XiaoMi-AI文件搜索系统
World File Search System路径跟踪
农业喷洒无人机的路径跟踪
1 埃尔吉耶斯大学，工程学院，机电一体化工程系，38039，开塞利，土耳其 收稿日期：2024 年 3 月 27 日 修订日期：2024 年 6 月 11 日 接受日期：2024 年 7 月 8 日 摘要 Öz 本文介绍了 Pure Pursuit 控制算法在农业农药喷洒无人机路径跟踪中的实现。精确的路径跟踪可确保准确的农药覆盖范围，最大限度地提高作物产量并最大限度地减少环境影响。大多数农业无人机使用的传统位置控制架构会导致农药分布不一致，因为无人机速度不稳定。位置控制还会导致角落处的减速和加速，导致这些区域喷洒过度。这种缺乏均匀的喷雾分布对高效和可持续农业提出了挑战。Pure Pursuit 算法因其在自主导航中的简单性和有效性而受到青睐。软件架构（包括飞行控制堆栈和基于 ROS2 的 PX4 仿真架构）展示了无人机的精确轨迹跟踪能力。仿真测试评估了系统的路径跟踪精度和整体性能。比较结果表明，Pure Pursuit 控制器在精度、鲁棒性和适应性方面优于标准位置控制器。此外，本文介绍了一种基于网格分解的创新覆盖路径规划 (CPP) 策略。该 CPP 策略与 Pure Pursuit 控制机制相结合，可确保精确的路径跟踪并最大限度地提高覆盖均匀性，从而进一步提高农业喷洒作业的有效性和可持续性。
HALE 的抗饱和鲁棒路径跟踪控制...
摘要 — 本文介绍了一种用于高空长航时 (HALE) 飞机的鲁棒路径跟踪控制器。操作 HALE 飞机的主要控制范例包括基本路径跟踪控制，即在处理非常有限的推力时跟踪参考飞行路径和空速。首要任务是即使在饱和推力期间也要将空速保持在 HALE 飞机的小飞行包线内。对于基本路径跟踪目标，提出了一种混合灵敏度方法，可以轻松处理解耦跟踪和鲁棒性要求。为了处理饱和控制输入，在控制设计中采用了防饱和方案。使用了一种基于观察者的新型混合灵敏度设计，允许直接使用基于反计算的经典防饱和方法。该控制设计在非线性模拟中得到验证，并与基于经典总能量控制的控制器进行了比较。
基于管子的模型预测控制自动铰接式车辆的路径跟踪
摘要：本文介绍了基于管子的模型预测控制（MPC），用于自主铰接式车辆的路径和速度跟踪。这项研究的目标平台是具有不可轴轴的自主铰接式车辆。因此，铰接角和车轮扭矩输入由基于管的MPC确定。所提出的MPC旨在实现两个目标：最大程度地减少跟踪误差并增强对干扰的鲁棒性。此外，自动铰接式车辆的横向稳定性被认为反映了其动态特性。使用局部线性化制定了MPC的车辆模型，以最大程度地减少建模误差。参考状态是使用基于线性二次调节器的虚拟控制器确定的，以提供MPC求解器的最佳参考。通过在噪声注入传感器信号的基础算法的模拟研究中评估了所提出的算法。仿真结果表明，与基础算法相比，所提出的算法达到了最小的路径跟踪误差。此外，提出的算法对多个信号表现出对外部噪声的鲁棒性。
使用混合深钢筋学习
摘要 - 在越野环境中旋转的未拧紧地面车辆（UGV）的准确路径跟踪面临着源于操作条件的多样性引起的挑战。用于Ackermann转导车辆的传统基于模型的控制器具有良好的（无防滑）路径跟踪的穿孔，但性能会以越来越不平坦的地形和更快的遍历速度下降。本文介绍了一种新颖的方法，一种混合深化增强学习（HDRL）控制器，利用了线性二次调节器（LQR）的优势和深钢筋学习（DRL）控制器，以增强Ackermann steceered ugvs的增强路径跟踪。DRL控制器主要弥补地形条件和未知车辆参数的不确定性，但训练在计算上可能很昂贵。LQR控制器在初始训练阶段指导DRL控制器，从而确保更稳定的性能并在早期迭代中获得更高的回报。这样做，这种混合方法提供了有望克服基于模型的控制器的局限性以及常规DRL方法的样本信息的局限性。在手稿中显示的初步结果显示了HDRL控制器的希望，表现出比无模型的DRL和常规反馈控制器更好的性能。
在驾驶模拟器中建模视觉前庭整合和行为适应
