采用状态反馈的无人车路径跟踪横向控制

来源 :机械科学与技术 | 被引量 : 0次 | 上传用户:w5423112
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
针对采用传统模型预测控制器的车辆在弯道内跟踪精度难以保证的问题,本文提出了一种基于状态反馈的路径跟踪横向控制策略.基于车辆动力学模型,建立考虑轮胎滑移包络线约束条件的路径跟踪模型预测控制器,并根据车速选择合适的控制器时域参数;以车辆质心位置为控制点建立车辆跟踪误差模型,结合车辆当前位置横摆角偏差建立状态反馈调节器,通过LQR最优控制方法对无人车姿态进行校正.利用MATLAB/Simulink和Carsim软件对改进的状态反馈控制策略进行了仿真验证,典型双移线道路仿真试验表明:中低车速下车辆路径跟踪横向偏差降低了16%以上,横摆角偏差降低了33%以上,所设计控制器能够有效提高车辆路径跟踪精度,可保证车辆对变曲率弯道具有适应性和行驶稳定性.
其他文献
为解决低温风洞试验模型加工周期长、刀具磨损严重、工件易变形等问题,通过采用国产18Ni(200)低温钢材加工二元翼型和支杆模型,对影响模型加工质量、效率和成本的刀具类型、切削速度、进给量、切削深度、打磨方法等工艺参数进行选型和优化,得到了加工该种材料模型的最优工艺参数组合及流程.通过加工大展弦比半模机翼模型,验证了工艺优化结果的可靠性,给出了该类长薄构型部件加工变形控制的方法和建议.
为研究板形缺陷问题,利用有限元软件对薄规格高强钢板平整过程进行数值模拟,结果表明:窜辊数值的变化对改变带钢截面厚度作用有限,即CVC原辊形曲线对带钢凸度控制域较小,最大值与最小值相差仅为0.008 mm.依据模拟结果,提出了修订CVC辊形曲线,增加轧制力-弯辊力前馈功能和增加平整机前后张力的对策,平整机前后张力在原设定值的基础上增加50%,轧制与板形良好,解决了板形缺陷问题.
应用ASTM E2283中极值分析的标准化方法(最大似然估计法),对汽车标准件用钢SCM435轧材试样横截面夹杂物尺寸分布进行统计分析.结果 表明:汽车标准件用SCM435钢最大尺寸夹杂物成分均为CaO-A12O3类型,夹杂物形貌呈球状;采用极值分析Gumbel概率分布曲线与实际夹杂物尺寸吻合度较好,推测累计概率P=0.999时预测的夹杂物最大尺寸为39.30 μm;增加夹杂物尺寸检测的数据个数并未显著改变夹杂物尺寸分布规律,两者推测的夹杂物最大尺寸相差不大.
期刊
以纯镁和Mg-30 C e中间合金为原料铸造铈质量分数为1%的Mg-C e合金,并进行420℃×8 h固溶和200℃×20 h时效处理,研究了不同状态时合金中稀土相分布的变化规律.结果表明:铸态、固溶态和时效态合金中的稀土相均为Mg12 Ce;铸态合金中的稀土析出相分布不均匀,以晶界处析出为主,晶粒内析出为辅,且析出相尺寸、形貌差异较大;固溶处理后,稀土相大多溶解于镁基体,但晶界处和部分晶粒内仍有一定量残余;时效处理后稀土相在晶粒内重新均匀、弥散析出,晶界处析出量较少,与铸态合金相比,析出相尺寸更加细小、
采用激光选区熔化(SLM)技术制备TA32钛合金试样,研究了激光功率(200~400 W)、扫描速度(800~1200 mm·s-1)和扫描间距(90~130μm)对成形质量及硬度的影响.结果表明:随着扫描速度增加,SLM成形TA32钛合金的表面粗糙度先减小后增大,相对密度和维氏硬度均逐渐降低;随着扫描间距增大,钛合金的表面粗糙度先减小后增大,相对密度和维氏硬度均先降低后升高;随着激光功率增加,钛合金的表面粗糙度先减小后增大,相对密度和维氏硬度均先升高后降低;适用于TA32钛合金SLM成形的激光能量密度范
采用磨削和铣削(顺铣、逆铣)加工工艺获得不同表面粗糙度Sa的碳纤维增强树脂基(CFRP)复合材料试样并进行拉-拉疲劳试验,基于刚度退化模型分析了加工表面粗糙度对疲劳性能的影响.结果表明:磨削、顺铣和逆铣试样的Sa分别为1.2,3.2,5.9μm;磨削试样0°纤维铺层表面纤维缺失,存在空隙,铣削试样在45°纤维铺层表面存在较多凹坑,其中顺铣试样凹坑更多且更深;磨削试样的疲劳寿命最高,逆铣试样次之,顺铣试样最低;随着S a的增大,CFRP复合材料试样表面裂纹迅速萌生扩展,刚度退化初始阶段的退化速率升高,刚度退
采用激光冲击强化(LSP)技术对TC4双相钛合金进行表面强化处理(冲击0~3次),研究了β相晶粒细化机理以及强化前后残余应力、表面硬度及疲劳强度的变化.结果表明:激光冲击强化过程中,β相晶粒内的位错首先通过滑移形成位错线,随着塑性变形加剧,位错不断堆积形成位错壁和位错胞,位错进一步运动后形成亚晶界,并通过动态再结晶实现晶粒细化;3次冲击强化后,合金的晶粒尺寸由原始板材的21.33μm降至4.68μm;随着激光冲击强化次数增加,合金表面的残余压应力、显微硬度及疲劳强度均增大.
在实际工况下,轴承可采集到的故障样本分布往往呈现极强的不均衡特性,该特性对故障诊断精度具有不可忽略的影响.为提高样本不均衡情况下的轴承故障诊断精度,采用样本生成扩充的思路,提出一种基于深度卷积生成对抗网络的故障诊断方法.首先针对轴承振动数据信号的特性,采用快速傅里叶变换使其转化为频域,并通过归一化进行预处理;其次利用深度卷积生成对抗网络进行对抗训练,生成具有真实样本特征的虚拟样本.模型采用衰减学习率并增设Dropout层,提高了模型生成的效率及真实性.最后,构建一维卷积神经网络模型完成故障诊断.实验验证结
为了研究齿厚偏差对圆柱齿轮副振动特性的影响规律,建立了考虑齿厚偏差的圆柱齿轮副啮合刚度和传递误差计算模型,分析了齿厚偏差对圆柱齿轮副啮合刚度和传递误差激励的影响;然后建立了考虑齿厚偏差的圆柱齿轮啮合副有限元模型,分析了齿厚偏差对圆柱齿轮副振动特性的影响.结果表明:随着齿厚偏差增大,齿轮副单齿啮合刚度降低,传递误差和啮合振动增大;随着螺旋角减小,齿轮副单齿啮合刚度逐渐降低,传递误差波动和啮合振动增大,同时齿轮副振动特性对齿厚偏差更加敏感;随着作用扭矩减小,齿轮副单齿啮合刚度降低,传递误差激励减小,啮合振动减