一、一种新型运动轨迹规划算法研究（论文文献综述）
郭凯[1]（2021）在《缩尺TBM换刀机器人轨迹规划及控制策略研究》文中进行了进一步梳理隧道掘进机（TBM）的应用已成为当下主流的隧道施工方式。而在掘进过程中,刀具在破岩时逐渐磨损,影响掘进效率,因此,更换磨损的刀具成为了施工过程中不可或缺的任务。目前,人工换刀效率低、风险大的弊端,引起重视;“机器代人”换刀成为了研究的热点。国内外机构对此进行了广泛的研究,提出了多种换刀机器人方案,但在物理实验和工程应用上取得进一步进展的较少。本文基于7.8m直径的TBM换刀机器人搭建了缩尺物理样机,进行了换刀范围、轨迹规划和运动控制的研究,并利用CANopen总线设计了控制系统,通过实验验证了各项设计指标,为换刀机器人的工程应用提供了设计依据。具体的研究内容,如下所示:1)基于原型TBM换刀机器人方案,利用相似理论,确定了缩尺机器人的结构参数与运动参数。根据结构参数,完成了缩尺机器人各零部件的结构设计;根据运动参数,完成了机器人各关节驱动源的选型。提出了缩尺换刀机器人的总体设计方案,并进行了换刀范围的分析,仿真得到,其可对81.8%的正滚刀进行更换。2)在关节空间对缩尺换刀机器人进行轨迹规划,基于冲击和时间的优化指标,提出了基于七次多项式和梯形速度曲线的混合插值算法。仿真得到,机器人在运行过程中,没有冲击和抖动;在不考虑装拆滚刀的情况下,单把滚刀的最大更换时间为137.44s,提高了换刀效率。3)利用改进的D-H法,对机器人进行运动学分析,得到了各关节坐标系之间的变换矩阵。进而,利用拉格朗日法,推导了机器人的动力学模型,为轨迹跟踪控制算法的设计奠定了基础。并在不考虑关节摩擦的前提下,仿真得到了各关节的力和力矩,为驱动源的选型提供了依据。4)为控制机器人跟踪目标轨迹,提出了两种控制算法,分别为基于重力与摩擦补偿的模糊自适应PD控制算法和基于计算力矩法的模糊自适应PD控制算法。基于两种算法,通过Simulink搭建了仿真系统,对两种控制算法的控制效果进行对比。结果表明,基于计算力矩法的模糊自适应PD算法具有更高的控制精度,各关节的轨迹跟踪误差均小于1mm。5)基于CAN总线搭建了缩尺换刀机器人的控制系统,对轨迹规划算法的有效性和换刀机器人的实用性进行实验验证。以更换刀盘半径方向上最后一把正滚刀为示例工况,进行实验。结果表明,机器人各关节轨迹跟踪误差小于1mm,运行过程没有冲击和抖动,满足高效稳定的要求,具有良好的实用性。
李柳涛[2]（2021）在《全线控智能电动车辆轨迹规划与跟踪控制算法研究》文中研究指明车辆智能化是解放驾驶员、提高行车安全性、舒适性及减少交通事故的有效途径。无人驾驶技术能够促进智能交通系统中的安全性、舒适性和便利性。无人驾驶车辆的轨迹规划和跟踪控制实现车辆自主驾驶的重要组成部分,是自动驾驶的核心模块。作为一种过驱动的高度冗余系统,全线控电动车辆具有四个车轮的转角和电机转矩均可精确控制的优点,相比于前轮主动转向车辆,全线控电动车辆具有更高的可控自由度和灵活性。本文依托吉林省教育厅科学技术项目“基于线控底盘的分布式电动汽车动力学建模与协同控制”（项目编号:JJKH20200963KJ）,以全线控电动车辆为研究载体,进行行车环境下的轨迹规划和跟踪控制算法研究。轨迹规划采用路径规划和速度规划解耦的规划算法,轨迹跟踪控制采用分层跟踪控制架构。本文主要研究内容如下:（1）本文提出了基于路径规划和速度规划解耦的行车轨迹规划算法。采用改进的A*算法在时空空间内同时地进行行为选择和路径规划,基于优化的方法,把路径平滑问题转化为二次规划问题进行求解,得到满足车辆曲率约束的平滑路径。基于预测的障碍物轨迹信息和规划的路径,构建了路径-时间图,即S-T图,采用基于图搜索算法,进行粗速度的选择和规划;采用基于优化的方法,考虑了加速度约束、侧向加速度约束、最高车速约束和碰撞安全性约束,把速度平滑问题转化为非线性约束的优化问题,通过对优化问题的求解,得到加加速度连续的速度规划。（2）本文基于全线控电动车辆,设计了轨迹跟踪控制模块。设计了基于分层控制架构的轨迹跟踪控制算法,对全线控电动车辆进行有效的轨迹跟踪控制。分层控制算法架构包括轨迹跟踪层、轮胎力分配层和执行器控制层。轨迹跟踪层以纵向力、横向力和横摆力矩为控制量,采用模型预测控制算法,控制车辆跟随期望的轨迹;轮胎力分配层将期望的合力/力矩分配至每个车辆轮胎,本文把轮胎力分配问题转化为带约束的二次规划问题进行求解,得到车辆坐标系的各轮胎纵向力和侧向力;执行器控制层为了得到车辆转角和车辆驱动/制动力矩控制量,通过坐标系转换,进而可得到轮胎坐标系下的纵向力和侧向力,使用反正切函数轮胎模型,得到期望的轮胎侧偏角,进而得到车辆转角和车轮转矩。（3）为了对轨迹规划算法的有效性进行验证,本文设计了不同的行车场景,对提出的轨迹规划算法进行了验证,结果表明本文提出的规划算法能在不同的行车场景下,规划满足车辆约束的可行轨迹。为了验证轨迹跟踪控制算法的有效性,基于Matlab/Simulink和CarSim联合仿真平台,对所提出的轨迹跟踪控制算法的有效性进行了仿真验证,结果表明本文提出的控制算法能很好的跟随期望的轨迹。同时,本文对规划的轨迹进行跟踪仿真试验,结果表明规划算法规划的轨迹可以被车辆很好的跟踪。
孙呈祥[3]（2021）在《无人车轨迹规划与跟踪控制快速实现方法的研究》文中指出无人驾驶汽车逐渐成为全球“智能出行”浪潮下的焦点,在减少交通事故率和提高出行效率方面将起到至关重要的作用,“规划+跟踪”局部运动框架是无人车系统中的重要组成部分。其中“规划”指局部轨迹规划,是在全局规划路径的指导下,评估车辆当前局部周边环境信息,综合考虑安全性、行驶效率及平顺性等诸多因素,从而避开障碍物顺利找到一条无碰撞的最优路径;“跟踪”指轨迹跟踪控制,实时控制车辆跟踪规划的最优轨迹,并且实现跟踪精度或驾驶平顺性等评价指标最优。此外,由于车辆行驶环境复杂多变,无人车辆的局部运动框架需要在很短的时间内完成实时优化控制任务,这对规划和跟踪模块的计算速度提出了较高要求。本文研究了“规划+跟踪”双层控制器的精准控制和快速实现,主要研究内容如下:（1）在车辆局部轨迹规划模块中,研究的局部轨迹规划算法由动态窗口搜索和局部最优筛选两部分组成,动态窗口采样当前及预测窗口下的动态轨迹簇,类比人工势场法设计的环境势场筛选出最优的子轨迹,从而找到一条无碰撞的最优局部轨迹;最后结合Car Sim实车模型,设定随机避障、双移线绕桩、正常超车及失效超车四种仿真工况,验证融合动态窗口法和人工势场法的轨迹规划算法的科学性。分析仿真结果发现,规划算法能够针对不同工况高效合理地规划出局部环境的可行轨迹。（2）在车辆非线性MPC轨迹跟踪模块中,首先依据模型预测控制算法理论知识,搭建了非线性MPC轨迹跟踪控制器,其中预测模型为非线性车辆动力学模型,目标函数包括准确性和平稳性两个评价指标,然后基于MATLAB优化工具箱,求解优化控制问题的最优控制量,即二自由度车辆模型的前轮转向偏角;最后,设定单移线、双移线和蛇形线三种仿真工况,并且每种工况下分设四种巡航速度,观察模块的侧向跟踪精度,并创建了增量式线性二次规划轨迹跟踪控制器作为对照试验。结果显示,与对照组二次规划控制器相比,所构建的非线性MPC轨迹跟踪控制器不仅将跟踪精度提升较多,而且保证了车辆状态较平稳。（3）在车辆非线性MPC轨迹跟踪问题的快速求解算法中,基于非线性MPC轨迹跟踪控制器,抛弃MATLAB优化求解工具箱,应用庞特里亚金极值原理,引入协态变量,构建了具体轨迹跟踪问题下的哈密顿函数,并依据最优控制原理,得到协态变量的二分法迭代规则和具体的显式最优控制率;然后将上一章创建的一般非线性轨迹跟踪控制器作为对照试验,设计相同控制器参数和仿真条件,重点研究构建控制器的求解速度和控制精度。结果显示,所构建的轨迹快速跟踪控制器能保证车辆较准确地跟踪期望轨迹,同时每个时刻关于控制量的求解时长缩减了近370倍。（4）在“规划+跟踪”局部运动框架的快速实现算法中,上层“轨迹规划”控制器中嵌入轨迹规划算法,规划出一条离散分布的预测轨迹序列,下层控制器内嵌入快速轨迹跟踪算法,快速计算出前轮偏角控制量,并以输出量的形式传递给车辆状态更新模型;然后优化框架上下层的预测时域和采样频率关系;最后,分别设计动态正常超车仿真工况和动态失效超车仿真工况验证框架的有效性。结果显示,所构建的双层控制器不仅实现了安全驾驶的要求,同时极大地缩减了过程中每个时刻关于控制量的求解时长,有利于实现控制器的实时优化控制。
