加重。我国的环保装备技术水平较为落后,人口老龄化、清扫环境恶劣等问题也给环卫工作带来了困难。随着人工智能的发展,环卫设备自动化运行是未来的重要发展方向,本文以无人驾驶环卫车为研究对象,主要研究环卫车轨迹跟踪过程中前轮转向角控制和驱动电机控制问题。高精度轨迹跟踪控制对于无人驾驶环卫车的安全行驶尤为重要。环卫车系统是一个复杂非线性系统,在不同路况和气候条件下,车胎与地面的摩擦系数等参数实时变化,同时,车辆载重也随着环卫车清扫垃圾的重量不断变化,很难建立精确的车辆与环境模型,因而,在实际应用中通过建模对车辆进行智能控制有一定局限性。另外,路面坑洼和坡度等路面因素以及恶劣天气等环境因素带来的未知扰动,对前轮转向角控制和驱动电机控制都产生影响。本文基于无模型自适应控制算法和迭代学习控制算法,考虑商场、园区等工况下,无人驾驶环卫车的固定路段周期重复性清扫、洒水等工作特点,利用轨迹跟踪过程中产生的大量运行数据,提高控制系统的自适应性和控制精度。具体内容如下:1、针对无人驾驶环卫车轨迹跟踪转向角控制方法展开研究。考虑环卫车轨迹跟踪控制系统模型参数多变,难以建立精确模型进行控制器设计以及当车型不同,算法参数需要重新整定,灵活性低,可移植性差等问题,提出一种改进无模型自适应控制方案,通过在转向输入中加入了误差时变比例控制项,设计轨迹跟踪控制方案,并进行了收敛性分析,通过直线和曲线两种跟踪轨迹对MFAC方案和PID控制方案进行对比仿真,仿真结果验证了改进MFAC方案应用于环卫车轨迹跟踪系统的有效性,具有较好的自适应性和跟踪速度。2、针对环卫车在商场、园区等工况下固定路段的周期重复性工作特点,基于迭代学习控制方法对环卫车轨迹跟踪控制展开研究。首先,引入智能PD型迭代学习控制方法,通过利用之前操作的误差信息与控制输入信号来修正当前操作的控制输入信号,并设计迭代差分估计算法来估计由于路面颠簸以及车身垃圾重量不断变化等带来的未知扰动。进一步,设计了新的参数迭代更新率和最优学习控制率,通过最优迭代学习控制方法研究无人驾驶环卫车的轨迹跟踪控制问题,针对扰动问题引入迭代扩张状态观测器,对未知扰动进行补偿。最后,通过仿真验证两种算法的有效性。3、考虑无人驾驶环卫车轨迹跟踪控制系统与时间呈现的复杂非线性关系,由于车辆系统本身也是复杂难建模的非线性系统,模型时变,对轨迹跟踪的控制精度和鲁棒性都充满了挑战。同时针对轨迹跟踪控制过程不具备自我学习、控制精度低的问题,将环卫车轨迹跟踪控制系统转化为带有时变参数和非线性不确定项的迭代域下的全格式动态线性化数据模型,引入时间差分估计算法,进而设计出基于最优性能指标的轨迹跟踪无模型自适应迭代学习控制方案,并进行仿真验证,结果表明,改进算法的控制精度高,动作响应快,具有较好的自适应性。4、针对环卫车清扫路面带有坑洼、斜坡及车身垃圾重量不断增加等扰动影响驱动电机的转速控制问题,设计串级无模型自适应控制算法对环卫车驱动电机调速系统进行控制。通过设计滑模观测器估计未知扰动量,并设计带扰动的外速度环无模型自适应控制器;同时,设计内电流环交轴无模型自适应控制器,与外速度环形成串级无模型控制结构。仿真验证了所提控制方法可以使无人驾驶环卫车驱动电机在未知扰动影响下,保持较好的速度跟踪精度和较强的抗干扰能力,提高了驱动电机的调速性能。