轮式移动机器人轨迹跟踪控制的参数化方法

在轮式移动机器人控制系统状态空间模型的基础上,通过分析两轮独立驱动的移动机器人的动力学方程,给出轮式移动机器人轨迹跟踪控制问题的数学描述;基于线性系统的特征结构配置和模型参考理论提出一种轮式移动机器人轨迹跟踪控制的参数化方法,设计系统的反馈镇定控制器和前馈跟踪控制器.仿真结果表明,提出的控制方案是行之有效的.     

轮式移动机器人快速轨迹跟踪

为了克服轮式移动机器人响应能力的有限性、保证轮式移动机器人快速跟踪给定的参考轨迹,本文充分利用预演信息(即提前获取的将来参考信息),设计预演控制策略、调节轮式移动机器人的驱动电压来控制机器人,使其快速跟踪给定的参考轨迹.首先,针对运动学模型设计虚拟控制器以保证轮式移动机器人能够渐近跟踪给定的参考轨迹.其次,建立了虚拟控制器的离散时间线性状态空间模型.再次,基于轮式移动机器人的动力学模型和虚拟控制器的线性模型,将轨迹跟踪控制问题等价转化成一个具有已知输入的线性二次调节问题.最后,基于Riccati方程的解,给出了最优预演控制策略的反馈增益.事实上,本文所提出的为虚拟控制器建立线性状态空间模型的方法适用于任意离散信息,这极大地方便了信息的处理与提前使用;另一方面,由于提前使用了参考信息,本文所提的预演控制策略能够快速地跟踪给定的参考轨迹.仿真实验以类正弦曲线为参考轨迹进行跟踪,结果表明:所提控制策略能使轮式移动机器人的速度与轨迹跟踪误差快速地趋于零,验证了所提预演控制算法的有效性.     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

机器人手臂轨迹跟踪的变增益LPV鲁棒H_∞控制器设计

针对机器人手臂模型中存在动态不确定性和外部干扰的不确定性,引入变增益线性变参数的鲁棒H_∞控制方法,设计了手臂轨迹跟踪控制器。采用拉格朗日法建立机器人手臂轨迹跟踪动态方程;利用变增益线性变参数凸分解技术,将这一动态模型转化为具有凸多面体结构的线性变参数模型;根据鲁棒控制理论和线性矩阵不等式理论,在凸多面体的各个顶点设计反馈控制器,然后利用各个顶点控制器综合得到线性变参数控制器。仿真结果表明,机器人手臂对于关节位置的变化始终具有良好的跟踪性能。     

含有Markov参数的广义离散系统的H∞控制

针对一类含有Markov跳变参数和时滞的广义离散系统的H_∞控制问题,提出一种基于模态跳变的无记忆状态反馈控制器的设计方法．通过将行列式方程的可解性转化为矩阵的最大特征值与零的关系,使得含有Markov跳变参数广义系统的正则性转化为系统矩阵最大特征值的问题,并应用矩阵的线性变换与分块技术来保证系统的因果性．同时利用构造的Lyapunov函数和线性矩阵不等式,证明并给出了系统容许性的充分条件,提出了次优H_∞控制设计方法,所设计的控制器使得系统满足所给定的H_∞衰减水平．数值仿真结果表明,所设计的控制器使得闭环系统拥有容许性,同时系统对于干扰有很强的抑制能力．     

基于VGLPV极点配置的非完整机器人轨迹跟踪鲁棒H_∞控制

针对非完整移动机器人模型中存在的动态不确定性,提出一种基于线性变参数的鲁棒H_∞控制,并同时具有极点配置的轨迹跟踪控制器。采用欧拉-拉格朗日方程建立机器人轨迹跟踪动态方程;利用变增益线性变参数凸分解技术,将这一动态模型转化为具有凸多面体结构的线性变参数模型;根据鲁棒控制理论和线性矩阵不等式理论,在凸多面体的各个顶点设计状态反馈控制器,然后利用各个顶点控制器综合得到线性变参数控制器。仿真结果表明,机器人对于参数的变化具有良好的跟踪性能。     

AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

具有H_∞性能的轮式移动机器人非线性控制器设计

针对移动机器人动力学模型中的参数不确定性和扰动不确定性问题,提出了具有H_∞跟踪性能的自适应反步控制方法。首先,以线速度和角速度为虚拟的控制输入,设计了具有渐进稳定性的运动学轨迹跟踪控制器。其次,针对动力学系统中存在的不确定参数,采用自适应方法对其进行在线估计,该方法通过引入不连续映射保证了参数估计值的有界性。然后,采用反步法设计了动力学控制器,同时,在Lyapunov框架下证明了该控制器对扰动具有H_∞性能。最后通过仿真试验证明,即使在参数未知的情况下,该控制器也能够控制移动机器人跟踪上参考轨迹,且当系统存在外部扰动时,系统输出偏差能够收敛到有界范围内。由此验证了本文方法能够有效抑制系统参数变化及扰动对控制性能的影响。     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.     

欠驱动水面船舶的非线性滑模轨迹跟踪控制

针对模型参数存在不确定性和风、浪、流时变干扰的三自由度欠驱动水面船舶动态轨迹跟踪控制问题,根据滑模控制对系统的不确定性和外界干扰具有鲁棒性的特点,提出了一种新型的非线性滑模控制律设计方法.在设计时根据欠驱动水面船舶的固有特性,船舶在横向上没有驱动,如果要同时控制船舶水平面位置和艏摇角3个自由度的运动,就需要分别引入关于纵向跟踪误差的一阶滑动平面和关于横向跟踪误差的二阶滑动平面来间接设计控制律.仿真结果表明,所设计的控制器能够使船舶跟踪虚拟船产生的参考轨迹,对参数不确定和外界扰动具有强的鲁棒性.     

欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略. 针对欠驱动USV参数不确定问题,运用神经网络自适应方法对欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.     

基于参数化的二阶动力学系统鲁棒控制器设计

研究了一类受扰二阶动力学系统的鲁棒渐近跟踪问题,即采用一种参数化方法来设计具有干扰抑制的模型跟踪控制器.利用模型跟踪控制器所满足的矩阵方程的完全参数化解,给出了跟踪控制器增益的一种参数化表示,从而提供了该模型跟踪设计的所有自由度.然后利用参数化方法所提供的自由度最小化扰动到跟踪误差传递函数的范数来实现干扰抑制.最后通过一个数值例子验证了所提方法的有效性.     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

基于改变控制时域时间步长的智能车轨迹跟踪控制

为了解决模型预测控制设计智能车轨迹跟踪控制器存在求解计算时间长、在线实时性低的问题,借助于矩阵分块化策略,提出了一种基于控制时域变步长的模型预测轨迹跟踪控制方法。通过矩阵分块化改变控制时域步长,并融入到二次规划的求解过程中,重构目标函数形式和系统约束条件,以减少求解过程中最优控制序列中待求解变量的数量,降低求解计算时间。在Simulink与Carsim联合仿真平台中,将本文方法与传统模型预测控制方法进行仿真对比分析。结果表明,相比于传统模型预测控制方法,本文方法在保证轨迹跟踪精度的前提下,平均求解计算时间降低了24.39%,最大单次计算时间降低了45.05%,采用“前密后疏”的分块矩阵,其控制器性能优于“平均化”的分块矩阵。     

