非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

基于自适应反步法的轮式移动机器人跟踪控制

轮式移动机器人是一种典型的非完整约束系统.基于反步法提出一种自适应扩展控制器,对含有未知参数的非完整轮式移动机器人动力学系统进行轨迹跟踪控制并且Lyapunov稳定性理论保证跟踪误差渐近收敛到零.为了克服速度跳变产生滑动,加入了神经动力学模型对控制器进行改进.以两驱动轮移动机器人为例,利用运动学自适应控制器设计出转矩控制器,有效解决了不确定非完整轮式移动机器人动力学系统的轨迹跟踪问题.仿真结果证明该方法的正确性和有效性.     

具有未校准视觉参数的移动机器人的跟踪控制

基于未校准视觉反馈的非完整运动学系统具有参数不确定性,较一般的运动学系统更加复杂.根据视觉反馈和非完整移动机器人的链式标准形式,研究了具有未标定摄像机视觉参数的移动机器人的轨迹跟踪控制问题.利用固定在天花板上的摄像机系统提出运动学跟踪误差模型,并对该误差系统模型提出了一种动态反馈跟踪控制器;对具有不确定机械参数的动力学模型,提出一种自适应力矩控制器,该控制器保证了实际机器人状态渐近跟踪给定的参考轨迹,并通过Lyapunov方法严格证明了整个闭环系统的稳定性.仿真结果证实了所提出的控制器的有效性.     

非完整约束移动机器人的轨迹跟踪控制

针对非完整约束移动机器人运动学与动力学模型,根据轨迹跟踪控制目标的需要,设计了一种简单的控制器,该控制器结合了运动学控制器设和动力学控制器两部分;针对运动学模型,采用自适应算法对其未知参数进行估计,针对系统动力学模型,采用单层神经网络算法克服未知扰动对系统稳定性的影响,使速度误差尽可能地缩小;在Lyapunov稳定性理论的基础上证明了系统的收敛性和稳定性,该控制算法简单有效,易于实现;仿真结果表明:该控制策略可以实现对移动机器人期望轨迹的稳定跟踪,验证了算法的有效性。     

含未标定摄像机参数的非完整移动机器人的自适应动力学跟踪控制

结合一类非完整移动机器人的运动学模型和链式转换,在质心与几何中心重合的情况下,研究含有未知参量的非完整移动机器人的跟踪控制问题.首先,利用针孔摄像机模型提出一种基于视觉伺服的运动学跟踪误差模型;然后在此模型下,将动态反馈、Back-stepping技巧与自适应控制相结合,设计一个区别于以往处理方法、含有两个动态反馈的自适应跟踪控制器,从而实现动力学系统的全局渐近轨迹跟踪,并通过李亚普诺夫方法严格证明闭环系统的稳定性和估计参数的有界性;最后,利用Matlab仿真验证所提出的控制器的有效性.     

轮子纵向打滑条件下的移动机器人自适应跟踪控制

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题,提出一种自适应跟踪控制策略.利用两个未知参数来描述移动机器人左右轮的纵向打滑程度,建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型;设计了补偿纵向滑动的自适应非线性反馈控制律;应用 Lyapunov 稳定性理论与 Barbalat 定理证明了闭环系统的稳定性;同时,提出了一种由极点配置方法在线调整控制器增益的方法.仿真结果验证了所提出控制方法的有效性.     

具有未知视觉参数的非完整移动机器人的自适应动态反馈跟踪控制

基于视觉反馈和标准链式形式,研究了一类不确定非完整移动机器人的轨迹跟踪控制问题.首先,利用针孔摄像机模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型.基于这个模型,在具有不确定视觉参数的情形下,利用back-stepping技术,设计出了一种新的自适应动态反馈跟踪控制器,实现了全局渐近的轨迹跟踪,并通过李亚普诺夫方法严格证明了闭环系统的稳定性和估计参数的有界性.仿真结果证明了所提出的控制器的有效性.     

不确定非完整移动机器人的轨迹跟踪控制

具有未校准视觉参数的非完整移动机器人的运动学系统具有参数不确定性,较一般的运动学系统更加复杂.基于视觉反馈、Barbalat's定理和Lyapunov直接方法,研究了具有未标定摄像机参数的非完整移动机器人的轨迹跟踪问题.首先,利用固定在天花板上的针孔摄像机透视投影模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型;基于这个模型,提出了一种新的与未知视觉参数无关的动态反馈跟踪控制器.该控制器不仅保证系统的状态渐近跟踪给定参考轨迹,而且控制器是全局的,通过Lyapunov方法严格证明了闭环系统的稳定性.在惯性系和图像坐标系下讨论跟踪问题,使问题变的简单且设计的控制器更加有用.最后,仿真结果证实了所提出的控制器的有效性.     