众所周知，不仅视觉，其他感官方式也会影响驾驶员对车辆的控制，并且驾驶员会随着时间的推移适应感官线索的持续变化（例如在驾驶模拟器中），但这些行为现象背后的机制尚不清楚。在这里，我们考虑了现有文献中关于前庭线索缩小如何影响障碍滑雪任务中的驾驶员转向，并首次提出了一个驾驶员行为的计算模型，该模型可以基于神经生物学上合理的机制来解释经验观察到的影响，即：在初始接触期间任务表现下降和转向力度增加，然后随着任务接触时间的延长，这些影响会部分逆转。出乎意料的是，该模型还重现了另一个以前无法解释的经验发现：运动缩小的局部最优，其中路径跟踪比一对一运动线索可用时更好。总体而言，我们的研究结果表明：（1）驾驶员直接利用前庭信息来确定适当的转向动作，（2）运动降尺度会导致偏航率低估现象，驾驶员的行为就好像模拟车辆的旋转速度比实际速度慢一样。然而，（3）在障碍滑雪任务中，一定程度的低估会带来路径跟踪性能优势。此外，（4）模拟障碍滑雪驾驶任务中的行为适应可能发生在
手动系统的外部可安装ADA
它提供了一系列功能，可改善驾驶员的便利性和安全性，例如自适应巡航控制，巷道援助和避免碰撞。降低了人类的依赖性：该系统减少了对人类驾驶员对日常任务的依赖，例如保持安全的距离，保持在车道上，并通过整合ADAS功能来应对可能的障碍。障碍物检测和回避系统：该系统通过使用传感器和实时数据分析来确定汽车路径中的障碍，并自动开始避免碰撞。基于3D映射的高效路径跟踪：通过使用3D映射技术，该系统有效地监视了车辆的路径。耗时的交付：通过系统自我管理驾驶任务驾驶任务，导航流量，优化路线并将其全部浏览的能力加速和改进。
人类跟随机器人
摘要：路径跟踪机器人是机器人技术中最重要的方面之一。路径跟踪机器人是一种自主机器人，能够跟随在表面上绘制的对比线。它被设计为自动移动并跟随线条。机器人使用光学传感器阵列来识别线条，从而帮助机器人保持在轨道上。四个传感器阵列使其运动精确而灵活。机器人由直流齿轮电机驱动，以控制车轮的运动。Arduino 接口用于执行和实现算法来控制电机的速度，引导机器人平稳地沿着线路行进。该项目旨在实现算法并控制机器人的运动。它可以用作自动化工业中的载体、小型家用应用、博物馆导游和其他类似应用。1. 简介：想象一个像忠诚的宠物一样跟着你的机器人。这不是科幻小说；这是 Arduino 的现实！我们的项目专注于创建一个跟随人类的机器人，它使用传感器来检测您的位置，并使用电机导航到您身边。这就像拥有一个带轮子的私人助理！在这种高科技中，机器人必须能够检测和跟踪人类。能够在特定范围内检测和跟踪人类或障碍物的机器人被称为“人类跟踪机器人”。人类跟踪机器人目前在当今世界的许多领域得到使用。同时也被提议用于其他领域。这些领域包括服务区、家庭、旅游和购物；人类跟踪机器人包括检测目标人、防止目标人永久丢失。确定与检测人的距离并相对于目标人进行导航。机器人应该优先考虑安全并高效运行，与人保持安全距离并避免碰撞。
自动驾驶汽车的横向控制
自主驾驶能够通过减少道路事故，交通拥堵和空气污染来重塑移动性和运输。这可以产生能源效率，便利性和更高的生产率，因为将在其他活动中获得大量驾驶时间。自动驾驶汽车是复杂的系统，由几个执行感知，决策，计划和控制的模块组成。控制对于实现自动驾驶至关重要，基本上将其分为处理速度跟踪的纵向控制和横向控制，从而确保准确的转向。后者在路径跟踪应用程序中是原始的，最近的研究在该领域取得了巨大的飞跃。本文的目的是对有关自动驾驶汽车横向控制的最新研究进行技术调查，并强调技术挑战和限制以进一步发展。
自主叉车在混乱的物流工厂内导航
摘要：本文介绍了在打印工厂混乱且不断变化的环境中自动叉车导航应用程序的完整体系结构。根据可用导航轨道从现有的道路网络中选择全局路径。然后，一个本地路径规划仪与路径跟踪控制器相结合，可以使自主机器人导航。有限状态机器（FSM）体系结构确保在任务期间机器人的不同操作模式之间的过渡，包括避免障碍物。导航走廊是动态定义的，并通过跟踪控制约束的定义来尊重，并始终考虑安全有效的导航，并考虑到拥挤的工厂中叉车的空间约束。在ROS凉亭中模拟了一个叉车机器人及其环境，以验证该方法，然后在实际机器人原型上进行深入的实验，并在现实的操作场景中实时估算其实时性能。
用于自主无人机飞行控制的 Lyapunov 矢量场
提供了构建用于 UAV 制导的矢量场的通用技术，这些技术结合了 Lyapunov 稳定性特性，以在 3D 中产生简单、全局稳定的矢量场。说明了这些场在圆形徘徊模式中的使用，以及圆形徘徊矢量场的简单切换算法，以实现任意航路点路径或循环的跟踪。还开发了另一种变体，其中简单的圆形徘徊器被扭曲成其他形状，保留全局稳定性保证和准确的路径跟踪。提供了此技术的一个示例，该示例产生了“赛道”徘徊模式，并比较了扭曲技术的三种不同变体。最后，考虑矢量场的跟踪，使用 Lyapunov 技术展示与低成本 UAV 航空电子设备兼容的几种跟踪控制律的航向和路径位置的全局稳定性。