机械工程学报 ›› 2025, Vol. 61 ›› Issue (7): 301-314.doi: 10.3901/JME.2025.07.301
黄用华, 梁子彦, 庄未, 杨海洋
HUANG Yonghua, LIANG Ziyan, ZHUANG Wei, YANG Haiyang
摘要: 针对无人自行车平衡控制器结构及参数未知及其控制系统泛化能力不足的问题,提出一种用于重构未知控制器并提升控制系统动态性能的认知学习系统。该认知学习系统主要由两部分构成:其一是利用高斯过程回归(GPR)的理论方法,以无人自行车车体侧向倾角、车体侧向倾角速度、车把转角、车把转角速度为输入,以车把控制力矩为输出,构建概率模型表征系统控制器输入输出之间的映射关系;其二是结合反应式认知学习优化策略,引入感知模块、认知模块和执行模块,以所建立的概率模型输出作为无人自行车认知学习控制器的训练初值,对其进行控制性能的迭代优化。数值仿真和样机实验结果表明:高斯过程回归方法能够较好地重构未知控制器,认知学习算法可以有效地改善控制系统的动态性能;两者综合使无人自行车可以在相对平整水泥路面实现稳定的平衡行走,其侧向倾角在[‒0.042 rad, 0.044 rad]范围内波动,且相比于GPR控制器,优化后的认知学习系统使车体侧向倾角及车把转角的振幅分别减小了约55.7%和57.1%,并且对湿滑路面、坡面、草坪的运行场景表现出较好的泛化性能。
中图分类号: