【运动控制】跟踪误差模型

木兰超凶哒

已于 2022-02-22 02:05:16 修改

阅读量3.5k

点赞数 1

分类专栏：运动控制文章标签：算法自动驾驶

于 2022-02-22 02:02:39 首次发布

本文链接：https://blog.csdn.net/weixin_43095167/article/details/123059632

版权

运动控制专栏收录该内容

8 篇文章 3 订阅

订阅专栏

1.跟踪误差模型推导

以下两图摘自《无人驾驶车辆模型预测控制》（第2版）龚建伟.北京理工大学出版社

2.横向跟踪误差模型

3.纵向跟踪误差模型

4.个人理解

1.纵向位置误差相对于横向位置误差为快变量（横向跟踪误差传递函数为二阶系统，纵向跟踪误差模型为一阶系统，少一个积分环节）；

2.横摆角误差影响横向位置误差变化率，在控制器设计中可作为横向位置误差的阻尼项；

3.纵向跟踪误差传递函数与速度无关，横向跟踪误差传递函数正比于速度平方。

5.实现

...

6.视频分享

…

7.相关论文

…

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

木兰超凶哒

关注关注

1
点赞
踩
15

收藏

觉得还不错? 一键收藏
6
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

自动驾驶控制-动力学跟踪误差模型LQR算法路径跟踪仿真

WnUtJkw的博客

03-03

1048

综上所述，本文围绕动力学跟踪误差模型LQR算法路径跟踪仿真展开了讨论，介绍了复现百度apollo的横向控制，并详细介绍了利用Matlab Simulink和Carsim联合仿真实现动力学跟踪误差模型的前馈反馈LQR横向控制的方法。相比运动学模型，动力学跟踪误差模型具有更高的车速和更实用的性能，在实际应用中更加可行。matlab simulink和carsim联合仿真，动力学跟踪误差模型实现的前馈反馈lqr横向控制，可以跟踪双移线，圆形，五次多项式以及各种自定义路径，相比运动学模型车速更高，更实用。

基于LQR算法的动力学跟踪误差模型在自动驾驶控制中的实现与仿真

最新发布

lfdLgQVb的博客

05-04

643

综上所述，本文围绕动力学跟踪误差模型LQR算法路径跟踪仿真展开了讨论，介绍了复现百度apollo的横向控制，并详细介绍了利用Matlab Simulink和Carsim联合仿真实现动力学跟踪误差模型的前馈反馈LQR横向控制的方法。相比运动学模型，动力学跟踪误差模型具有更高的车速和更实用的性能，在实际应用中更加可行。matlab/simulink和carsim联合仿真，动力学跟踪误差模型实现的前馈反馈lqr横向控制，可以跟踪双移线，圆形，五次多项式以及各种自定义路径，相比运动学模型车速更高，更实用。

6 条评论您还未登录，请先登录后发表或查看评论

车辆模型-跟踪误差模型

zgh

12-04

4744

跟踪误差动力学模型

【自动驾驶】动力学横向控制误差模型

weixin_42301220的博客

05-18

4320

文章目录参考资料1. 基本概述2. 误差动力学模型参考资料车辆模型-跟踪误差模型 Vehicle Dynamics and Control 1. 基本概述车辆横向控制主要通过控制轮胎转角实现，而对于驾驶员来说，可直接操控的是方向盘角度，因此在搭建车辆动力学模型时，可以建立以相对于道路的方向和距离误差为状态变量的动力学模型。假设—— eye_yey:车辆重心距车道中心线的距离； eψe_{\psi}eψ:偏航角误差； VxV_xVx:车辆纵向速度； RRR：车辆转弯半径，其中转

无人驾驶-控制-横向跟踪误差

weixin_47012067的博客

11-04

3798

无人驾驶-控制-横向跟踪误差本篇利用无人车的横向跟踪误差作为控制器的反馈，因此首先介绍计算横向跟踪误差的公式。一、横向跟踪误差横向跟踪误差(cross track error, 简称CTE)为前轴中心点(rx,ry) 到最近路径点(px,py) 的距离，具体如下图所示以上图为基础进行简略分析，如果参考轨迹点在无人车的左边θe ∈ [ 0 , π ] ，则应该向左打方向盘；反之θe ∈ [ 0 , − π ] ，则向右打方向盘。经分析可得横向跟踪误差（CTE）计算公式如下： ey = ld

控制工程基础学习笔记-第6章控制系统的误差分析和计算

weixin_41420355的博客

12-22

7413

Überblick第6章控制系统的误差分析和计算6.1 稳态误差的基本概念第6章控制系统的误差分析和计算 6.1 稳态误差的基本概念

matlab仿真实现基于模型预测控制（mpc）的双轮差速运动学轨迹跟踪

05-01

在本文中，我们将深入探讨如何使用MATLAB来实现基于模型预测控制（MPC）的双轮差速运动学轨迹跟踪。首先，理解双轮差速系统的基础至关重要，它由两个独立驱动的轮子组成，通过调整左右轮的速度来改变车辆的转向和...

基于双模糊滑模控制的机器人运动轨迹跟踪误差仿真.pdf

08-14

1. 机器人运动控制 在文档中提到了机器人在进行轨迹跟踪时面临的问题，例如控制精度低和干扰下的抖动现象。这些是机器人运动控制领域中的关键问题。控制精度低意味着机器人无法精确地沿着预定路径移动，而抖动现象...

