一类非完整移动机器人编队控制方法

针对大部分两轮非完整移动机器人轮轴中心与几何中心不重合的特点, 提出一种多机器人协调编队控制算法. 构造队形参数矩阵确定编队形状, 根据领航机器人和相关队形参数生成虚拟机器人, 把编队控制分解为跟随机器人对虚拟机器人的轨迹跟踪. 建立虚拟机器人与跟随机器人之间误差系统模型, 利用Lyapunov 理论设计相应控制器, 从而实现队形保持和变换. 应用microsoft robotics developer studio 4(MRDS4) 搭建3D 仿真平台, 设计3 组实验, 结果进一步验证了所提出方法的有效性.

     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

基于单应性矩阵的移动机器人编队跟随控制

本文针对以领航跟随模型为代表的移动机器人编队系统提出了一种基于单应性的编队跟随控制方案,在给定理想队形间隔距离和理想期望图像的前提下,利用单应性矩阵构造可反映理想队形中跟随机器人实时位姿的虚拟机器人,将原先的编队问题转化为对虚拟机器人的轨迹跟踪问题.编队跟随过程中,领航机器人的速度采用估计的方式,利用单应性与速度之间的关系模型以及跟随机器人的实时速度能较为准确的估计领航速度,从而避免采用局部通信的方式,节省了编队实验成本.最后本文进行的半实物仿真以及实物实验均可验证所提出的编队跟随算法包括速度估计方法的实际有效性.     

基于虚拟领队的不确定轮式移动机器人自适应编队控制

针对包含不确定动力学因素的轮式移动机器人的编队控制问题,运用虚拟领队的概念,提出一种基于径向基神经网络的自适应编队控制方法.首先通过虚拟领队的引入,将高维编队控制问题转化为单个移动机器人的跟随问题;然后,利用权值自适应变化的径向基神经网络在线估计跟随机器人不确定部分的上界值,大大简化了控制器的设计过程;最后,应用Lyapunov稳定性理论和Barbalat定理证明了闭环系统的稳定性.仿真结果表明了所提出控制策略的有效性.     

带有未知参数和有界干扰的移动机器人轨迹跟踪控

针对模型参数未知和存在有界干扰的非完整移动机器人的轨迹跟踪控制问题,本文提出了一种鲁棒自适应轨迹跟踪控制器方法.非完整移动机器人的控制难点在于它的运动学系统是欠驱动的.针对这一难点,本文利用横截函数的思想,引入新的辅助控制器,使得非完整移动机器人系统不再是一个欠驱动系统,缩减了控制器设计的难度,进而利用非线性自适应算法和参数映射方法构造李雅谱诺夫函数.通过李雅普诺夫方法设计控制器和参数自适应器,从而使得非完整移动机器人的跟随误差任意小,即可以任意小的误差来跟随任意给定的参考轨迹.仿真结果证明了方法的有效性.     

带有未知参数和有界干扰的移动机器人轨迹跟踪控制

针对模型参数未知和存在有界干扰的非完整移动机器人的轨迹跟踪控制问题,本文提出了一种鲁棒自适应轨迹跟踪控制器方法.非完整移动机器人的控制难点在于它的运动学系统是欠驱动的.针对这一难点,本文利用横截函数的思想,引入新的辅助控制器,使得非完整移动机器人系统不再是一个欠驱动系统,缩减了控制器设计的难度,进而利用非线性自适应算法和参数映射方法构造李雅谱诺夫函数.通过李雅普诺夫方法设计控制器和参数自适应器,从而使得非完整移动机器人的跟随误差任意小,即可以任意小的误差来跟随任意给定的参考轨迹.仿真结果证明了方法的有效性.     

移动机器人编队的递归模糊神经网络滑模控制

研究非完整移动机器人编队控制优化问题,由于动态模型存在诸多不稳定性,针对领航者-跟随者l-ψ控制结构,提出了一种Back stepping运动学控制器与自适应神经滑模控制器相结合的新型控制策略.采用动态递归模糊神经网络(dynam-ic recurrent fuzzy neural network,DRFNN)对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿.所提方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;根据Lyapunov方法的设计过程,保证了控制系统的稳定;仿真结果表明了改进方法对机器人编队优化控制的有效性.     

基于改进弹簧模型的移动机器人柔顺跟随行人方法

针对人机共融环境下的跟随型自动搬运机器人,为了解决被跟随目标突发性运动造成机器人失灵的难题,提出了一种基于改进弹簧模型的移动机器人柔顺跟随方法.给被跟随目标的腿部和障碍物添加虚拟弹簧,完成了对机器人和被跟随目标之间相对位姿的闭环控制,从而实现躲避障碍物和自然交互任务.特别地,通过给虚拟弹簧添加动态阻尼系数,实现了移动机器人跟随目标运动的实时性和柔顺性.通过Simulink仿真对比移动机器人对被跟随目标的柔顺跟随轨迹,实现对改进弹簧模型的参数优化.采用自主开发的两轮差速移动机器人和Vicon光学运动捕捉系统,在被跟随目标做无规律、长距离运动的条件下,验证了该移动机器人跟随轨迹的平滑性和柔顺性.     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

含未知信息的轮式移动机器人编队确定学习控制

本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航–跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.     

