导读:本文包含了预测跟踪论文开题报告文献综述、选题提纲参考文献,主要关键词:模型,车辆,增量,线性,机器人,公式,观测器。
预测跟踪论文文献综述写法
邹凯,蔡英凤,陈龙,孙晓强[1](2019)在《基于增量线性模型预测控制的无人车轨迹跟踪方法》一文中研究指出针对现有无人车轨迹跟踪研究中将轮胎侧偏角假设在线性区域的不足,提出一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。(本文来源于《2019中国汽车工程学会年会论文集(1)》期刊2019-10-22)
梅满,朱大奇,甘文洋,蒋骁迪[2](2019)在《基于模型预测控制的水下机器人轨迹跟踪》一文中研究指出针对水下机器人二维水下环境中的轨迹跟踪问题,通过分析与建立水下机器人二维运动学模型,提出了一种新型的轨迹跟踪控制方法,即模型预测控制。该算法是在误差模型的线性化描述的基础上引入模型预测控制方法,将最小化目标函数的优化问题转换为二次规划问题的求解,使得水下机器人在满足控制约束的条件下有效地完成轨迹跟踪并克服速度跳变问题。通过与反步控制方法的仿真实验对比,证明所提及的模型预测控制算法能够更有效的实现二维水下机器人的轨迹跟踪控制。(本文来源于《控制工程》期刊2019年10期)
孙平,孙桐,孙尧[3](2019)在《考虑人机作用力的康复训练机器人各运动轴最优轨迹跟踪预测控制》一文中研究指出针对人机作用力影响康复训练机器人的跟踪性能问题,提出了一种新颖的观测器设计方法,目的是利用系统的位置输出估计人机作用力.同时,为了抑制人机作用力并避免运动中产生较大的跟踪误差而影响康复者安全,设计了非线性控制器,并得到了机器人各运动轴系统模型.进一步,结合预测控制同时约束了系统轨迹跟踪误差和速度跟踪误差,并实现了各运动轴的最优轨迹跟踪.通过仿真结果对比分析和实验研究,表明文中提出人机作用力观测和控制器设计方法的有效性和优越性.(本文来源于《北京理工大学学报》期刊2019年10期)
张河清,许咏媚[4](2019)在《云计算下景区游客流量数据实时跟踪预测仿真》一文中研究指出旅游人数的急剧增加,造成游客拥挤、超载等问题,引发安全事故。对景区游客流量数据的实时跟踪预测,可为管理人员提供直接决策信息,最大限度避免事故发生。对景区游客流量数据的准确实时跟踪预测,需要在云计算下考虑景区的持续性客流状态,通过分散性客流数据的状态方程完成景区游客流量数据的实时跟踪。传统景区游客流量数据实时跟踪方法,未考虑景区的持续性客流状态,导致其实时跟踪准确度较差。提出云计算下景区游客流量数据实时跟踪预测方法。对云计算下持续性客流状态参数建模,对单向性客流、集结性客流进行有效估计,获取分散性客流数据的状态方程和观测方程。基于自适应卡尔曼滤波算法监控云计算下景区分散性客流数据信息的动态变化,并修正系统状态噪声和观测噪声方差;最后在数据预测分选和相似聚类的基础上,实现云计算下景区游客流量数据的有效跟踪。仿真数据结果表明,所提方法具有更高的跟踪精度,性能稳定可靠,且耗时较少。(本文来源于《计算机仿真》期刊2019年10期)
邹凯,蔡英凤,陈龙,孙晓强[5](2019)在《基于增量线性模型预测控制的无人车轨迹跟踪方法》一文中研究指出针对现有无人车轨迹跟踪研究中假设轮胎侧偏角始终处于线性区域的不足,提出了一种基于增量线性时变模型预测控制的轨迹跟踪方法。在每个控制周期内进行轮胎魔术公式的线性化处理,建立时变轮胎模型,并结合车辆二自由度模型,获得了车辆时变模型,设计增量线性时变模型预测控制器(ILTVMPC),完成了轨迹跟踪,在二次规划求解过程中加入包括控制量和控制增量等约束。利用MATLAB/Simulink平台将该方法与非线性模型预测控制进行仿真对比,结果表明:基于时变轮胎模型的ILTVMPC,不仅在跟踪精度和稳定性上有优异表现,而且计算实时性得到较大幅度提升。(本文来源于《汽车技术》期刊2019年10期)
李军,唐爽,周伟[6](2019)在《考虑车辆稳定性的模型预测路径跟踪方法》一文中研究指出针对目前车辆路径跟踪控制大多集中于跟踪的精确性,却忽略车辆行驶稳定性的问题,提出一种考虑车辆稳定性的模型预测路径跟踪方法.首先,以简化后的车辆动力学模型为基础,推导线性时变路径跟踪预测模型,增添表征车辆稳定性的质心侧偏角等约束条件;然后,对二次规划进行求解,添加向量松弛因子解决计算中出现的无解问题;最后,通过Carsim和Matlab/Simulink联合仿真对文中方法进行验证.仿真结果表明:基于文中所提方法设计的控制器能够在不同车速、不同附着系数下,保证跟踪参考路径较为精确的同时,还可以保证车辆的稳定性.(本文来源于《华侨大学学报(自然科学版)》期刊2019年05期)
