一种基于MPC算法的柔性针穿刺路径跟踪控制方法

    公开(公告)号:CN110262230B

    公开(公告)日:2020-08-11

    申请号:CN201910455267.2

    申请日:2019-05-29

    Abstract: 本发明公开了一种基于MPC算法的柔性针穿刺路径跟踪控制方法,属于柔性针系统的控制算法领域。首先根据柔性针的运动特性,在惯性坐标系XOY下建立针尖的运动学模型并转化为状态空间方程;然后将柔性针的运动学模型进行线性化及离散化处理,得到MPC中柔性针的运动学线性时变预测模型;将柔性针的运动学模型进行线性化及离散化处理,得到MPC中柔性针的运动学线性时变预测模型;最后利用运动学线性时变预测模型实时在线求解优化目标函数,得到最优的进给速度vr和穿刺曲率K,完成柔性针穿刺路径的跟踪控制。本发明十分适合柔性针这种难以精确建模的运动模型,有助于判断穿刺手术能否继续进行。

    一种基于MPC算法的柔性针穿刺路径跟踪控制方法

    公开(公告)号:CN110262230A

    公开(公告)日:2019-09-20

    申请号:CN201910455267.2

    申请日:2019-05-29

    Abstract: 本发明公开了一种基于MPC算法的柔性针穿刺路径跟踪控制方法,属于柔性针系统的控制算法领域。首先根据柔性针的运动特性,在惯性坐标系XOY下建立针尖的运动学模型并转化为状态空间方程;然后将柔性针的运动学模型进行线性化及离散化处理,得到MPC中柔性针的运动学线性时变预测模型;将柔性针的运动学模型进行线性化及离散化处理,得到MPC中柔性针的运动学线性时变预测模型;最后利用运动学线性时变预测模型实时在线求解优化目标函数,得到最优的进给速度vr和穿刺曲率K,完成柔性针穿刺路径的跟踪控制。本发明十分适合柔性针这种难以精确建模的运动模型,有助于判断穿刺手术能否继续进行。

    基于系统理论危害分析的车道保持辅助系统安全分析方法

    公开(公告)号:CN110386153A

    公开(公告)日:2019-10-29

    申请号:CN201910696135.9

    申请日:2019-07-30

    Abstract: 本发明提出一种基于系统理论危害分析的车道保持辅助系统安全分析方法,属于无人驾驶技术安全工程领域。包括:(1)建立车道保持辅助系统的分层控制结构,(2)基于分层控制结构识别不安全的控制行为,获得最终的安全约束如下:SC1:如果启动了正确的转向指示器,也就是偏差方向与转向指示器方向相同,车道保持辅助系统不得执行纠正措施;SC2:如当车辆在没有正确使用转向指示器的情况下切换车道时,车道保持辅助系统应警告驾驶员,并提供纠正措施;SC3:如果驾驶员没有响应警告标志且车辆继续驶出车道,车道保持辅助系统应提供纠正措施。本发明比以往的安全分析方法故障覆盖面积更广,分析更全面,对于现代复杂的安全苛求系统具有更好的分析结果。

    基于系统理论危害分析的车道保持辅助系统安全分析方法

    公开(公告)号:CN110386153B

    公开(公告)日:2021-01-26

    申请号:CN201910696135.9

    申请日:2019-07-30

    Abstract: 本发明提出一种基于系统理论危害分析的车道保持辅助系统安全分析方法,属于无人驾驶技术安全工程领域。包括:(1)建立车道保持辅助系统的分层控制结构,(2)基于分层控制结构识别不安全的控制行为,获得最终的安全约束如下:SC1:如果启动了正确的转向指示器,也就是偏差方向与转向指示器方向相同,车道保持辅助系统不得执行纠正措施;SC2:如当车辆在没有正确使用转向指示器的情况下切换车道时,车道保持辅助系统应警告驾驶员,并提供纠正措施;SC3:如果驾驶员没有响应警告标志且车辆继续驶出车道,车道保持辅助系统应提供纠正措施。本发明比以往的安全分析方法故障覆盖面积更广,分析更全面,对于现代复杂的安全苛求系统具有更好的分析结果。

    考虑全路段环境及人为因素的列车自动驾驶预测控制方法

    公开(公告)号:CN110371163B

    公开(公告)日:2020-08-21

    申请号:CN201910672329.5

    申请日:2019-07-24

    Abstract: 本发明公开了一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法,属于城市轨道交通控制技术领域。本发明首先建立列车的动力模型,考虑到了列车的牵引力、制动力、基本阻力和附加阻力;然后以列车的动力学模型作为预测模型,建立列车的优化控制目标函数,并确定目标函数求解的约束条件;引入列车行驶路段中的环境因素和人为因素,用于更新列车的动力学模型和控制约束条件;获取列车行驶信息,结合实时路段信息,求解优化控制目标函数,得到预测时段内的牵引力控制期望值。本发明凭借模型预测控制算法对解决约束系统控制问题的优势,考虑了列车实际运行过程中的环境影响和人为影响,实现列车舒适而高效的自动驾驶控制。

    考虑全路段环境及人为因素的列车自动驾驶预测控制方法

    公开(公告)号:CN110371163A

    公开(公告)日:2019-10-25

    申请号:CN201910672329.5

    申请日:2019-07-24

    Abstract: 本发明公开了一种考虑全路段环境及人为因素的列车自动驾驶预测控制方法,属于城市轨道交通控制技术领域。本发明首先建立列车的动力模型,考虑到了列车的牵引力、制动力、基本阻力和附加阻力;然后以列车的动力学模型作为预测模型,建立列车的优化控制目标函数,并确定目标函数求解的约束条件;引入列车行驶路段中的环境因素和人为因素,用于更新列车的动力学模型和控制约束条件;获取列车行驶信息,结合实时路段信息,求解优化控制目标函数,得到预测时段内的牵引力控制期望值。本发明凭借模型预测控制算法对解决约束系统控制问题的优势,考虑了列车实际运行过程中的环境影响和人为影响,实现列车舒适而高效的自动驾驶控制。

Patent Agency Ranking