杨名硕[4]（2021）在《基于数据驱动的机械臂人机共融控制方法》文中研究表明随着全球制造工艺和技术的不断进步和发展,机械臂逐渐成为了现代工业化生产中必不可缺少的元素之一,也是企业不断提高竞争力、向智能化转型升级的核心动力。机械臂是目前在制造业中最为常见的一种工业装置,被广泛地应用于切割、装配、码垛、喷涂等场合,并且在医疗手术、航天探测、军事侦查等领域也有涉及。与此同时,伴随着第四次工业革命的发展,全球制造业在未来一段时间内将迎来转型升级的巨大变革,基于大数据驱动和人工智能的制造技术将会引领未来发展,新一代智能机械臂技术也成为人们研究的重中之重。本文以六自由度协作机械臂为研究对象,分别对人机共融控制中的环境感知和柔顺控制进行研究。首先概述机械臂运动控制方法的整体框架,对其避障规划方法进行改进,然后提出了一种基于数据驱动的轨迹跟踪控制方法,并在此基础上研究了人机共融控制策略,从而实现机械臂的智能柔顺控制。首先,基于机械臂的运动学对轨迹规划方法进行分析,然后对协作机械臂在工作空间内的避障运动规划展开研究,提出了一种自适应步长的扩展随机树算法,改进了节点的扩展方法,增强了规划算法的导向性,优化了算法的规划速度,最后通过三次B样条曲线拟合得到平滑的规划路径。其次,考虑到多自由度机械臂存在强耦合、非线性的特点,提出了一种基于数据驱动的轨迹跟踪控制方法。这种方法不需要建立精确的机械臂动力学模型,利用泰勒展开的方法对动力学方程进行离散化和线性化,进而得到机械臂系统的状态空间模型,并将其应用到预测控制中。同时,为了提高系统的准确性,将智能优化算法引入到控制器的设计中,利用粒子群优化算法计算最优控制序列。最后,针对机械臂的人机共融控制方法展开研究,提出了一种人机共融的主动柔顺控制方法,将基于数据驱动的预测控制作为内环,自适应阻抗控制作为外环,使机械臂同时完成位置跟踪和力跟踪,并通过MATLAB仿真验证了此方法的可行性。
于田雨[5]（2021）在《双电机四驱汽车动力系统匹配设计和能量管理策略研究》文中进行了进一步梳理在化石资源日渐枯竭、环境问题日益突出的今天,发展节能、环保的纯电动汽车成为时代的需求。电动汽车因其无尾气污染、国家政策补贴等因素受到市场的青睐,但是续驶里程也成为大规模推广的制约性因素。而双电机四驱汽车可以在总驱动转矩不变的情况下,充分利用两电机工作效率的差异分布,合理决策前后电机的转矩分配,扩大动力系统的节能空间。已有双电机动力系统的匹配研究多集中于行星排式耦合驱动机构,对双电机四驱构型的研究较少;此外,针对此构型的现有能量管理策略中,对如何实现局部时域内的SOC轨迹规划研究较少。针对上述问题,本文以双电机四驱汽车为研究对象,重点研究基于工况能量权值的多动力源匹配方法及工况适应能力强且具有预测能力的能量管理策略。本文首先对双电机四驱汽车动力系统的匹配设计进行了研究。基于整车动力层,结合现有的匹配理论,确定极限稳定工况和短时加速工况两种情况下需求的动力源总功率;基于能量权值方法对常见出行工况进行数理分析,重点关注各动力源的高效区间与工况高能量权值区间匹配,确定动力源部件的特性参数;基于续驶里程需求确定电池参数。最后通过Cruise仿真软件验证了匹配设计的合理性,为后文模型的搭建提供数据支撑。接着,基于MATLAB/Simulink建立了双电机四驱汽车的前向仿真平台。依据驾驶员的操纵逻辑,搭建了纵向驾驶员模型;按照部件内部的原理和特性搭建了前后电机及电池模型并建立了车辆纵向模型。最后基于比例控制策略,以NEDC工况作为测试工况并与Cruise模型进行仿真对比,验证了仿真模型的整车纵向性能及能量求解性能的准确性,为后文控制策略的实施奠定模型基础。然后,制定了基于工况识别的局部SOC轨迹规划方法。首先基于前向动态规划算法制定了全局优化策略,为后文确定不同类型工况的最优轨迹奠定基础。考虑到不同类型工况的SOC最优轨迹变化趋势不同,基于随机森林算法设计了工况识别器,并基于k均值聚类方法筛选核心特征参量,作为工况识别的特征输入,并设计了新组合工况对其在线工况识别性能进行验证。通过探究时域和空间域上各类工况SOC最优轨迹的变化趋势,得到各类工况在空间域上SOC变化趋势形式统一且具有明显线性的结论,并以此为基础初步确定空间域上局部线性斜率,接着基于局部线性逼近全局波动的思想,通过设计模糊控制器探究局部工况特征与SOC相对斜率之间的关系,对线性斜率进行局部修正,进而确定空间域上局部SOC轨迹,最后通过组合城市工况验证了局部SOC轨迹规划方法的有效性,为后文能量管理策略预测时域的决策提供重要参考。最后,基于模型预测控制对整车能量优化问题进行了建构,并对策略内部预测时域轨迹规划及预测模型进行说明。首先,基于预测时域内的工况信息,结合空间域上局部SOC轨迹规划方法,确定预测空间域SOC参考轨迹,再结合预测信息完成SOC轨迹空间域—时域的转化。之后,基于径向基神经网络构建了车速预测模型,并探究了预测时域长度及扩展宽度系数两参数对预测准确性的影响,并基于预测值与实际值的均方根误差最低确定了上述两参数。再结合随机森林工况识别器,采用相应工况数据训练得到各类型工况下的车速预测模型。最后通过高速工况、郊区工况及城市工况构建了综合全工况,验证整车能量策略中各模块的协作效果,仿真结果表明,工况识别器的识别准确性较高,在综合全工况下的在线识别准确率为88.6%,车速预测效果较好,单步预测误差最大为[-2.5+2.5]km/h。将上述策略与全局优化策略及比例策略分别进行对比,仿真结果表明,与全局策略相比,本文制定的控制策略能实现约95.13%的全局优化效果;与比例策略相比,能有效改善14.28%的整车经济性。
陈泓宇[6]（2020）在《集装箱自动化焊接系统的轨迹规划和轨迹校正方法研究》文中研究说明近年来,随着机器人技术、信息技术等多种技术的协同发展,弊端众多的手工焊接加工方式逐渐不再适用于大型集装箱焊接制造场合,取而代之的是以焊接自动化专用装备和焊接机器人为主体的自动化焊接加工系统。焊接自动化专用装备主要应用于集装箱两侧波纹板焊接（波纹板焊接长度通常超出工业机器人的工作空间）,其轨迹规划算法是焊接自动化专用装备控制系统中核心技术。焊接机器人主要应用于集装箱上锁座和铰链等零件的焊接,但受限于当前机器人的智能化水平,大多数机器人实施焊接作业时仍停留在“手动示教—记忆再现”这一固定模式。在零件装夹误差等因素的影响,导致焊缝的实际轨迹与示教轨迹间不可避免地存在偏差,这种工作模式的焊接机器人不能根据轨迹的变化作出相应的校正动作,从而影响工件的焊接质量与精度。基于上述应用背景,本论文主要研究集装箱自动化焊接加工系统的焊接轨迹规划和焊接轨迹校正等问题。本研究获得了南方中集东部物流装备制造有限公司项目（集装箱后端生产线全自动装配和焊接机器人应用）的资助。论文的主要内容包括:（1）在剖析集装箱自动化焊接加工系统总体框架、工作机制及设计要求的基础上,研制了基于Ether CAT实时总线协议的焊接自动化专用装备控制系统。针对波纹板焊接轨迹由空间直线和空间圆弧构成复杂曲线的特点,应用S型速度规划曲线设计了空间直线轨迹规划算法和空间圆弧轨迹规划算法,以实现对焊接过程中运动轨迹的匀速、稳定和精确的控制。（2）在对图像预处理,滤去噪声,增强目标信息的基础上对焊接工件的特征进行了分析和提取,结合这些特征,设计基于灰度值、形状、相关性的模板匹配方法,对焊接工件进行定位。以像素点的平移矩阵和旋转矩阵为基础,根据模板匹配检测到的偏移量和旋转角度,计算出实际轨迹,从而校正焊接轨迹。（3）为了验证所提算法的可行性,构建两套实验平台对本文设计的焊接轨迹规划算法和焊接轨迹校正算法进行验证。实验平台1为面向波纹板焊接专用设备轨迹规划实验平台,由丝杠、伺服控制器、伺服电机、和工控机组成。软件平台基于Microsoft Visual Studio 2015集成环境开发,控制系统基于Ethercat实时控制总线构建,融合了直线和圆弧插补算法。在选定的多组运动轨迹进行测试,以验证插补轨迹精度和运动平稳性。实验平台2为工件焊接轨迹校正实验平台,由ABB焊接机器人、工控机、Basler工业相机和光源组成构成。软件平台基于HALCON机器视觉集成开发环境开发,融合图像预处理、模板匹配、和焊缝轨迹校正算法,针对集装箱上两大类零件锁座和铰链进行焊接轨迹校正方法的研究与分析,实验结果验证算法有效性。