基于MPC的自动驾驶车辆横向路径跟踪控制

由于驾驶技能、生理极限等原因,人工驾驶员在转向操作中存在响应迟滞、动作超调等问题,控制性能优良的自动驾驶车辆可以改善上述问题。设计了一种基于模型预测控制(MPC)的自动驾驶车辆横向路径跟踪控制器。基于预瞄跟随理论建立了最优侧向加速度的驾驶员转向模型,以分析驾驶员方向盘操作中预瞄时间和车速对车辆跟踪参考路径的影响。基于模型预测控制算法设计了车辆横向路径跟踪控制器,利用反馈校正机制改进车辆预测模型,以处理参数不完全确定和外部干扰对模型精度带来的影响;采用松弛因子对目标函数进行处理,以保证目标函数具有可行解;进一步地,将所设计的模型预测控制器每一步的优化求解转化为带约束的二次规划问题,利用模型预测控制滚动优化的特点,求解跟踪参考路径所需的方向盘转角,作用于自动驾驶车辆。实验结果表明:预瞄时间和车速对驾驶员操控车辆跟踪参考轨迹的影响较大,MPC控制器下的车辆实际行驶轨迹与参考轨迹之间的最大横向偏差为0.085 m,小于熟练驾驶员操控的车辆,同时,MPC控制器下的车辆转向起始时刻相对于熟练驾驶员操控的车辆提前0.89 s。     

基于CLF的移动舞台机器人轨迹跟踪预测控制

针对移动舞台机器人的轨迹跟踪和区域受限控制问题,提出一种参数化模型预测控制算法.该算法的主要思想是离线构造移动舞台机器人误差系统的一个控制Lyapunov函数(CLF),再根据CLF主动控制方法设计可调预测控制器,并通过在线滚动优化给定性能指标计算控制器的可调参数,在保证控制器自适应性的同时降低了MPC计算量,保证了优化问题的递推可行性和闭环系统的稳定性.最后,以"圆"为参考轨迹做仿真验证,仿真结果表明:该算法具有快速、精确和全局稳定的良好特性.     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

基于LMI的范数有界不确定采样系统的输出反馈鲁棒镇定

将采样控制系统转化为等价的跳变系统,设计目标为对所有容许的参数不确定性设计一个输出反馈采样控制器,使得闭环系统渐近稳定。以线性矩阵不等式的形式给出了鲁棒镇定问题可解的充分条件,并由可行解构造输出反馈采样控制器的参数矩阵。对短周期飞行器动态模型的仿真结果验证了所提方法的有效性和正确性。     

基于视觉的移动机器人轨迹跟踪

借助视觉反馈,研究了质心与几何中心不重合的非完整移动机器人轨迹跟踪控制问题。利用固定在天花板上的摄像机系统,作者提出了一种基于视觉伺服的运动学跟踪误差模型;基于这个模型,在质心与几何中心和视觉参数未知的情形下,作者设计了自适应轨迹跟踪控制器,并运用李雅普诺夫方法严格证明了闭环系统的稳定性。Matlab仿真证明了控制器的有效性。     

水下运载器多变量鲁棒输出反馈控制方法

针对存在较大参数不确定性和仅具有位置、姿态测量的水下运载器的六自由度位姿控制难题,提出一种基于自适应平滑增益滑模观测器和多变量积分Backstepping控制器的非线性控制方法.解决水下运载器的鲁棒输出反馈控制问题,使用基于Lyapunov稳定性理论的设计方法保证观测器 控制器系统的稳定性.设计的自适应平滑增益滑模观测器,克服常规滑模观测器中所存在的高频颤振现象,从而获得较平滑的速度估计值.当存在模型不确定性和有界未知干扰时,可以保证速度估计误差以指数速率收敛至较小的球域内.设计的多变量积分Backstepping控制器,可以保证系统的跟踪误差同样收敛至较小的球域内.以浙江大学正在研制的海王号ROV六自由度控制为研究对象,使用所提出的控制方法与传统PID控制器进行对比仿真研究.仿真结果表明,当存在较大参数不确定性、较强未知外干扰和测量噪声时,所提出的控制方法具有较强的鲁棒性能,可以很好地跟踪参考轨迹,获得较好的动态性能和稳态控制精度.性能明显优于常规PID控制器,并且解决了PID控制器所存在的转艏角设定值不能大于90°的问题.