非完整移动机器人的双自适应神经滑模控制

针对非完整移动机器人轨迹跟踪控制问题,提出一种基于Backstepping运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法.利用两个带自适应调节算法的径向基神经网络(Radial basis function neural network,RBFNN)分别计算滑模的等效控制部分和调节滑模控制的增益,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象.设计过程采用Lyapunov方法,保证了控制系统的稳定与收敛.仿真结果表明了该方法的有效性,且在多种不确定性存在的情况下,该方法能较好地消除非完整机器人的跟踪误差.     

非完整移动机器人的自适应全局轨迹跟踪控制

针对含有未知参数的移动机器人运动学模型,利用自适应反演控制技术,讨论了两后轮角速度为控制输入的非完整移动机器人轨迹跟踪问题,构造了具有全局渐近稳定性的自适应轨迹跟踪控制器,该方法将系统分解为低阶子系统来处理,利用中间虚拟控制量和部分Lyapunov函数简化了控制器的设计并具有直观的稳定性分析。仿真结果验证了所设计控制器的有效性和正确性。     

非完整移动机器人领航-跟随编队分布式控制

针对非完整移动机器人运动学模型的特点,并且考虑机器人之间的交互关系是局部的,提出了一种基于领航-跟随的非完整多移动机器人分布式编队控制方法。首先提出了一种分布式估计策略,为每个跟随机器人估计(虚拟)领航机器人的位置、方向、线速度等状态;接着利用每个跟随机器人的跟踪误差设计了编队控制算法;使用Lyapunov工具对算法进行了渐近稳定性和收敛性分析;最后,构建了多移动机器人视觉定位与控制实验平台,通过仿真和实验验证了所提算法的有效性。     

基于模糊辨识的移动机器人轨迹控制算法的研究

国内外针对移动机器人轨迹控制主要存在动态时变反馈线性化、Backstepping反推控制、滑模变结构控制等几种主流的方法。尽管不少学者已经针对这些方法提出了一些改进,但仍然存在诸如模型不完整、无法抑制干扰、过分依赖于模型和实践中难以应用等缺点。文章利用模糊系统的万能逼近特性和易于实现的特点,提出了一种基于模糊系统的轨迹控制算法,解决了以前由于模型不完整、存在外部干扰而降低控制性能的问题。该算法利用Matlab进行了仿真验证,性能有显著提高。     

复合自适应模糊控制在移动机器人中的应用

文章综合考虑了运动控制实现的复杂性和精确性,采用一种基于机器人动态性能变化而实时调整模糊控制规则的复合自适应模糊控制方法,从而提高了机器人的自适应能力。实验结果显示,系统响应速度快,可以满足实时性和控制精度的要求。     

非完整移动机器人追踪运动物体的状态反馈控制方法

介绍非完整移动机器人追踪运动物体的状态反馈控制算法.并引入一些非时变函数以计算状态反馈变量,从而获得连续的速度分布.对控制算法的模拟由MATLAB实现.结果表明,通过状态反馈控制算法,轮式机器人可以循合理的轨迹对运动物体进行追踪以及运动避障.     

基于神经网络的非完整移动机器人鲁棒跟踪控制

针对受非完整条件约束的移动机器人存在的高度非线性、不确定性和外部干扰,提出了一种基于神经网络的鲁棒跟踪控制策略。该控制策略能够对系统中的未知的不确定性和干扰进行补偿。基于Lyapunov方法对控制系统进行设计,保证了系统的稳定性,改善了系统的动态性能。速度跟踪误差、神经网络权值误差和边界估计误差全局有界。仿真实验表明,该控制方法具有很强的鲁棒性和自适应能力。     

基于自适应滑模控制的四轮全向移动机器人轨迹跟踪方法研究

针对四轮全向移动机器人动力学模型参数的不确定性以及外部扰动的影响,为提高其轨迹跟踪控制性能,提出了一种基于自适应滑模的四轮全向移动机器人轨迹跟踪控制方法。首先,基于驱动电机参数建立了机器人的动力学模型,在此基础上设计了一种自适应滑模轨迹跟踪控制器;其次,通过低通滤波器滤除轨迹跟踪控制器输出端的高频信号,同时为实现机器人动力学参数的在线估计,提出了一种参数自适应控制算法并利用RBF神经网络实时调整轨迹跟踪控制器的切换增益,以减小系统的抖振;最后,为验证所述方法的有效性,采用MATLAB进行了仿真实验。仿真结果表明,基于自适应滑模控制的四轮全向移动机器人轨迹跟踪方法可以较好地降低参数变化、外部扰动对系统的影响,能够减小系统的抖振,具有较好的抗干扰能力。     

非完整移动机械臂的自适应模糊滑模控制研究

针对四轮二连杆非完整移动机械臂的轨迹跟踪问题,设计了一种结合自适应模糊控制和滑模控制的控制策略。首先建立了系统包含未知动力学模型不确定性和外部扰动的动力学控制模型,然后基于反演技术设计了控制器;采用了模糊控制来逼近系统未知时变总体不确定性,并采用了自适应机制动态优化模糊系统控制参数,进一步采用了指数趋近律滑模控制消除模糊逼近误差的影响。研究结果表明:该控制器对系统总体不确定性进行了有效补偿,保证了移动机械臂在复杂不确定环境下的良好轨迹跟踪性能。     

非连续路段下移动机器人的轨迹跟踪

针对轮式移动机器人在非连续路段下的轨迹跟踪问题,对移动机器人数学模型和道路模型的建立、轨迹信息的获取以及控制器的设计进行了研究。首先分析了移动机器人的运动学方程及对摄像机的标定,通过建立移动机器人的直线轨迹跟踪模型,并用二值化方法对非连续路段进行了图像处理,提取了图像中非连续路段信息,实现了移动机器人在轨迹跟踪过程中运动的可靠性;然后基于Lyapunov函数设计了渐进稳定的轨迹跟踪控制器,使移动机器人能够在连续路段和非连续路段跟踪确定路径;最后通过Matlab进行了仿真。仿真结果表明,所设计的控制器和算法能使移动机器人的跟踪误差快速收敛于零,轨迹跟踪效果良好,适用于移动机器人对非连续路段的轨迹跟踪控制。     

Adaptive Trajectory Tracking Control for a Nonholonomic Mobile Robot

As one of the core issues of the mobile robot motion control, trajectory tracking has received extensive attention. At present, the solution of the problem only takes kinematic or dynamic model into account separately, so that the presented strategy is difficult to realize satisfactory tracking quality in practical application. Considering the unknown parameters of two models, this paper presents an adaptive controller for solving the trajectory tracking problem of a mobile robot. Firstly, an adaptive kinem...     

事件触发的自适应移动机器人轨迹跟踪控制

针对纵向滑转对移动机器人轨迹跟踪控制的影响,提出了一种基于事件触发的自适应轨迹跟踪控制方法。引入自适应估计策略,通过两个滑转参数自适应估计驱动轮的纵向滑转情况,克服纵向滑转带来的运动扰动。同时结合事件触发思想,设计触发函数,降低通信频次,节约计算资源。最后,利用Lyapunov稳定性理论对系统的稳定性进行证明。仿真及实验结果表明,在纵向滑转使得位置误差最大值的均方根提升56.85%的情况下,控制系统仍能在短时间内迅速收敛,提高了运动系统的稳定性。     

基于彩色视觉和模糊控制的移动机器人路径跟踪

利用颜色信息提取路径，简化了图像的特征提取，提高了路径提取的鲁棒性，采用模糊控制策略避免了传统控制的复杂建模过程，使该路径跟踪系统适用于高度非线性和不确定性的环境，并对影响跟踪系统性能的因素进行了分析，对视觉感和系统的滞后进行了修正。该路径跟踪方法已成功地应用于HEBUT－1型移动机器人上。     

非协调移动机器人的变结构跟踪控制

研究非协调移动机器人系统的跟踪问题。根据反演设计的方法 ,针对双后轮驱动移动机器人的运动学模型 ,设计变结构跟踪控制方案 ,使闭环跟踪系统渐近稳定。对双后轮驱动机器人的仿真证实了控制器的鲁棒跟踪能力     

自主导航小车(AGV)轨迹跟踪的模糊预测控制

针对非完整约束的轮式移动机器人WMR轨迹跟踪问题,以差速驱动式轮式移动机器人XAUT.AGV100为研究对象,对WMR的运动控制问题作了进一步的研究。本文在分析现有移动机器人运动控制方法的基础上,充分利用模糊控制和预测控制的优点,将模糊控制的思想引入到预测控制中,设计了模糊预测控制算法,并采用此方法控制自主导航小车AGV以提高其轨迹跟踪的快速性和运动的平稳性。理论仿真分析和实验研究均证明,采用所设计的模糊预测方法控制AGV,可有效提高AGV轨迹跟踪的快速性和运动平衡性。     

农业轮式移动机器人自适应滑模路径跟踪控制

针对不确定性干扰影响下的农业轮式移动机器人鲁棒自适应路径跟踪问题,提出一种非时间参考的自适应滑模路径跟踪控制方法。首先,选择合适的非时间参考量,建立面向移动机器人路径跟踪控制器设计的相对运动学模型,摆脱了时间和速度因素的影响。其次,对传统的指数趋近律进行改进,设计了新型的快速趋近律。此外,引入RBF神经网络对不确定性干扰进行实时估计,进而提出一种基于新型趋近律的自适应滑模控制方法,并对其性能进行了理论分析与证明。该控制方法既消除了抖振现象又提高了轮式移动机器人在不确定性干扰作用下的路径跟踪性能。最后,通过仿真验证了提出方法的有效性和优越性。     

SCARA机器人的自适应迭代学习轨迹跟踪控制

为了减小执行重复运动任务机器人的末端位置误差,提出了自适应迭代学习轨迹跟踪控制算法。根据拉格朗日方程得到SCARA机器人的动力学模型,设计了控制力矩的迭代算法,利用Lyapunov函数对该算法的稳定性进行了理论证明,搭建了具有典型机械结构的SCARA机器人实验平台。通过实验验证了自适应迭代学习控制算法能有效减小SCARA机器人的末端位置误差,具有较强的可执行性。     

混合输入机构的模糊自适应变结构控制

针对混合输入机构中常速电机可不可控的特点,提出了基于常速电机位置跟踪的控制策略来对伺服电机进行控制,对常速电机的速度波动进行补偿,并给出了控制框图。因为系统的精确动力学模型难以获得,故考虑系统参数的不确定、外部扰动和非线性摩擦,设计了模糊自适应滑模变结构控制器以实现混合输入机构的轨迹跟踪。应用模糊自适应推理逼近系统的不确定之和,从而得到连续的控制增益,消除了变结构控制的抖振。