夏红阳[7]（2020）在《智能车辆连续弯道通行轨迹规划与耦合运动控制协同分析研究》文中提出作为现代车辆的发展方向,智能化车辆在提升交通效率、安全性以及提高乘员舒适性等方面具有显着优势。且随着汽车保有量的逐年增加,交通拥堵、交通事故频发、能源浪费等社会压力显着增大,车辆智能化已成为改善交通环境的迫切需要。弯道作为一种常见的交通瓶颈,不仅容易诱发道路交通事故,也经常会降低车辆通行效率损耗交通流能量。相比于人类驾驶员,智能车辆在车辆操纵上具有显着优势,具有改善交通弯道滞塞现象的巨大潜力。提高智能车辆弯道的通行能力将有效地提升交通的运行效率,这也是未来智能交通发展需要解决的重要课题之一。本文从局部路径规划与车辆运动控制等方面着手研究改善智能车辆面向弯道的通行能力。首先基于最优预瞄距离（Optimal Preview Distance,OPD）实行了路径规划与运动控制的统筹分析,并在滚动窗口内完成局部路径与通行速度规划;然后在考虑规划窗口内轨迹跟随误差动态收敛性能基础上设计了横纵向运动耦合控制器,保证了智能车辆通过弯道的稳定性与安全性;最后基于径向基神经网络构建了误差逼近辅助系统,进一步降低了轨迹跟随稳态误差,优化了弯道通行轨迹跟随效果。重点研究了以下几个方面的内容:分析了弯道通行时智能车辆的动力学与运动学特性,推导了Frenet-Serret标架下含有预瞄距离的弯道轨迹预瞄跟随运动学模型。为进一步解析道路环境与车辆实时姿态对于OPD的影响,设计了横向串级控制器并进行了多工况下的联合仿真测试,最终基于仿真测试数据建立了OPD与车速、初始横摆角速度、道路曲率、初始侧向偏差、初始航向角偏差之间的神经网络映射模型。设计了弯道轨迹规划与轨迹跟随协同分析方法,基于滚动窗口法生成了满足安全性、可行性等约束的三次样条曲线簇,并通过构建综合性能评价函数为车辆选取了局部最优路径;基于时间规划窗口提出一种弯道车速规划算法,并基于该算法完成了在行驶安全性、纵向舒适性、通行合法性等多边界约束下的弯道车速规划。分析模拟了人类驾驶员弯道视野受阻时的预测行为,并基于Adams外插法完成了弯道内传感器盲区道路的预测,结合安全制动距离与预测距离设计了弯道综合预瞄策略,并建立了相应的规划窗口实时调整方法。含有预测的弯道通行延拓了车辆传感器存在感知盲区时的纵向视距,改善了轨迹预瞄跟随效果。分析了弯道通行下轨迹跟随过程中轨迹跟随误差瞬态响应特性,并通过约束变换的方式将预设的轨迹跟随误差动态约束转换为等式约束;设计了一种新型的误差约束收敛函数,保证了规划窗口内轨迹跟随误差的动态收敛性能;然后在综合考虑纵向位置误差、横向位置偏差、航向角偏差基础上完成了智能车辆的耦合运动控制器设计,并基于控制系统稳定性分析给出了相关参数的设计方法。针对智能车辆建模过程中的未知偏差以及输入饱和约束等干扰问题重新构建了车辆三自由度动力学模型,并利用光顺且具有近似饱和特性的双曲正切函数将车辆的饱和约束等效前置,然后设计了RBF神经网络误差逼近辅助系统来优化提升耦合控制器的性能,最后基于稳定性分析给出控制器与神经网络的参数设计标准。最后基于Carsim-Simulink联合仿真平台以及实车试验验证了设计的轨迹规划方法以及轨迹跟随控制算法的有效性,且分别在不同道路曲率、不同道路环境等工况下进行了测试。实验结果进一步验证了本文所提出的轨迹跟随运动控制算法的可行性与鲁棒性。
许辉[8]（2020）在《面向人机协作的机器人视觉感知与运动规划方法研究》文中认为随着社会经济发展,人们对产品的定制化需求日趋旺盛,对于以需求为导向的生产制造业,最显着的变化是多品种、小批量的产品需求快速增长。于是,工业制造的生产方式亦随之改变,作为智能制造核心装备的工业机器人需要满足柔性定制作业的要求,因此,兼具柔性和智能性的人机协作系统成为工业机器人技术应用的重要发展方向。在人机协作系统中,存在复杂、动态的非结构化障碍物,需要机器人能够感知环境和目标信息,并根据任务要求作出相应决策,以快速、安全和可控地执行作业任务,而其中涉及的视觉感知和运动规划技术是机器人柔性化、智能化的关键。因此,针对人机协作等非结构环境中视觉感知和运动规划问题,本文的主要研究内容如下:首先,针对简单的纹理、颜色等二维图像信息难以为机器人在品种多样、来料无序的非结构化工业环境中提供足够的作业信息,基于视觉传感器获取的RGB-D信息,提出一种融合语义分割和点云配准进行目标物体位姿估计的方法。针对全卷积神经网络模型分割结果不精准的问题,引入带洞卷积层对全卷积神经网络进行改进,并基于预训练模型微调技术在自制数据集训练改进的网络模型。然后,利用改进式全卷积神经网络对彩色图进行语义分割,并结合深度信息提取目标工件的点云数据,通过与初始点云进行配准,评估出当前工件的相对位姿,为后续运动规划提供目标位姿信息。最后,实验结果证明所述位姿估计方法的实用性。其次,基于目标物体位姿估计信息导引的机器人自主运动规划是机器人智能化的重要体现,因此,面向人机协作过程中静态非结构环境下的机器人自主运动规划问题,提出一种启发导向式快速扩展随机树运动规划算法。针对经典快速扩展随机树算法存在的收敛速度慢、路径成本高的问题,首先,在随机采样点生成阶段引入目标导向性概率阈值,增大其向目标节点扩展的概率,加快算法收敛速度。然后,在扩展树新路径生成阶段,基于启发式图搜索算法,筛选使运动成本最优的采样点及路径,仿真实验结果表明改进的算法效果显着。最后,搭建面向杂乱工件场景的机器人智能分拣实验平台,验证改进式算法在实际非结构化工作场景中的实用性。再次,针对动态非结构环境中的人机协作安全性问题,研究基于多视觉感知的机器人在线轨迹规划方法。首先,提出一种基于多深度相机信息融合的环境建模及更新方法,通过离线方式建立多相机深度图像与机器人工作空间三维栅格映射关系模型,结合在线阶段的实时环境信息,快速确定机器人工作空间内三维栅格的占据状态,实时评估机器人与障碍物之间的最小距离。然后,基于反应式避障策略改进人工势场法的势场力,并将其转化为机器人关节速度,从速度层面控制机器人执行避障轨迹。同时,为了兼顾动态避障响应速度和作业效率,提出一种基于障碍物的相对位置及速度的避障轨迹调整策略。最后,设计搭建协作机器人、双全局深度相机验证平台,开展实时避障轨迹规划实验,验证动态避障方法的有效性。然后,针对反应式局部避障算法路径成本高以及现有的全局运动规划方法实时性差的问题,提出一种满足完备性和实时性要求的路径重规划算法。首先,基于运动基元法和层级结构法改进动态路图法,通过离线方式建立构型空间内机器人位姿与工作空间内三维栅格的碰撞映射路图。然后,基于多深度相机信息融合的环境建模方法,在线更新三维栅格的占据状态及对应的离线碰撞映射路图,并结合启发式图搜索算法,在更新的碰撞映射路图中重新规划运动路径。最后,通过实验验证所述运动规划方法的有效性。最后,针对非结构化工业现场对智能化、柔性化机器人视觉感知与运动规划的需求,设计了人机协作进行工件涂胶并安装密封条的综合模拟实验,首先根据作业内容及工艺要求规划人、机器人的作业工序。然后,依次开展面向杂乱工件智能分拣任务的位姿估计实验,面向人机协作的静/动态非结构环境下机器人运动规划实验。最后,通过实验结果验证位姿估计的精确度和运动规划算法的有效性。综上所述,面向人机协作过程中涉及的视觉感知和运动规划问题,首先研究在多品种工件杂乱堆叠形成的非结构环境中对作业对象进行位姿估计的方法,在此基础上,进一步深入研究面向人机协作场景的环境感知、建模和机器人运动规划方法,实现机器人在静/动态非结构化工作环境中的安全运动。这对于提升人机协作水平,进而提高机器人的生产效率和生产质量具有重要的作用和意义。
