科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决定参数轨迹跟踪控制器工况适应性差的问题，基于改进PSO-MLP算法，设计了一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。首先，离线状态下，基于采集的实车数据，以轨迹跟踪的高精度、高稳定性、低时间成本为目标，利用改进的PSO算法构建了不同运动基元下的最优参数组合数据集，并以运动基元类型和车速等为特征向量，控制时域长度、时间步长为标签，采用学习率自适应优化算法完成了MLP神经网络模型的训练。其次，在线状态下，根据规划层下发的轨迹信息和车辆状态反馈信息，由MLP神经网络输出预测的最优控制时域长度和控制时间步长，作为双参数输入到模型预测控制算法中，完成了自适应轨迹跟踪控制。最后，进行了基于ROS-VREP 的联合仿真和基于双侧独立电驱动履带平台的实车试验。实车试验结果表明，在包含大曲率转向的综合工况下，与相同计算时间成本的定参数轨迹跟踪控制方法相比，本文设计的轨迹跟踪控制器的横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%，证明了算法的可行性和有效性。
- 单位
