基于自适应模型预测控制的拖拉机路径跟踪研究

摘要

自主化作业的拖拉机由于作业速度和跟踪路径曲率的不断变化,基于固定参数模型预测控制的路径跟踪器不能达到理想效果。为提高控制器的自适应性,提出基于改进粒子群优化的自适应模型预测控制算法。该算法将作业场景与粒子群算法相结合,对模型预测控制中的预测时域进行自适应调整,当作业场景发生改变时,则用粒子群优化算法选取理想预测时域参数。为提高粒子群优化算法的寻优效果,采用分段函数的方式对惯性权重进行改进。以东方红-X1304拖拉机为研究对象,对作业速度为1、2 m/s和变速,跟踪路径为直线和曲线等情况进行仿真实验,并对比分析基于固定预测时域和自适应预测时域的控制器。结果表明,相对于基于三个固定时域的控制器,基于自适应预测时域控制器的跟踪精度和收敛速度分别提高了2%~44%和2%~71%。