周健[9]（2020）在《多车交通环境中智能车辆换道轨迹规划与重规划方法研究》文中提出随着先进传感技术和控制技术的发展,智能车辆的相关研究得到了企业界和学术界的广泛重视,实现全自动驾驶已经成为许多学者的研究目标。在结构化公路上,车辆的驾驶行为主要包括了跟车和换道,传统车辆的换道操作与许多道路安全事故密切相关,而智能车辆的主动换道系统则避免了换道过程中人类驾驶员的不恰当操作,大大降低了道路安全事故发生的概率,减轻了驾驶员的负担,降低了驾驶疲劳程度,同时也有利于提高交通流的效率,因而,智能车辆的主动换道系统的研究近年来引起了广泛的关注。一个完整的主动换道系统包括了状态感知模块、换道决策模型、轨迹规划模块和轨迹跟踪控制模块。感知模块的任务是对周围的交通状态以及交通环境进行感知和探测,感知的对象包括周围的交通车以及道路环境。决策模块则利用感知模块获取的信息做出换道决策。规划模块则在接收到决策模块的换道指令之后进行换道轨迹的规划,保证车辆能够安全平稳地换成换道。当完成换道规划之后,需要通过控制器对期望轨迹进行跟踪控制,保证车辆能够循着既定的轨迹行驶。本课题依托依托于国家自然科学基金项目“基于驾驶员特性的新型线控转向系统控制机理和评价方法研究”（项目编号:51575223）,以多车交通环境为研究背景,对智能车辆主动换道系统的换道轨迹规划模块和换道轨迹跟踪控制模块进行研究。其中,换道轨迹规划策略包括了多车交通环境中常规换道轨迹规划方法和多车交通环境中换道轨迹重规划方法,这两种方法能够在满足严格避撞约束和车辆动力学稳定性约束的前提下保证所规划的轨迹的安全性和可靠性;换道轨迹跟踪控制策略包括侧向位移跟踪控制算法和纵向速度跟踪控制算法,能够实现对换道轨迹的精确跟踪。本文的创新点在于,考虑多车交通环境设计了最优换道轨迹规划方法,同时也考虑了交通环境的扰动设计了换道轨迹重规划方法,主要研究内容分为以下三个部分:（1）多车交通环境中的常规换道轨迹规划方法设计本文首先通过极大值原理证明了五次多项式轨迹具有最小的纵侧向波动,基于五次多项式轨迹模型设计了多车交通环境中常规换道轨迹规划方法,该方法能够将纵向和侧向规划耦合起来,并以换道时间为变量生成一系列的广义轨迹簇。然后,通过定义车辆动力学稳定界限在广义轨迹簇中选取出能够满足车辆动力学稳定性约束的稳定轨迹簇,并设计可以在线运行的启发式换道避撞算法在稳定轨迹簇内选择出可以满足多车交通环境中严格避撞约束的安全轨迹簇。最后,本文通过理想解法来求解换道轨迹的多目标优化问题,从安全轨迹簇内确定最优的换道参考轨迹。（2）多车交通环境中换道轨迹重规划策略设计本文针对智能车辆在常规换道过程中可能出现的扰动问题,在常规换道轨迹规划策略的基础上设计换道轨迹重规划策略,该策略具体包括了基于正弦衰减加速度模型的纵向运动重规划策略和基于五次多项式模型的侧向轨迹重规划策略。其中,纵向运动规划的任务是结合周围交通车辆的运动状态,为本车规划一个可以满足避撞约束的新的纵向终止位置和换道终止时刻,而侧向规划的任务是设计一条可以让车辆平稳地从当前位置过渡到终止位置的侧向轨迹,并且这种过渡可以在换道终止时刻完成。在常规换道过程中,当交通环境发生扰动时,本车可以启用换道轨迹重规划策略以提前或推迟完成换道,或者折返回初始车道以避免和周围的交通车发生碰撞。（3）换道轨迹跟踪控制策略的研究与验证换道轨迹跟踪控制包含两个部分,即侧向位移的跟踪控制和纵向速度的跟踪控制。本文基于线性二自由度车辆动力学模型的增量形式,运用模型预测控制算法设计了侧向位移跟踪控制器,该控制器中的二次规划问题可以用对偶算法求解,这样就保障了控制器中对优化问题的求解的可行性。在纵向速度跟随控制层面上,本文基于车辆纵向动力学模型设计了纵向速度跟随控制器。为了验证规划算法和控制算法的计算效率以及控制算法的精确性,本文通过计算机仿真实验和硬件在环试验对规划算法和控制算法进行了验证,并且对验证结果进行了记录和分析。
王志强[10]（2020）在《基于NURBS的Delta机器人时间最优轨迹规划算法研究与实现》文中研究说明在包装、医药和食品等领域,需要重复执行大量的抓取和搬运动作,并联机器人具备较好的动态性能,体积小、精度高,控制简单,被广泛的应用于上述行业当中。为了实现并联机器人平稳、高速动作,发挥其高速运动的性能特点,需要对其在工作环境中的轨迹进行规划,实现机器人运动轨迹最优。本文围绕并联机器人插补算法和最优轨迹进行研究,针对一种采用NURBS的时间最优轨迹优化算法进行了研究,并且在三维环境中验证了该算法的性能。首先,对Delta并联机器人进行了建模。将并联机器人结构进行简化获取简化后的模型,在此基础上推导出了并联机器人的运动学方程,对并联机器人运动学位置和速度进行了分析,随后对机器人空间奇异和工作空间范围进行了研究,验证了在要求的工作空间内并联机器人无奇异发生;其次,针对一类无运动前瞻轨迹规划算法进行了介绍。先说明了一种关节空间进行的算法,在关节空间利用多项式拟合的优良特性可以完成轨迹规划算,但是多项式拟合没有直线段,导致机器人运动速度较慢,在此基础上又介绍了T型和S型两类直线型规划算法。然后由于关节空间轨迹规划并不能严格控制笛卡尔空间中轨迹形状,又介绍了一种笛卡尔空间进行的算法,包括直线和圆弧两种轨迹规划算法;接着,因为并联机器人不仅要保证轨迹光滑,而且要尽可能保证完成任务时间短,基于上述要求针对一种运动前瞻轨迹规划算法进行了研究,该算法分为两个步骤:离线轨迹优化和在线实时跟踪,离线轨迹优化采用了一种改进的遗传算法,结合插补实际过程,针对初始种群生成方式进行了改进,使得初始种群更加均匀,还增加了自适应交叉和变异过程,进一步提升遗传算法的性能,最终通过上述方式获取优化曲线。在线实时跟踪是利用NURBS插补算法实现优化后曲线插补过程,这样在笛卡尔空间中就完成了整个最优轨迹规划算法;最后,本文搭建了一套并联机器人运动控制平台以及一套并联机器人三维仿真环境,并且将运动前瞻时间最优轨迹规划算法应用于三维仿真环境中,进一步验证了算法的可靠性。实验结果说明,时间最优轨迹规划算法能够充分发挥并联机器人性能,满足并联机器人平稳、高速、精确的运算指标要求,可以应用于实际工业环境中。
二、一种新型运动轨迹规划算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种新型运动轨迹规划算法研究（论文提纲范文）
（1）缩尺TBM换刀机器人轨迹规划及控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源与研究背景及意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 TBM换刀机器人技术研究现状 |
| 1.2.2 机器人轨迹规划研究现状 |
| 1.2.3 机器人轨迹跟踪控制算法研究现状 |
| 1.2.4 现场总线技术的研究现状 |
| 1.3 本文主要研究内容及难点 |
| 1.4 本章小结 |
| 2 基于相似理论的缩尺TBM换刀机器人设计 |
| 2.1 引言 |
