XiaoMi-AI文件搜索系统
World File Search System轨迹跟踪
Radhe Shyam Sharma - 教职员工
4.Radhe Shyam Sharma、Santosh Shukla、Hamad Karki、Amit Shukla、Laxmidhar Behera、Venkatesh K S，“基于 DMP 的非完整移动机器人轨迹跟踪，具有自动目标适应和避障功能”，IEEE 国际机器人与自动化会议 (ICRA)，第8613-8619，2019 年。PDF 实验视频 �
Koopman EDMD候选功能的分析构建，以最佳控制Ackermann Steecer evelicles
摘要：自动驾驶汽车（AV）的路径跟踪控制性能至关重要地取决于建模选择和随后的系统识别更新。传统上，汽车工程已经建立在增加白色和灰色框模型以及系统识别的忠诚度之后。尽管这些模型具有解释性，但它们会遭受建模不准确，非线性和参数变化的困扰。在另一端，端到端的黑框方法（例如行为克隆和增强学习）提供了提高的适应性，但以解释性，可推广性和SIM2REAL间隙为代价。在这方面，诸如Koopman扩展动态模式分解（KEDMD）之类的混合数据驱动技术可以通过选择“提升功能”来实现非线性动力学的线性嵌入。但是，该方法的成功主要基于提升函数和优化参数的选择。在这项研究中，我们提出了一种分析方法，使用迭代的谎言支架向量字段来构建这些提升功能，考虑了我们Ackermann Steceer的自主移动机器人的配置歧管上的载体和非独立限制。使用标准车辆动力学操纵的轨迹跟踪以及沿闭环赛车轨道进行了轨迹跟踪，显示了所获得的线性KEDMD模型的预测和控制功能。
有翼电动垂直起降飞机的轨迹生成与跟踪控制
目前，有翼 eVTOL 无人机的控制方法主要将飞行器视为固定翼飞机，并在起飞和降落时增加垂直推力。这些方法提供了良好的远程飞行控制，但未能考虑飞行器跟踪复杂轨迹的完整动态。我们提出了一种轨迹跟踪控制器，用于有翼 eVTOL 无人机在悬停、固定翼和部分过渡飞行场景中的完整动态。我们表明，在低速到中速飞行中，可以使用各种俯仰角实现轨迹跟踪。在这些条件下，飞行器的俯仰是一个自由变量，我们使用它来最小化飞行器所需的推力，从而降低能耗。我们使用几何姿态控制器和空速相关控制分配方案，在各种空速、飞行路径角和攻角下操作飞行器。我们假设采用标准空气动力学模型，为所提出的控制方案的稳定性提供理论保证，并展示模拟结果，结果显示平均跟踪误差为 20 厘米，平均计算率为 800 Hz，与使用多旋翼控制器进行低速飞行相比，跟踪误差减少了 85%。
Radhe Shyam Sharma-教师
•Radhe Shyam Sharma，Santosh Shukla，Hamad Karki，Amit Shukla，Laxmidhar Behera，Venkatesh K S，“基于DMP的轨迹跟踪，用于自动目标适应和避免障碍物的非道义移动机器人，” IEEE International International International International of Robotics and Aubotics and Aubotics and Aubotics and Autrive 8613-8619，2019。 PDF实验视频W8613-8619，2019。PDF实验视频W
超级扭曲算法 Djihad Matouk - ijicic
摘要。目前，无人机型四轴飞行器的跟踪控制是研究人员的热点。为了解决这个控制问题，根据期望的目标选择合适的控制器是一个基本问题。尽管存在有害的抖动现象，滑模控制 (SMC) 仍表现出可接受的性能。本文通过二阶滑模控制 (2-SMC) 实现四轴飞行器的轨迹跟踪控制。它是保留传统 SMC 优势同时避免不良抖动效应的替代解决方案之一。具体而言，采用超扭转算法，该算法是对 2-SMC 的改进，无需任何滑动变量导数。为了确保稳定性并增强四轴飞行器的跟踪轨迹，设计了一种基于超扭转算法的全局块控制。所提出的技术具有很高的稳定性，因为它允许为每个位置和姿态状态推导适当的控制律。仿真结果证明了该方法在稳定性和跟踪控制方面的有效性。与经典SMC和2型模糊逻辑控制器进行了比较研究，以阐明所提出的2-SMC的有效性。关键词：四轴飞行器无人机，全轨迹跟踪，非线性控制，二阶滑模控制，超扭转算法
通过整合深度强化学习和模型预测控制
摘要 - 在本文中，我们提出了一种有效的方法，用于用于移动机器人实时无碰撞导航。通过将深度强化学习与模型预测控制整合在一起，我们的目的是实现避免碰撞和计算效率。该方法首先使用深度Q学习训练初步代理，从而使其能够为下一步步骤生成动作。不是执行这些动作，而是基于它们生成的参考轨迹，从而避免了原始参考路径上存在的障碍。随后，该局部轨迹被使用在MPC轨迹跟踪框架内，以为移动机器人提供无冲突的指南。实验结果表明，所提出的DQN-MPC混合方法在时间效率和解决方案质量方面优于纯MPC。
跟踪飞机轨迹...
