基于改进非线性模型预测控制的农机轨迹跟踪方法及系统
- 国知局
- 2024-07-31 23:40:17
本发明涉及农机轨迹跟踪控制,特别是涉及基于改进非线性模型预测控制的农机轨迹跟踪方法及系统。
背景技术:
1、本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
2、在农业现代化的发展背景下,智能化发展成为农机装备未来发展的重要方向,我们对智能农机自动驾驶控制系统关键技术的研究变的尤为重要。轨迹跟踪控制作为农机自动驾驶的核心技术,可提高农机作业精度和效率,降低农机驾驶员的作业强度。
3、目前针对轨迹跟踪的控制算法可归纳为以下几种:纯追踪算法、pid控制、滑模控制、自适应控制、模糊控制和模型预测控制(mpc)等。mpc能够预测车辆未来状态,而且能够处理多个变量,因此在农机自动驾驶中得到广泛应用。但是大多数农机轨迹跟踪控制的研究是基于运动学模型的,虽然模型构建简单,但是牺牲了模型的精确性,对控制器的精度也会产生一定的影响。为此部分研究基于农机动力学模型设计模型预测控制器,但是大多忽略了农田环境中的干扰,而农机作业环境相对复杂,风雪天气、土壤湿度、地势不平,都会影响到农机控制的稳定性。此外,车本身负载变化以及泥土、空气、农作物对农机运动产生的阻力等未建模部分,均会对农机轨迹跟踪的精度产生影响。
技术实现思路
1、为了解决现有技术的不足,本发明提供了基于改进非线性模型预测控制的农机轨迹跟踪方法及系统;考虑农田环境中未知时变扰动,建立农机横摆动力学模型;设计非线性降阶扰动观测器,对未知环境干扰进行估计;对于农机未建模部分,采用径向基神经网络(rbfnn)逼近农机模型不确定部分,解决农机轨迹跟踪问题,实现扰动情况下自动驾驶农机的高精度轨迹跟踪。
2、一方面,提供了基于改进非线性模型预测控制的农机轨迹跟踪方法,包括:
3、获取农机实际运行数据,所述农机实际运行数据包括:农机的位置、速度和前轮实际转向角;
4、基于获取的农机实际运行数据,构建原始农机横摆动力学状态空间方程;所述原始农机横摆动力学状态空间方程,考虑未知时变扰动和建模不确定性;
5、构建径向基神经网络降阶扰动观测器,以对未知时变扰动和建模不确定性进行估计和补偿;其中,径向基神经网络,用于对建模不确定性部分进行逼近;
6、基于补偿的农机横摆动力学状态空间方程,构建非线性模型预测控制器;所述非线性模型预测控制器,包括目标函数和约束条件;基于非线性模型预测控制器实现农机运行轨迹在设定的轨迹范围内。
7、另一方面,提供了基于改进非线性模型预测控制的农机轨迹跟踪系统,包括:
8、获取模块,其被配置为:获取农机实际运行数据,所述农机实际运行数据包括:农机的位置、速度和前轮实际转向角;
9、构建模块,其被配置为:基于获取的农机实际运行数据,构建原始农机横摆动力学状态空间方程;所述原始农机横摆动力学状态空间方程,考虑未知时变扰动和建模不确定性;
10、补偿模块,其被配置为:构建径向基神经网络降阶扰动观测器,以对未知时变扰动和建模不确定性进行估计和补偿;其中,径向基神经网络,用于对建模不确定性部分进行逼近;
11、跟踪模块,其被配置为:基于补偿的农机横摆动力学状态空间方程,构建非线性模型预测控制器;所述非线性模型预测控制器,包括目标函数和约束条件;基于非线性模型预测控制器实现农机运行轨迹在设定的轨迹范围内。
12、上述技术方案具有如下优点或有益效果:
13、以精准农业为应用背景,设计农机辅助自动驾驶整体方案。考虑农田环境中未知时变扰动,建立农机横摆动力学模型。设计基于径向基神经网络(rbfnn)扰动观测器进行农机未建模部分和外部环境干扰的估计和补偿,提出基于rbf扰动观测器的农机轨迹跟踪方案。针对农机轨迹跟踪控制,研究基于动力学模型的非线性模型预测控制策略,设计基于伪胡贝尔函数(huber)的代价函数,实现扰动情况下自动驾驶农机的高精度轨迹跟踪。
技术特征:1.基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,包括:
2.如权利要求1所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,基于获取的农机实际运行数据,构建原始农机横摆动力学状态空间方程,具体包括:
3.如权利要求2所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,构建农机横摆动力学方程,包括:
4.如权利要求2所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,将轮胎模型代入农机横摆动力学方程,得到农机非线性横摆动力学方程,进而得到农机横摆动力学微分方程;采用pacejka轮胎模型,当轮胎的侧偏角和滑移率较小时,轮胎力可表示为:
5.如权利要求2所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,将农机横摆动力学微分方程,转换成初级农机横摆动力学状态空间方程;进而得到原始农机横摆动力学状态空间方程;
6.如权利要求1所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,构建径向基神经网络降阶扰动观测器,以对未知时变扰动和建模不确定性进行估计和补偿,其中,径向基神经网络降阶扰动观测器:
7.如权利要求1所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,基于补偿的农机横摆动力学状态空间方程,构建非线性模型预测控制器,具体包括:
8.如权利要求7所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,所述对补偿的农机横摆动力学状态空间方程进行离散化,得到农机的离散模型,包括:
9.如权利要求7所述的基于改进非线性模型预测控制的农机轨迹跟踪方法,其特征是,所述非线性模型预测控制器,包括目标函数和约束条件;
10.基于改进非线性模型预测控制的农机轨迹跟踪系统,其特征是,包括:
技术总结本发明公开了基于改进非线性模型预测控制的农机轨迹跟踪方法及系统;方法,包括:获取农机实际运行数据,所述农机实际运行数据包括:农机的位置、速度和前轮实际转向角;基于获取的农机实际运行数据,构建原始农机横摆动力学状态空间方程;所述原始农机横摆动力学状态空间方程,考虑未知时变扰动和建模不确定性;构建径向基神经网络降阶扰动观测器,以对未知时变扰动和建模不确定性进行估计和补偿;其中,径向基神经网络,用于对建模不确定性部分进行逼近;基于补偿的农机横摆动力学状态空间方程,构建非线性模型预测控制器;所述非线性模型预测控制器,包括目标函数和约束条件;基于非线性模型预测控制器实现农机运行轨迹在设定的轨迹范围内。技术研发人员:吕成兴,张同焱,高乾,陈刚,陈健,张莹,许洪祖,杨智博受保护的技术使用者:青岛理工大学技术研发日:技术公布日:2024/6/18本文地址:https://www.jishuxx.com/zhuanli/20240730/198005.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。