| 2.2 相似理论及其方法介绍 |
| 2.3 TBM换刀机器人相似准则的建立 |
| 2.3.1 TBM换刀机器人相似参数的确定 |
| 2.3.2 TBM换刀机器人相似准则推导和相似系数确定 |
| 2.4 缩尺TBM换刀机器人结构设计与驱动选型 |
| 2.4.1 缩尺机器人零部件结构设计 |
| 2.4.2 缩尺机器人关节驱动设计 |
| 2.5 机器人换刀范围分析 |
| 2.6 本章小结 |
| 3 基于关节空间的缩尺TBM换刀机器人轨迹规划算法设计 |
| 3.1 引言 |
| 3.2 基于关节空间的轨迹规划算法设计与分析 |
| 3.2.1 基于五次多项式插值的关节轨迹规划算法设计 |
| 3.2.2 基于七次多项式插值的关节规划算法设计 |
| 3.2.3 基于七次多项式和梯形速度曲线混合插值的关节轨迹规划算法设计 |
| 3.3 基于混合插值算法的关节轨迹设计与时间分析 |
| 3.4 本章小结 |
| 4 缩尺TBM换刀机器人运动学分析与动力学建模 |
| 4.1 引言 |
| 4.2 缩尺换刀机器人运动学分析 |
| 4.2.1 基于改进D-H法的关节坐标系建立 |
| 4.2.2 关节D-H参数的确定及变换矩阵的推导 |
| 4.3 缩尺换刀机器人的动力学建模 |
| 4.3.1 机器人动力学描述与建模方法 |
| 4.3.2 缩尺换刀机器人的模型简化与等效 |
| 4.3.3 势能计算 |
| 4.3.4 动能计算 |
| 4.3.5 缩尺换刀机器人的动力学方程建立与关节力分析 |
| 4.4 本章小结 |
| 5 缩尺TBM换刀机器人轨迹跟踪控制算法设计 |
| 5.1 引言 |
| 5.2 基于重力与摩擦补偿的模糊自适应PD控制算法设计 |
| 5.2.1 模糊自适应PD控制原理 |
| 5.2.2 基于重力与摩擦补偿的模糊自适应PD控制算法设计与稳定性分析 |
| 5.2.3 基于重力与摩擦补偿的模糊自适应PD控制算法模糊系统设计 |
| 5.2.4 基于重力与摩擦补偿的模糊自适应PD控制算法仿真分析 |
| 5.3 基于计算力矩法的模糊自适应PD控制算法设计 |
| 5.3.1 基于计算力矩法的模糊自适应PD控制算法设计与稳定性分析 |
| 5.3.2 基于计算力矩法的模糊自适应PD控制算法模糊系统设计 |
| 5.3.3 基于计算力矩法的模糊自适应PD控制算法仿真分析 |
| 5.4 小结 |
| 6 基于CAN总线的控制系统搭建与实验验证 |
| 6.1 引言 |
| 6.2 CAN总线简介 |
| 6.3 CANopen协议分析与配置 |
| 6.3.1 CANopen协议简介 |
| 6.3.2 CAN标识符的分配 |
| 6.3.3 CANopen协议对象字典 |
| 6.3.4 CANopen通信对象 |
| 6.4 机器人控制系统的搭建与实验验证 |
| 6.5 小结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）全线控智能电动车辆轨迹规划与跟踪控制算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 全线控电动车辆研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 轨迹规划研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 轨迹跟踪控制研究现状 |
| 1.4.1 国外研究现状 |
| 1.4.2 国内研究现状 |
| 1.5 本文的主要研究内容 |
| 1.5.1 研究内容和目标 |
| 1.5.2 本文章节安排 |
| 第2章 全线控电动车辆运动学及动力学建模 |
| 2.1 车辆模型 |
| 2.1.1 运动学模型 |
| 2.1.2 车辆动力学模型和轮胎模型 |
| 2.2 Frenet坐标系 |
| 2.3 碰撞检测方法 |
| 2.4 人工势场模型 |
| 2.5 本章小结 |
| 第3章 车辆轨迹规划算法研究 |
| 3.1 轨迹规划算法概述 |
| 3.2 基于改进时空RRT*算法的轨迹生成 |
| 3.2.1 基于时空RRT*算法的轨迹规划 |
| 3.2.2 基于多目标数值优化的轨迹平滑 |
| 3.2.3 算法验证 |
| 3.3 基于改进A*算法的路径规划 |
| 3.3.1 有向无环图构建 |
| 3.3.2 基于改进A*算法的路径规划 |
| 3.3.3 基于优化的路径平滑 |
| 3.4 速度规划 |
| 3.4.1 基于搜索的速度初规划 |
| 3.4.2 基于优化的速度规划 |
| 3.5 规划算法验证 |
| 3.6 本章小结 |
| 第4章 全线控电动车辆轨迹跟踪控制算法研究 |
| 4.1 轨迹跟踪分层控制架构 |
| 4.2 轨迹跟踪控制算法 |
| 4.2.1 Frenet坐标系下车辆动力学模型 |
| 4.2.2 模型预测控制器推导 |
| 4.2.3 安全约束条件 |
| 4.3 基于优化的轮胎力/力矩分配 |
| 4.3.1 约束条件 |
| 4.3.2 目标函数设计 |
| 4.3.3 轮胎力分配算法 |
| 4.4 执行器控制 |
| 4.5 轨迹跟踪算法验证 |
| 4.5.1 双移线工况验证 |
| 4.5.2 规划轨迹跟踪验证 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
（3）无人车轨迹规划与跟踪控制快速实现方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能车轨迹规划算法的研究现状 |
| 1.2.2 智能车轨迹跟踪算法的研究现状 |
| 1.2.3 MPC快速求解算法的研究现状 |
| 1.3 先验理论基础 |
| 1.3.1 轮胎模型 |
| 1.3.2 三种坐标系 |
| 1.3.3 车辆动力学模型 |
| 1.3.4 庞特里亚金极值原理 |
| 1.4 本文的主要研究内容 |
| 第二章 融合动态窗口与人工势场法的车辆局部轨迹规划 |
| 2.1 引言 |
| 2.2 动态窗口搜索 |
| 2.2.1 动态窗口法理论基础 |
| 2.2.2 算法模型 |
| 2.2.3 窗口采样 |
| 2.3 局部最优筛选 |
| 2.3.1 人工势场法理论基础 |
| 2.3.2 分道线势场 |
| 2.3.3 道路边界势场 |
| 2.3.4 静态障碍物势场 |
| 2.3.5 环境车势场 |
| 2.3.6 目标点势场 |
| 2.4 仿真试验 |
| 2.4.1 仿真平台 |
| 2.4.2 随机避障工况下的轨迹规划 |
| 2.4.3 双移线绕桩工况下的轨迹规划 |
| 2.4.4 正常超车工况下的轨迹规划 |
| 2.4.5 失效超车工况下的轨迹规划 |
| 2.5 本章小结 |
| 第三章 基于模型预测控制的车辆轨迹跟踪 |
| 3.1 引言 |
| 3.2 模型预测控制理论基础 |
| 3.3 非线性轨迹跟踪控制器 |
| 3.3.1 预测模型 |
| 3.3.2 目标函数 |
| 3.3.3 约束条件 |
| 3.4 仿真试验 |
| 3.4.1 仿真平台 |
| 3.4.2 对照试验--二次规划轨迹跟踪控制器 |
| 3.4.3 单移线工况下的轨迹跟踪 |
| 3.4.4 双移线工况下的轨迹跟踪 |
| 3.4.5 蛇形线工况下的轨迹跟踪 |
| 3.5 本章小结 |
| 第四章 MPC轨迹跟踪问题的快速求解 |
| 4.1 引言 |
| 4.2 非线性轨迹跟踪控制器 |
| 4.2.1 非线性系统的哈密顿函数 |
| 4.2.2 非线性车辆轨迹跟踪问题的描述 |
| 4.2.3 最优控制率的显式解 |
| 4.2.4 最优协态变量的迭代规则 |
