一种基于内外双闭环控制的无人自行车航向轨迹跟踪方法

    公开(公告)号:CN119575798A

    公开(公告)日:2025-03-07

    申请号:CN202411686630.9

    申请日:2024-11-22

    Abstract: 本发明公开基于内外双闭环控制的无人自行车航向轨迹跟踪方法。该方法中以非奇异终端滑膜控制器为内环控制,以PID控制器为外环控制器组成的内外环控制器。内环控制器中以无人自行车的侧向倾角的实际状态值与期望状态值作为误差来设计滑膜面,然后设计出控制律,主要实现侧向平衡;外环控制器中以无人自行车的航向角的实际状态值与期望状态值作为误差来设计PID控制器,主要对内环控制的补偿以及实现航向控制;然后结合内外环控制器的输出共同作用于无人自行车LPV模型中。本发明方法在本发明的创新控制架构中,外环PID控制器与内环非奇异终端滑模控制器协同作用,构建了精密的内外环调控体系。外环PID控制器凭借其对内环模型误差的精准补偿能力,有效削弱了因动力学模型精度局限而引起的扰动,显著提升了内环控制器的精度表现,并且加速了内环控制器的收敛进程。与此同时,内环非奇异终端滑模控制器以其卓越的动态响应特性,大幅度简化了控制器的参数调整过程,实现了调控性能与调参效率的双重飞跃,具有很强的工程意义。

    一种无人自行车自平衡的不确定性推理学习控制方法

    公开(公告)号:CN119861557A

    公开(公告)日:2025-04-22

    申请号:CN202411697069.4

    申请日:2024-11-25

    Abstract: 本发明公开一种基于不确定推理学习的无人自行车平衡控制方法。该方法以无人自行车车体侧向倾角(倾角速度)、车把转角(转角速度)以及车把控制力矩为输入,以车体侧向倾角(倾角速度)、车把转角(转角速度)前后时刻的增量为输出,利用高斯过程回归(GPR)方法构建系统的概率动态模型(PDM);将控制策略做参数化处理,利用建立的PDM进行后续的状态序列预测;通过车体侧向倾角(倾角速度)、车把转角(转角速度)构造代价函数,最后结合梯度搜索方法优化系统的控制策略。该方法无需通过繁杂的物理原理建立无人自行车的先验动力学模型,从交互的经验数据中学习概率动态模型,充分考虑了无人自行车运行时的不确定性,降低了模型偏差对控制策略的影响,提高了无人自行车系统的鲁棒性及泛化能力,具有很强的工程意义。

Patent Agency Ranking