Formation Control and Tracking for Co-operative Robots with Non-holonomic Constraints

This paper mainly addresses formation control problem of non-holonomic systems in an optimized manner. Instead of using linearization to solve this problem approximately, we designed control laws with guaranteed global convergence by leveraging nonlinear transformations. Under this nonlinear transformation, consensus of non-holonomic robots can be converted into a stabilization problem, to which optimal treatment applies. This concept is then extended to the formation control and tracking problem for a team of robots following leader-follower strategy. A trajectory generator prescribes the feasible motion of virtual reference robot, a decentralized control law is used for each robot to track the reference while maintaining the formation. The asymptotic convergence of follower robots to the position and orientation of the reference robot is ensured using the Lyapunov function which is also generated using chained form differential equations. In order to witness the efficacy of the scheme, simulations results are presented for Unicycle and Car-like robots.     

Logarithmic control,trajectory tracking,and formation for nonholonomic vehicles on Lie group SE(2)

This paper studies the problem of set-point stabilisation, trajectory tracking, and formation tracking for unicycle-type vehicles by taking advantage of the exponential coordinates and the other mathematical tools provided by the Lie group setting of the special Euclidean group SE(2). Motivated by recent developments in geometric control approaches for holonomic systems, we first study the stabilisation problem for nonholonomic constrained kinematic systems by improving the logarithmic stabilising control laws in such a way that they can satisfy nonholonomic constraints too. We then extend the control design to the problem of trajectory tracking by proposing auxiliary systems and investigating the conditions for which the adjoint map in the Lie algebra preserves the velocity constraint. This leads to a global control law which is valid for general time-varying as well as non-smooth trajectories. The tracking control law is also applied to the problem of leader-follower formation tracking by constructing nonholonomic virtual leaders in the desired formation. Finally, the kinematic control law is translated to a differential drive robot using the backstepping technique. To demonstrate the effectiveness of the controllers, the numerical results are presented and the performances are compared with the other three controllers in the literature.     

基于机器人力控制表面跟踪的遥控焊接虚拟环境标定

提出了基于机器人力控制表面跟踪的遥控焊接虚拟环境标定方法．采用基于力觉传感器坐标系横切面轮廓线的力控制策略对工件表面进行跟踪,并精确测量接触点的空间位置．通过椭圆跟踪轨迹直接最小二乘拟合算法和T形管工件标定算法,解决了T形管工件的虚拟环境标定问题．实验结果表明,该方法可以实现高精度的虚拟环境标定,虚拟环境模型精度能够满足以被动柔顺方式完成遥控焊接接触任务的需要．     

基于眼到手视觉伺服的移动机器人模型预测控制

针对具有速度约束的移动机器人视觉轨迹跟踪问题,提出了一种基于LOQO内点法的模型预测控制方法;在眼到手框架下,首先建立了移动机器人误差模型,并对该误差模型进行离散化,给出了移动机器人视觉伺服跟踪的代价函数;同时考虑到实际中移动机器人存在速度约束问题,将代价函数的最小化问题转换为带输入约束的模型预测控制问题;然后采用障碍函数法将移动机器人的速度约束转化为等式约束并采用拉格朗日乘子法引入到代价函数中;进而,利用LOQO内点法求解具有速度约束的最小化问题,得到基于视觉的轨迹跟踪控制器;最后,通过仿真验证了所提算法的有效性和优越性.     

基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统设计

为了保证机器人能够在保持稳定的情况下,按照规划轨迹执行工作任务,从硬件和软件两个方面,设计了基于Sigmoid函数的机器人鲁棒滑模跟踪控制系统。装设机器人传感器与状态观测器,改装机器人鲁棒滑模跟踪控制器,完成系统硬件设计。综合机器人结构、运动机理和动力机制三个方面,构建机器人数学模型。根据状态数据采集结果与规划轨迹之间的偏差,计算机器人跟踪控制量。依据滑模运动与切换方程,利用Sigmoid函数生成机器人鲁棒滑模控制律,将生成控制指令作用在机器人执行元件上,实现系统的鲁棒滑模跟踪控制功能。实验结果表明,所设计控制系统的机器人移动轨迹与设定轨迹目标基本重合,其机器人姿态角跟踪控制误差较小,具有较好的鲁棒滑模跟踪控制效果,能够有效提高机器人鲁棒滑模跟踪控制精度。     

多机器人主—从行星式编队控制

研究了二阶积分器描述的多机器人主—从行星式编队控制问题,提出了将多机器人编队分解为每个机器人对各自具有时变速度的虚拟机器人的跟踪控制,使得每个机器人相对于虚拟机器人的位置与速度跟踪误差收敛为零且彼此不相碰撞,此时编队系统收敛到理想队形.在统一的算法框架下,分别实现了跟随者以领航者为中心的公转运动编队(revolution formation,RF)模式和跟随者与领航者保持期望距离、期望速度的编队(desiredformation,DF)模式.公转运动编队(RF)模式适用于异构多机器人系统的环境探索任务;保持期望距离、期望速度的编队(DF)模式适用于自主水下机器人(AUV)、无人机(UAV)等合作与协调任务.应用李亚普诺夫稳定性理论对控制算法的稳定性进行了分析,并通过计算机仿真验证了该方法的有效性.     

A family of virtual contraction based controllers for tracking of flexible‐joints port‐Hamiltonian robots: Theory and experiments

In this work, we present a constructive method to design a family of virtual contraction based controllers that solve the standard trajectory tracking problem of flexible‐joint robots in the port‐Hamiltonian framework. The proposed design method, called virtual contraction based control, combines the concepts of virtual control systems and contraction analysis. It is shown that under potential energy matching conditions, the closed‐loop virtual system is contractive and exponential convergence to a predefined trajectory is guaranteed. Moreover, the closed‐loop virtual system exhibits properties such as structure preservation, differential passivity, and the existence of (incrementally) passive maps. The method is later applied to a planar RR robot, and two nonlinear tracking control schemes in the developed controllers family are designed using different contraction analysis approaches. Experiments confirm the theoretical results for each controller.