| 4.3 仿真试验 |
| 4.3.1 仿真平台 |
| 4.3.2 单移线工况下的轨迹跟踪 |
| 4.3.3 双移线工况下的轨迹跟踪 |
| 4.3.4 蛇形线工况下的轨迹跟踪 |
| 4.4 本章小结 |
| 第五章 智能车辆“规划+跟踪”局部运动框架的快速实现 |
| 5.1 引言 |
| 5.2 “规划+跟踪”双层框架的解决方案 |
| 5.2.1 结构化道路下的控制系统 |
| 5.2.2 预测时域及采样频率的选择 |
| 5.2.3 局部期望轨迹信息的传递形式 |
| 5.3 仿真平台 |
| 5.4 动态正常超车工况下的轨迹实现 |
| 5.5 动态失效超车工况下的轨迹实现 |
| 5.6 本章小结 |
| 第六章 全文总结与工作展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（4）基于数据驱动的机械臂人机共融控制方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 协作机械臂的国内外研究现状 |
| 1.2.1 协作机械臂的国外研究现状 |
| 1.2.2 协作机械臂的国内研究现状 |
| 1.3 机械臂避障路径规划算法研究现状 |
| 1.4 数据驱动技术概述 |
| 1.4.1 模型预测控制的发展历史及研究现状 |
| 1.4.2 智能优化方法概述 |
| 1.5 人机共融控制技术概述 |
| 1.5.1 人机共融的关键技术 |
| 1.5.2 机械臂柔顺控制研究概况 |
| 1.6 本文研究的主要内容 |
| 第二章 机械臂人机共融避障轨迹规划 |
| 2.1 引言 |
| 2.2 机械臂的笛卡尔空间轨迹规划 |
| 2.3 面向人机共融的机械臂避障轨迹规划方法 |
| 2.3.1 基于包围球的碰撞检测 |
| 2.3.2 基于自适应步长的RRT轨迹规划方法研究 |
| 2.3.3 基于三次B样条的路径平滑处理 |
| 2.4 机械臂的轨迹规划仿真实验 |
| 2.4.1 笛卡尔空间轨迹规划仿真 |
| 2.4.2 机械臂避障轨迹规划仿真 |
| 2.5 小结 |
| 第三章 基于数据驱动的预测控制方法 |
| 3.1 引言 |
| 3.2. 机械臂动力学建模 |
| 3.3 基于数据驱动的预测控制器设计 |
| 3.3.1 预测控制的基本原理 |
| 3.3.2 带有积分功能的机械臂预测控制器设计 |
| 3.4 基于数据驱动的预测控制器的优化设计 |
| 3.4.1 带有惯性权重的粒子群优化算法 |
| 3.4.2 基于加权因子优化的控制器设计 |
| 3.5 基于数据驱动的预测控制系统仿真 |
| 3.5.1 机械臂动力学参数获取 |
| 3.5.2 基于数据驱动的预测控制性能仿真 |
| 3.6 小结 |
| 第四章 面向人机共融的机械臂柔顺控制 |
| 4.1 引言 |
| 4.2 基于阻抗控制的人机共融控制方法 |
| 4.2.1 阻抗控制方法研究 |
| 4.2.2 基于阻抗控制的人机共融控制器设计 |
| 4.3 人机共融阻抗控制自适应调节方法 |
| 4.4 机械臂人机共融控制系统仿真 |
| 4.4.1 不同阻抗参数的影响 |
| 4.4.2 机械臂人机共融任务仿真 |
| 4.4.3 自适应阻抗控制效果仿真对比 |
| 4.5 小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间取得的成果 |
（5）双电机四驱汽车动力系统匹配设计和能量管理策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 双电机驱动技术应用现状 |
| 1.3 双电机驱动技术研究现状 |
| 1.3.1 双电机动力系统匹配设计研究现状 |
| 1.3.2 双电机驱动汽车能量管理策略研究现状 |
| 1.4 研究内容 |
| 第2章 双电机四驱汽车动力系统匹配设计 |
| 2.1 双电机汽车动力系统匹配设计方法 |
| 2.2 目标车辆的参数及设计指标 |
| 2.2.1 面向动力层的匹配设计 |
| 2.2.2 面向经济层的匹配设计 |
| 2.3 车辆性能仿真验证 |
| 2.4 本章小结 |
| 第3章 双电机四驱汽车仿真模型建立及验证 |
| 3.1 仿真平台架构 |
| 3.2 驾驶员模型建构 |
| 3.3 动力系统各部件模型建构 |
| 3.3.1 电机模型建构 |
| 3.3.2 电池模型建构 |
| 3.4 整车纵向模型建构 |
| 3.5 仿真模型验证 |
| 3.6 本章小结 |
| 第4章 基于工况识别的局部SOC轨迹规划 |
| 4.1 SOC轨迹规划总体架构 |
| 4.2 基于动态规划的全局优化策略制定 |
| 4.2.1 动态规划算法原理概述 |
| 4.2.2 DP算法在目标车辆的优化实现 |
| 4.2.3 全局能量优化策略仿真分析 |
| 4.3 基于随机森林的行驶工况识别 |
| 4.3.1 工况特征参数确定 |
| 4.3.2 随机森林工况识别器设计 |
| 4.3.3 工况识别器性能验证 |
| 4.4 基于模糊控制的局部SOC轨迹修正 |
| 4.4.1 典型工况SOC最优轨迹提取 |
| 4.4.2 局部工况SOC轨迹修正 |
| 4.4.3 SOC轨迹规划算法验证 |
| 4.5 本章小结 |
| 第5章 双电机四驱汽车能量管理策略开发 |
| 5.1 整车能量管理系统研究架构 |
| 5.2 模型预测控制的原理阐述 |
| 5.3 基于模型预测的车辆能量问题建构 |
| 5.4 基于径向基神经网络的车速预测 |
| 5.4.1 径向基神经网络原理阐述 |
| 5.4.2 基于RBF的车速预测模型设计 |
| 5.4.3 车速预测模型仿真分析 |
| 5.5 综合全工况仿真验证 |
| 5.6 本章小结 |
| 第6章 全文总结与研究展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及研究成果 |
| 致谢 |
（6）集装箱自动化焊接系统的轨迹规划和轨迹校正方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.2 集装箱行业发展趋势 |
| 1.3 集装箱焊接自动控制系统的发展现状 |
| 1.3.1 可编程控制器用于集装箱焊接控制的现状 |
| 1.3.2 运动控制卡用于集装箱焊接控制的现状 |
| 1.3.3 工业以太网用于集装箱焊接控制的现状 |
| 1.4 集装箱焊接轨迹校正技术的发展现状 |
| 1.4.1 非视觉传感器用于焊缝跟踪研究现状 |
| 1.4.2 视觉传感器用于焊缝跟踪研究现状 |
| 1.5 课题来源、目的、意义和各章节内容 |
| 1.5.1 课题来源、目的和意义 |
| 1.5.2 各章节内容 |
| 第二章 集装箱焊接自动控制系统设计与构建 |
| 2.1 系统需求 |
| 2.2 总体工艺流程设计 |
| 2.3 面向波纹板焊接专用设备的机械结构设计 |
| 2.3.1 整体结构设计 |
| 2.3.2 焊接机构设计 |
| 2.4 面向波纹板的焊接控制系统 |
| 2.5 基于ETHERCAT实时总线的控制系统架构 |
| 2.5.1 控制系统开发结构 |
| 2.5.2 基于PDO映射的控制原理 |
| 2.5.3 控制系统软件设计 |
| 2.6 本章小结 |
| 第三章 面向波纹板焊接专用设备的轨迹规划算法研究 |
| 3.1 S型速度规划 |
| 3.2 空间直线轨迹规划 |
| 3.3 空间圆弧轨迹规划 |
| 3.4 本章小结 |
| 第四章 集装箱焊接生产线上工件焊接轨迹校正方法研究 |
| 4.1 图像滤波 |
| 4.2 图像阈值处理 |
| 4.2.1 基于直方图的自动阈值分割方法 |