严涛,仇翔,刘安东,俞立[7](2019)在《基于扩张状态观测器的机械臂预测跟踪控制》一文中研究指出针对具有模型不确定和外部扰动的多关节机械手轨迹跟踪问题,提出了一种基于干扰观测补偿的预测控制方法。首先,将模型不确定和外部扰动视为机械臂的总和扰动,采用扩张状态观测器(ESO)对总和扰动进行动态估计和补偿,提高系统的抗干扰能力。然后,对总和扰动以外的名义系统采用模型预测控制方法进行优化控制,使得系统具有较好的动态性能。最后,将所提出的控制器设计方法应用于KUKA youBot 5自由度机械臂的轨迹跟踪,并实验验证了所提方法的有效性。(本文来源于《高技术通讯》期刊2019年09期)
贾瑞雪,甘桦福[8](2019)在《基于模型预测理论的车辆纵向跟踪控制研究》一文中研究指出为了实现智能车辆的自动纵向跟踪控制,提高车辆的安全性,针对分布式电动汽车,建立整车动力学模型;设计分层式纵向跟踪控制器,采用模型预测控制理论设计上层控制器,求解出期望加速度,并解决了无可行解的问题;下层控制器采用PID控制以实现期望加速度的跟踪。最后基于matlab/Simulink和carsim搭建联合仿真平台,验证控制器的有效性。(本文来源于《内燃机与配件》期刊2019年16期)
付饶,管业鹏[9](2019)在《基于卡尔曼预测粒子滤波的网球运动目标跟踪方法》一文中研究指出为有效跟踪视频网球运动,提出了一种基于卡尔曼滤波预测的粒子滤波网球运动跟踪方法。基于多尺度小波变换在时域和空域均具有优异的局部化特征,将相邻帧视频图像进行差分,提取反映前景运动的目标特征信息,克服光照变化以及网球运动尺度随时不断变化的不利因素影响;同时,基于网球场地结构化特性,排除场地外不利干扰因素影响。在此基础上,采用卡尔曼滤波对粒子进行预测和修正,将当前观测信息融入到粒子滤波过程中,估计预测粒子状态的均值和协方差,使动态粒子更加接近其后验概率分布,从而提高网球运动目标的跟踪精度。通过与同类方法在不同网球公开赛的定量对比,实验结果表明,所提方法能有效跟踪视频网球运动目标。(本文来源于《电子器件》期刊2019年04期)
任亚婧,张宏立[10](2019)在《结构化预测的车辆联合检测与跟踪方法》一文中研究指出为了对道路车辆进行流量的统计与监控跟踪,提出一种联合检测与跟踪思想的方法。该方法利用初始分割时产生的目标数量的冲突集描述分割阶段产生的错误以及遮挡问题,并通过建立车辆近邻关联事件和与之对应的关联标签变量,将汽车监控跟踪建模为一个结构化预测问题,利用相应的关联标签变量建立全局目标函数,从而将车辆跟踪问题转化为一个通过求解带约束的整数规划问题,最后求解得到车辆轨迹的全局最优解。(本文来源于《现代电子技术》期刊2019年15期)
预测跟踪论文开题报告范文
(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:
针对水下机器人二维水下环境中的轨迹跟踪问题,通过分析与建立水下机器人二维运动学模型,提出了一种新型的轨迹跟踪控制方法,即模型预测控制。该算法是在误差模型的线性化描述的基础上引入模型预测控制方法,将最小化目标函数的优化问题转换为二次规划问题的求解,使得水下机器人在满足控制约束的条件下有效地完成轨迹跟踪并克服速度跳变问题。通过与反步控制方法的仿真实验对比,证明所提及的模型预测控制算法能够更有效的实现二维水下机器人的轨迹跟踪控制。
(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。
预测跟踪论文参考文献
[1].邹凯,蔡英凤,陈龙,孙晓强.基于增量线性模型预测控制的无人车轨迹跟踪方法[C].2019中国汽车工程学会年会论文集(1).2019
[2].梅满,朱大奇,甘文洋,蒋骁迪.基于模型预测控制的水下机器人轨迹跟踪[J].控制工程.2019
[3].孙平,孙桐,孙尧.考虑人机作用力的康复训练机器人各运动轴最优轨迹跟踪预测控制[J].北京理工大学学报.2019
[4].张河清,许咏媚.云计算下景区游客流量数据实时跟踪预测仿真[J].计算机仿真.2019
[5].邹凯,蔡英凤,陈龙,孙晓强.基于增量线性模型预测控制的无人车轨迹跟踪方法[J].汽车技术.2019
[6].李军,唐爽,周伟.考虑车辆稳定性的模型预测路径跟踪方法[J].华侨大学学报(自然科学版).2019
[7].严涛,仇翔,刘安东,俞立.基于扩张状态观测器的机械臂预测跟踪控制[J].高技术通讯.2019
[8].贾瑞雪,甘桦福.基于模型预测理论的车辆纵向跟踪控制研究[J].内燃机与配件.2019
[9].付饶,管业鹏.基于卡尔曼预测粒子滤波的网球运动目标跟踪方法[J].电子器件.2019
[10].任亚婧,张宏立.结构化预测的车辆联合检测与跟踪方法[J].现代电子技术.2019