1. 简介。轨迹跟踪是飞行控制系统的一项基本任务。在这一任务中，确保所采用的方法准确，特别是对干扰具有鲁棒性至关重要。这对于飞行的关键阶段（例如进近和着陆）尤其重要，因为飞行在拥挤的空域和近地飞行。在这些阶段，干扰引起的偏离参考轨迹可能会导致灾难性的后果。因此，风是飞行系统最危险的干扰之一，因为它不可预测，对飞机动力学影响很大。考虑到上述飞行条件下控制任务的关键性，迄今为止已经研究了几种用于此应用的方法。在 [19] 中，作者提出了一种 gamma/theta 制导律，用于跟踪已知风场的最优控制方法得出的轨迹。作者在垂直平面上制定了问题，并使用起飞阶段的数值示例说明了所开发的方法。 [15] 中的研究提出了一种自适应控制方案，利用该思想控制飞机在起飞阶段的爬升率。该反馈控制律不需要事先了解风场。[4] 中的作者将非线性空间反演方法应用于飞机轨迹跟踪。开发了一种新的垂直平面制导方案，与传统的基于非线性动态反演的方法相比，其跟踪性能有所提高。与 [19] 类似，需要对现有的风扰动进行先验估计。着陆飞行阶段被视为二维跟踪
航空航天系统的动态和控制
此转载是对航空航天系统的动态，控制和致动的全面研究，解决了航空航天工程中的关键挑战和创新解决方案。通过整合新的方法论和实际应用，该重印展示了空间操纵器的分布式控制中的进步，无拖力卫星的状态依赖性控制，全天候立方体的混合推进系统以及用于Aero-Engine Engine和Spacecra的先进策略。探索了各种技术，包括滑动模式控制，模型预测控制，分散的LQR和自适应模糊控制，以实现轨迹跟踪，振动抑制以及集成指导和控制的强大解决方案。 此外，这种重印强调了高级材料和传感技术的变革性潜力，例如压电传感器，纤维Bragg光栅（FBG）系统和智能材料，以增强振动抑制，结构健康监测和系统可靠性。 通过理论建模，计算分析和实验验证的结合，研究提供了对航空航天系统的设计和优化的整体观点。 针对研究人员，工程师和专业人员，该重印是理解航空动态，控制和驱动技术的最新进步和未来方向的宝贵资源。探索了各种技术，包括滑动模式控制，模型预测控制，分散的LQR和自适应模糊控制，以实现轨迹跟踪，振动抑制以及集成指导和控制的强大解决方案。此外，这种重印强调了高级材料和传感技术的变革性潜力，例如压电传感器，纤维Bragg光栅（FBG）系统和智能材料，以增强振动抑制，结构健康监测和系统可靠性。通过理论建模，计算分析和实验验证的结合，研究提供了对航空航天系统的设计和优化的整体观点。针对研究人员，工程师和专业人员，该重印是理解航空动态，控制和驱动技术的最新进步和未来方向的宝贵资源。
固定翼无人机精确自动起降制导与控制律设计
本文介绍了一种固定翼无人机自动起飞和着陆控制系统 (ATOLS)。我们提出了一种制导和控制系统，以满足使用拦阻索进行高精度着陆的要求。对于轨迹跟踪，推导了基于视线 (LOS) 的纵向和横向制导律。对于内环控制器的设计，直接从飞行数据中识别线性模型。为了在起飞和着陆期间飞行状态发生变化的情况下保持控制性能的一致性，线性基线控制器增强了使用 L 1 自适应控制理论设计的补偿器，从而无需进行传统的增益调度。所提出的控制系统在带有拦阻钩的 Cessna UAV 上实施以进行验证。所提出的起降系统在一系列全尺寸航母模型试飞中表现出了稳定的性能。
强化学习控制可重构平面电缆驱动的平行操纵器*
摘要 - 由于电缆的固有灵活性和弹性，电缆驱动的并行机器人（CDPR）通常对模型和动态控制具有挑战性。将在线几何可重新配置性的附加包含在CDPR上导致具有高度非线性动力学的复杂不确定的系统。必要的（数值）冗余分辨率需要多个优化的层，以使其对实时控制的应用程序计算效率过高。在这里，深厚的强化学习方法可以提供一个无模型的框架来克服这些挑战，并可以提供实时的动态控制。本研究讨论了动态轨迹跟踪中无模型DRL实现的三个设置：（i）具有固定工作空间的标准非冗余CDPR； （ii）在可重构CDPR上具有冗余分辨率的端到端设置中； （iii）在一种脱钩的方法中，分别解决运动学和驱动裁员。