| 4.2.2 自动全局阈值分割法 |
| 4.2.3 局部阈值分割方法 |
| 4.3 模板匹配 |
| 4.3.1 基于灰度值的模板匹配 |
| 4.3.2 基于相关性的模板匹配 |
| 4.3.3 基于形状的模板匹配 |
| 4.4 图像金字塔 |
| 4.5 本章小结 |
| 第五章 实验验证及分析 |
| 5.1 面向波纹板焊接专用设备轨迹规划实验平台搭建及实验结果分析 |
| 5.1.1 面向波纹板焊接专用设备轨迹规划实验平台搭建 |
| 5.1.2 面向波纹板焊接专用设备轨迹规划实验结果分析 |
| 5.2 工件焊接轨迹校正实验平台搭建及实验结果分析 |
| 5.2.1 工件焊接轨迹校正实验平台搭建 |
| 5.2.2 轨迹校正实验结果分析 |
| 5.3 本章小结 |
| 总结与展望 |
| 总结 |
| 创新点 |
| 未来展望 |
| 参考文献 |
| 致谢 |
| 附件 |
（7）智能车辆连续弯道通行轨迹规划与耦合运动控制协同分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 概述 |
| 1.1.1 课题来源研究背景及意义 |
| 1.1.2 智能车辆发展整体概况 |
| 1.2 智能车辆运动规划与控制关键技术概述及研究现状 |
| 1.2.1 智能车辆轨迹规划研究现状 |
| 1.2.2 智能车辆运动控制研究现状 |
| 1.2.3 智能车辆弯道通行的难点与不足 |
| 1.3 本课题研究目标及内容 |
| 1.3.1 课题来源与研究目标 |
| 1.3.2 研究路线与研究内容 |
| 第二章 无人驾驶车辆弯道通行系统建模与分析 |
| 2.1 概述 |
| 2.2 动力及传动系统模型 |
| 2.2.1 动力电机及驱动模型 |
| 2.2.2 轮胎模型及纵向力分析 |
| 2.3 整车三自由度动力学模型 |
| 2.4 弯道轨迹跟随运动学模型 |
| 2.4.1 预瞄跟随机制理论基本概念 |
| 2.4.2 Frenet-Serret标架下预瞄误差模型 |
| 2.5 多因素对于预瞄距离影响分析 |
| 2.5.1 基于预瞄跟随的车辆横向控制器设计 |
| 2.5.2 轨迹跟随效果评价函数设计 |
| 2.5.3 仿真试验结果及OPD分布模型 |
| 2.6 本章小结 |
| 第三章 基于滚动窗口的弯道行驶路径与速度规划 |
| 3.1 概述 |
| 3.2 视障盲区干扰分析及基于预测的视距延拓方法设计 |
| 3.2.1 人类驾驶员弯道预测行为分析与模拟 |
| 3.2.2 基于插值预测的视距延拓方法设计 |
| 3.3 基于滚动窗口的弯道路径规划 |
| 3.3.1 基于中心基准线的离散备选路径生成 |
| 3.3.2 动态路径规划窗口调整策略分析 |
| 3.3.3 综合性能函数设计及局部最优路径选取 |
| 3.4 多边界约束下的弯道车速规划 |
| 3.4.1 弯道车速规划约束条件分析 |
| 3.4.2 基于规划时间窗口的弯道车速规划 |
| 3.5 本章小结 |
| 第四章 基于弯道性能预设的横纵向耦合运动控制器设计 |
| 4.1 概述 |
| 4.2 弯道行驶轨迹约束变换 |
| 4.2.1 性能预设基本理论 |
| 4.2.2 性能函数设计与动态性能约束 |
| 4.2.3 循迹误差等效变换 |
| 4.3 横纵向运动耦合控制器设计 |
| 4.3.1 滑模变结构控制器 |
| 4.3.2 参数设计与稳定性分析 |
| 4.4 基于耦合控制器的仿真分析 |
| 4.4.1 联合仿真平台建立与模型验证 |
| 4.4.2 耦合控制器的轨迹跟随效果验证 |
| 4.5 本章小结 |
| 第五章 考虑建模不确定性及扰动误差补偿下的耦合控制器优化 |
| 5.1 概述 |
| 5.2 输入饱和及建模不确定性分析 |
| 5.2.1 输入饱和的等效代换 |
| 5.2.2 考虑不确定性及饱和误差的模型重建 |
| 5.3 基于神经网络RBFNN建模补偿的耦合控制器优化 |
| 5.3.1 基于模型不确定部分的神经网络补偿控制律设计 |
| 5.3.2 模型不确定部分的神经网络补偿 |
| 5.3.3 参数设计与稳定性分析 |
| 5.4 基于补偿耦合控制器的仿真分析 |
| 5.4.1 不同误差扰动下的横纵向耦合运动轨迹跟随效果验证 |
| 5.4.2 不同饱和干扰下的循迹效果验证 |
| 5.5 本章小结 |
| 第六章 实车弯道通行轨迹跟随控制测试 |
| 6.1 概述 |
| 6.2 基于ROS系统的实际验车辆构建 |
| 6.2.1 底层线控系统及系统硬件组成 |
| 6.2.2 节点通讯与信息处理 |
| 6.3 试验结果对比分析 |
| 6.3.1 盲区弯道测试 |
| 6.3.2 连续弯道测试 |
| 6.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（8）面向人机协作的机器人视觉感知与运动规划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 面向人机协作的机器人关键技术问题 |
| 1.2.1 面向人机协作的视觉感知系统 |
| 1.2.2 面向人机协作的机器人运动规划问题 |
| 1.3 物体位姿估计方法研究现状 |
| 1.3.1 图像语义分割技术 |
| 1.3.2 基于点云配准的位姿估计技术 |
| 1.4 运动规划方法研究现状 |
| 1.4.1 作业环境建模 |
| 1.4.2 静态非结构化环境运动规划 |
| 1.4.3 动态非结构化环境运动规划 |
| 1.5 论文研究内容和结构安排 |
| 第二章 基于语义分割与点云配准的物体位姿估计 |
| 2.1 引言 |
| 2.2 位姿估计方法研究 |
| 2.2.1 基于改进FCN的语义分割方法 |
| 2.2.2 基于点云配准的位姿估计方法 |
| 2.3 位姿估计结果评价 |
| 2.3.1 实验场景 |
| 2.3.2 语义分割结果 |
| 2.3.3 基于运动学变换的位姿估计误差评估及结果分析 |
| 2.3.4 基于高精度相机的精度提升 |
| 2.4 本章小结 |
| 第三章 面向非结构环境的机器人路径规划 |
| 3.1 引言 |
| 3.2 机器人构型空间的描述 |
| 3.3 经典快速扩展随机树算法基本原理 |
| 3.4 基于启发导向的改进式RRT算法及仿真验证 |
| 3.4.1 启发导向式RRT算法 |
| 3.4.2 仿真验证 |
| 3.5 杂乱工件智能分拣实验 |
| 3.5.1 实验平台 |
| 3.5.2 实验流程 |
| 3.5.3 分拣实验 |
| 3.6 本章小结 |
| 第四章 基于多视觉感知的机器人在线轨迹规划 |
| 4.1 引言 |
| 4.2 基于多视觉信息融合的机器人工作环境建模 |
| 4.2.1 机器人工作环境建模 |
| 4.2.2 在线更新及融合 |
| 4.2.3 障碍物距离及其速度计算 |
| 4.3 基于反应式控制的在线轨迹规划 |
| 4.3.1 基于改进势场法的在线轨迹规划算法 |
| 4.3.2 基于相对位置及速度的轨迹避障策略 |
| 4.4 在线避障轨迹规划实验 |
| 4.4.1 实验平台 |
| 4.4.2 实验参数设置 |
| 4.4.3 动态避障实验及结果分析 |
| 4.5 本章小结 |
| 第五章 基于改进式动态路图法的机器人在线路径重规划 |
| 5.1 引言 |
| 5.2 动态路图法概述 |
| 5.3 改进式动态路图法算法离线建图 |
| 5.3.1 基于运动基元法的路图节点生成方法 |
| 5.3.2 基于层级结构法的数据压缩方法 |
| 5.3.3 面向完备性的碰撞映射路图 |
| 5.4 在线路径规划阶段 |
| 5.5 静态环境实验 |
| 5.6 在线运动路径重规划实验 |
| 5.6.1 实验流程 |
| 5.6.2 在线路径重规划实验及分析 |
| 5.7 本章小结 |
| 第六章 面向人机协同作业的综合实验 |
| 6.1 引言 |
| 6.2 基于人机协作的复杂作业工艺分析 |
| 6.3 基于人机协作的复杂作业综合实验 |
| 6.3.1 工件分拣及位姿估计精度验证实验 |
| 6.3.2 运动规划实验 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间本人出版或公开发表的论着、论文 |
| 致谢 |
（9）多车交通环境中智能车辆换道轨迹规划与重规划方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 智能车辆主动换道系统研究现状 |
| 1.2.1 换道轨迹规划方法的研究现状及对比分析 |
| 1.2.2 换道轨迹跟踪控制方法的研究现状及对比分析 |
| 1.2.3 国内外研究现状简析 |
| 1.3 研究内容及结构 |
| 第2章 多车交通环境中常规换道方法 |
| 2.1 车辆换道稳定轨迹簇 |
| 2.1.1 换道轨迹模型 |
| 2.1.2 车辆动力学稳定界限 |
| 2.2 启发式换道避撞算法 |
| 2.3 换道轨迹多目标优化 |
| 2.3.1 基于优化指标的换道性能定量分析 |
| 2.3.2 基于TOPSIS算法的多目标优化 |
| 2.4 多车交通环境中常规变道方法仿真分析 |
| 2.4.1 工况1-换道超车工况 |
| 2.4.2 工况2-交互换道工况 |
| 2.4.3 工况3-旁车切入工况 |
| 2.4.4 仿真结果分析 |
| 2.5 本章小结 |
| 第3章 多车交通环境中换道轨迹重规划方法 |
| 3.1 换道轨迹修正策略 |
| 3.1.1 换道轨迹纵向修正基本模型 |
| 3.1.2 换道轨迹纵向修正策略 |
| 3.1.3 换道轨迹的侧向修正策略 |
| 3.2 换道轨迹折返策略 |
| 3.2.1 换道轨迹折返策略纵向规划模型 |
| 3.2.2 换道轨迹折返策略侧向规划模型 |
| 3.3 多车交通环境中轨迹重规划方法仿真分析 |
| 3.3.1 工况1-提前完成换道的轨迹修正场景 |
| 3.3.2 工况2-推迟完成换道的轨迹重规划场景 |
| 3.3.3 工况3-换道轨迹折返场景 |
| 3.3.4 仿真结果分析 |
| 3.4 本章小结 |
| 第4章 换道轨迹跟踪控制算法设计 |
| 4.1 侧向位移跟踪控制算法设计 |
| 4.1.1 MPC控制器推导 |
| 4.1.2 求解MPC控制器的算法 |
| 4.2 纵向速度跟随控制算法设计 |
| 4.2.1 纵向速度控制算法框架 |
| 4.2.2 纵向速度跟随控制器各模块 |
| 4.3 轨迹跟踪控制算法验证 |
| 4.4 本章小结 |
| 第5章 智能车辆自主换道系统试验验证 |
| 5.1 多车交通环境中常规轨迹规划方法验证 |
| 5.1.1 规划算法及控制算法参数设置 |
| 5.1.2 常规换道规划中规划算法及控制算法执行时间 |
| 5.1.3 常规换道规划中控制算法的跟踪效果 |
| 5.2 多车交通环境中换道轨迹重规划方法验证 |
| 5.2.1 规划算法及控制算法参数设置 |
| 5.2.2 换道重规划中轨迹规划算法及控制算法执行时间 |
| 5.2.3 换道重规划中控制算法的跟踪效果 |
| 5.3 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（10）基于NURBS的Delta机器人时间最优轨迹规划算法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 并联机器人研究现状分析 |
| 1.2.2 轨迹规划算法研究现状分析 |
| 1.3 本文研究的主要内容 |
| 第2章 机器人运动学分析 |
| 2.1 系统模型建立 |
| 2.1.1 结构介绍 |
| 2.1.2 模型简化 |
| 2.2 运动学位置求解 |
| 2.2.1 运动学方程建立 |
| 2.2.2 运动学正向求解 |
| 2.2.3 运动学反向求解 |
| 2.2.4 结果验证及仿真 |
| 2.3 运动学速度分析 |
| 2.3.1 雅克比矩阵介绍 |
| 2.3.2 雅克比矩阵建立 |
| 2.4 系统空间奇异性分析 |
| 2.5 系统工作空间验证 |
| 2.6 本章小结 |
| 第3章 无运动前瞻轨迹规划算法 |
| 3.1 轨迹规划介绍 |
| 3.1.1 轨迹规划任务描述 |
| 3.1.2 轨迹规划流程说明 |
| 3.2 关节空间轨迹规划算法 |
| 3.2.1 多项式规划算法 |
| 3.2.2 直线段规划算法 |
| 3.3 笛卡尔空间规划算法 |
| 3.3.1 直线插补算法 |
| 3.3.2 圆弧插补算法 |
| 3.4 本章小结 |
| 第4章 运动前瞻时间最优轨迹规划算法 |
| 4.1 运动前瞻轨迹规划算法原理介绍 |
| 4.2 NURBS曲线插补算法 |
| 4.2.1 NURBS曲线表示 |
| 4.2.2 NURBS曲线生成 |
| 4.2.3 NURBS曲线求导 |
| 4.2.4 NURBS曲线反算 |
| 4.2.5 NURBS曲线插补计算 |
| 4.3 改进遗传优化算法 |
| 4.3.1 遗传算法介绍 |
| 4.3.2 遗传算法设计 |
| 4.3.3 遗传算法流程 |
| 4.4 运动前瞻时间最优轨迹规划算法说明 |
| 4.4.1 目标函数设计 |
| 4.4.2 约束条件说明 |
| 4.4.3 仿真实例分析 |
| 4.5 本章小结 |
| 第5章 运动前瞻时间最优轨迹规划算法验证与实现 |
| 5.1 机器人运动控制平台 |
| 5.1.1 电机及编码器 |
| 5.1.2 伺服驱动器 |
| 5.1.3 运动控制卡 |
| 5.2 机器人仿真环境搭建 |
| 5.2.1 机器人仿真环境简介 |
| 5.2.2 机器人仿真模型构建 |
| 5.2.3 机器人仿真平台构建 |
| 5.3 运动前瞻时间最优轨迹规划算法仿真 |
| 5.3.1 算法仿真流程说明 |
| 5.3.2 算法控制器设计说明 |
| 5.3.3 仿真结果说明 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
四、一种新型运动轨迹规划算法研究（论文参考文献）
- [1]缩尺TBM换刀机器人轨迹规划及控制策略研究[D]. 郭凯. 大连理工大学, 2021(01)
- [2]全线控智能电动车辆轨迹规划与跟踪控制算法研究[D]. 李柳涛. 吉林大学, 2021(01)
- [3]无人车轨迹规划与跟踪控制快速实现方法的研究[D]. 孙呈祥. 吉林大学, 2021(01)
- [4]基于数据驱动的机械臂人机共融控制方法[D]. 杨名硕. 北京邮电大学, 2021(01)
- [5]双电机四驱汽车动力系统匹配设计和能量管理策略研究[D]. 于田雨. 吉林大学, 2021(01)
- [6]集装箱自动化焊接系统的轨迹规划和轨迹校正方法研究[D]. 陈泓宇. 华南理工大学, 2020(05)
- [7]智能车辆连续弯道通行轨迹规划与耦合运动控制协同分析研究[D]. 夏红阳. 华南理工大学, 2020
- [8]面向人机协作的机器人视觉感知与运动规划方法研究[D]. 许辉. 苏州大学, 2020
- [9]多车交通环境中智能车辆换道轨迹规划与重规划方法研究[D]. 周健. 吉林大学, 2020(08)
- [10]基于NURBS的Delta机器人时间最优轨迹规划算法研究与实现[D]. 王志强. 哈尔滨工业大学, 2020(01)