11、科技前沿：AGV控制与股票价格预测的研究洞察

科技前沿：AGV控制与股票价格预测的研究洞察

1. AGV的滑模控制研究

AGV（自动导引车）在实际运行中会面临诸多不确定性，如侧滑、地面粗糙度和摩擦力等。为解决这些问题，研究设计了基于扩展状态观测器（ESO）的滑模控制（SMC - ESO）方法。

1.1 控制方法设计思路

在设计过程中，ESO将系统中的所有不确定动态描述为系统的附加总干扰，并进行在线实时估计。同时，设计了主动抗干扰控制器和滑模控制器来补偿和抑制这些干扰，从而减少AGV跟踪的内外不确定性以及外部随机干扰对控制性能的影响，提高AGV跟踪控制的快速性和鲁棒性。

1.2 算法对比

通过正弦路径跟踪对比实验，将SMC - ESO与自抗扰控制（ADRC）进行比较。结果显示，ADRC的最大偏差为0.53 cm，而SMC - ESO的最大偏差仅为0.06 cm。从对比图中可以明显看出，SMC - ESO具有更好的跟踪能力和抗干扰能力。具体数据如下表所示：
| 算法 | 最大偏差（cm） |
| ---- | ---- |
| ADRC | 0.53 |
| SMC - ESO | 0.06 |

1.3 控制流程mermaid图

graph LR
    A[AGV运行] --> B[考虑不确定性]
    B --> C[ESO估计干扰]
    C --> D[主动抗干扰控制器补偿]
    D --> E[滑模控制器抑制干扰]
    E --> F[实现AGV跟踪控制]