来源：期刊VIP网 时间：
作者：黄用华;邓梦儒;侯冬利;庄未;
单位：桂林电子科技大学机电工程学院;
摘要：侧向平衡调节能力是评估无人自行车性能的关键指标。为提高无人自行车的自主学习平衡控制的鲁棒性和泛化能力，提出一种基于概率推理学习控制(PILCO)的无人自行车平衡控制学习方法。该方法以无人自行车车体侧向倾角(倾角速度)、车把转角(转角速度)以及车把控制力矩为输入，以车体侧向倾角(倾角速度)、车把转角(转角速度)前后时刻的增量为输出，结合聚类算法和重采样技术对模型训练集做子集化预处理，利用高斯过程回归(GPR)方法构建系统的概率动态模型(PDM);将控制策略做参数化处理，利用建立的PDM进行后续的状态序列预测；通过车体侧向倾角(倾角速度)、车把转角(转角速度)构造代价函数，最后结合梯度搜索方法优化系统的控制策略。数值仿真和样机实验结果表明：在四种不同场景下，无人自行车经过数次迭代学习后能够实现较好的自平衡运动，其侧向倾角均稳定在[-0.005,0.005] rad范围内，且具备一定的鲁棒性及泛化能力。研究成果可为后续提升无人自行车系统的自学习性能研究提供一定的理论支撑和技术参考。
关键词：无人自行车;;平衡控制;;概率推理学习控制;;K-means聚类
基金资助：国家自然科学基金资助项目(52165001;51865005;51765011);; 广西自然科学基金资助项目(2018GXNSFAA281297;2018GXNSFAA281301)