DML test_轨迹跟踪_模型预测控制_车辆_vehiclemodel_车辆轨迹跟踪_

10-04

在自动驾驶技术领域，模型预测控制（Model Predictive Control, MPC）是一种广泛应用的策略，尤其在车辆轨迹跟踪中表现卓越。本文将深入探讨标题和描述所提及的“DML test_轨迹跟踪_模型预测控制_车辆_vehiclemodel_...

基于自适应神经网络控制的机械臂运动轨迹跟踪误差研究.pdf

09-21

本研究主要探讨了如何利用自适应神经网络控制技术来优化机械臂的运动轨迹跟踪性能，从而减小跟踪误差。自适应神经网络控制是一种智能控制策略，它结合了神经网络的非线性建模能力与自适应控制的动态调整特性，能够...

自动驾驶4WS车辆路径跟踪最优控制算法仿真

SAUTOMOTIVE的博客

01-07

3200

本文由郭旭东，杨世春联合创作摘要针对自动驾驶车辆高速主动转向工况下传统的控制算法的控制效果容易出现较多的超调量和较长调节时间的问题，提出了基于车辆动力学模型的轨迹预测跟踪主动转向控制算法，并基于轮胎侧偏刚度非线性的特性设计了权系数线性最优二次型(LQR)后轮转角控制算法，通过联合仿真对控制算法效果进行了验证。仿真结果表明：自动驾驶四轮转向车辆在低、高速工况下进行自主换道行驶时，算法控制效果满足汽车操纵稳定性要求，且权系数LQR后轮转向算法比定侧偏刚度的LQR线性控制算法有更优越的操控性能。

自动驾驶控制算法---横向误差微分方程

weixin_46072670的博客

10-31

582

找到误差err与横向位移vy和横摆角φ的关系，推导得出误差微分方程。

学习笔记：纯跟踪法

ohhjack的博客

11-01

3592

学习笔记：纯跟踪法

关于自动驾驶车辆控制

AgingMoon的博客

08-16

6248

目录 1. 本文目的 2. 自动驾驶中控制原理 2.1 控制在自动驾驶中的位置 2.2 控制的数据流 3. 汽车控制模型 3.1 汽车运动学模型 3.2 汽车动力学模型 3.3 运动学模型和动力学模型的作用 4. 汽车控制方法 4.1 基于预瞄和PID的控制方法 4.3 基于MPC的控制方法 1. 本文目的本文主要目的在于解析自动驾驶控制，以及几种典型的应用控制方法，部分方法小编并没有经过实战，若有笔误，请多指出。 2. 自动驾驶中控制原理 2.1 控制在自动驾驶中的位置

自动驾驶路径跟踪控制——纯追踪控制

sinat_52032317的博客

10-15

5764

全局路径由一系列路径点构成，这些路径点只要包含即可，也可以包含，但是，这些路径点被称为。路径（Path）和轨迹（Trajectory）的区别就在于，，轨迹点也是一种路径点，它在路径点的基础上加入了。。本节介绍一种广泛使用的——纯追踪法（Pure Pursuit）。

自动驾驶横向控制算法

m0_68388605的博客

04-22

1107

本文内容来源是B站——忠厚老实的老王。

无人车系统（六）：轨迹跟踪Stanley方法

热门推荐

昔风不起，唯有努力生存！

12-12

1万+

前面介绍的Pure Pursuit方法利用无人车的横向跟踪误差来设计控制器。在无人车轨迹跟踪任务中，除了横向跟踪误差外，是否还有其他信息有助于提高控制器的稳定性与有效性。本篇介绍的Stanely方法就结合横向跟踪误差eye_yey与航向角偏差eθe_{\theta}eθ来设计控制器。值得注意的是，Stanley计算横向跟踪误差与pure pursuit方法是有区别的，Pure pursuit......

python无人驾驶技术系统

weixin_44341508的博客

12-31

1643

横向跟踪误差横向跟踪误差(cross track error, 简称CTE)为前轴中心点 ( r x , r y ) (rx,ry)到最近路径点 ( p x , p y ) (px,py)的距离以上图为基础进行简略分析，如果参考轨迹点在无人车的左边 θ e ∈ [ 0 , π ] θe∈[0,π]，则应该向左打方向盘；反之 θ e ∈ [ 0 , − π ] θe∈[0,−π]则向右打方向盘。原始误差 e e恒大于等于0，无法直接应用于PID控制。经过以上分析，可得修正后的CTE如下： e

低速直线运动轨迹跟踪误差曲线

07-27

根据引用\[1\]和引用\[2\]中提到的Back-stepping控制算法，可以实现对AGV的低速直线运动轨迹跟踪。该算法通过建立AGV的运动学模型和跟踪位姿误差模型，并利用Back-stepping方法将整个非线性系统分解成若干子系统。然后，通过构造Lyapunov函数和中间虚拟控制量，逐步导出系统的控制律。最终，在MATLAB环境下进行仿真实验，结果表明跟踪误差很快收敛于零，轨迹跟踪效果良好。然而，关于低速直线运动轨迹跟踪误差曲线的具体形状，引用中并没有提及。因此，无法直接回答关于低速直线运动轨迹跟踪误差曲线的问题。如果您有更具体的问题或需要进一步了解，请提供更多的信息。 #### 引用[.reference_title] - *1* *2* [两轮差速AGV的轨迹跟踪控制研究 Study on Trajectory Tracking Control of Two-Wheel Difference Speed of ...](https://blog.csdn.net/weixin_35640673/article/details/116227081)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [机器人轨迹规划：简单的笛卡尔空间/关节空间轨迹规划方案](https://blog.csdn.net/qq_26565435/article/details/115220486)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]