目前已有一些针对路径跟踪控制中信号时滞问题的研究工作,但这些工作大多针对某种特定的控制方法,而在路径跟踪控制方法中,非线性模型预测控制(Nonlinear model predictive control,NMPC)具有能够显式处理系统约束、便于实现多目标优化...目前已有一些针对路径跟踪控制中信号时滞问题的研究工作,但这些工作大多针对某种特定的控制方法,而在路径跟踪控制方法中,非线性模型预测控制(Nonlinear model predictive control,NMPC)具有能够显式处理系统约束、便于实现多目标优化、能够有效利用被控对象前方参考路径信息等优势,但是针对NMPC路径跟踪控制系统中时滞问题的研究较不成熟,制约了这种控制方法的实际应用.为解决上述问题,开展了以下研究工作.首先构建了能够较好地孤立出时滞影响的类车机器人路径跟踪控制系统.接着分析了信号时滞对NMPC路径跟踪控制系统的影响机理,即时滞会导致控制器产生的控制信号不能适应类车机器人在执行控制信号时所处的位置.然后提出了基于增长NMPC预测时域的时滞影响消减方法,即在迭代周期不变的情况下,在无时滞系统较优预测步数的基础上增加二倍时滞周期比以上的整数.最后通过计算机仿真和实验验证了提出方法的有效性.仿真和实验结果表明,信号时滞对NMPC路径跟踪控制系统存在影响,未考虑时滞的NMPC控制算法能够在无时滞系统中实现高精确性路径跟踪,而在有时滞系统中控制失效.通过增长预测时域可以有效消减信号时滞的影响,在信号时滞约为0.2 s的仿真与实验系统中,基于该方法的NMPC控制器可以保证路径跟踪控制的位移误差幅值不超过0.1258 m,航向误差幅值不超过0.0583 rad.展开更多