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.     

滑动及侧滑影响下的移动机器人轨迹跟踪控制

对受滑动及侧滑影响的移动机器人轨迹跟踪控制问题进行研究。在动力学部分,通过模糊系统逼近系统中的未知非线性,H_∞控制对滑动和侧滑干扰因素的补偿,利用Lyapunov函数推导出模糊参数的自适应律,设计出基于动力学的自适应模糊控制器。在运动学部分,设计逆运动学控制器,处理移动机器人实际位置与期望位置的误差,得到移动机器人运动的期望速度。将逆运动学控制器与自适应模糊控制器级联,并通过Lyapunov方法证明控制系统的稳定性。与自适应动力学控制器进行比较。仿真结果表明:在滑动及侧滑的影响下提出的策略具有较好的轨迹跟踪性能。     

Robust adaptive control for a nonholonomic mobile robot with unknown parameters

A robust adaptive controller for a nonholonomic mobile robot with unknown kinematic and dynamic parameters is proposed. A kinematic controller whose output is the input of the relevant dynamic controller is provided by using the concept of backstepping. An adaptive algorithm is developed in the kinematic controller to approximate the unknown kinematic parameters, and a simple single-layer neural network is used to express the highly nonlinear robot dynamics in terms of the known and unknown parameters. In order to attenuate the effects of the uncertainties and disturbances on tracking performance, a sliding mode control term is added to the dynamic controller. In the deterministic design of feedback controllers for the uncertain dynamic systems, upper bounds on the norm of the uncertainties are an important clue to guarantee the stability of the closed-loop system. However, sometimes these upper bounds may not be easily obtained because of the complexity of the structure of the uncertainties. Thereby, simple adaptation laws are proposed to approximate upper bounds on the norm of the uncertainties to address this problem. The stability of the proposed control system is shown through the Lyapunov method. Lastly, a design example for a mobile robot with two actuated wheels is provided and the feasibility of the controller is demonstrated by numerical simulations.     

含驱动器动力学的移动机器人编队自适应控制

针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者[l-ψ]控制结构,通过反步法设计了一种将运动学控制器与驱动器输入电压控制器相结合的新型控制策略。采用径向基神经网络（RBFNN）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。该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;基于Lyapunov方法的设计过程,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。     

基于视觉伺服反馈的不确定非完整动态移动机器人的自适应镇定

研究了带有固定在天花板上的摄像机系统的非完整动态移动机器人的镇定问题. 首先, 利用针孔摄像机模型引入了基于摄像机目标的视觉伺服运动学模型,并针对该运动学模型给出了一个运动学镇定控制器. 然后,在摄像机参数不确定的情形下设计了一个自适应滑模控制器实现了不确定动态移动机器人的镇定. 提出的控制器不仅对结构不确定性如质量变化, 而且对无结构不确定性如外部扰动都具有鲁棒性. 通过Lyapunov方法严格证明了提出的控制系统的稳定性和估计参数的有界性. 仿真结果证实了控制律的有效性.     

改进的BPnn在移动机器人轨迹跟踪中的应用

针对BPnn（BP神经网络）在复杂多输入情况下,样本训练速度慢,不能满足实时性要求的缺点,提出了一种把神经网络分割成若干子网分别进行训练来获取更高计算效率的方法。将改进的BPnn应用于移动机器人在未知参数和不确定干扰下的轨迹跟踪控制问题中,提出了一种运动控制器和动力学控制器相结合的改进的计算力矩控制方法,用后退算法设计运动学控制器,用改进的BPnn优化动力学控制器。通过MATLAB数值仿真证明了算法的有效性和正确性。     

不确定机器人的自适应神经网络控制与学习

针对具有未知动态的电驱动机器人,研究其自适应神经网络控制与学习问题.首先,设计了稳定的自适应神经网络控制器,径向基函数(RBF)神经网络被用来逼近电驱动机器人的未知闭环系统动态,并根据李雅普诺夫稳定性理论推导了神经网络权值更新律.在对回归轨迹实现跟踪控制的过程中,闭环系统内部信号的部分持续激励(PE)条件得到满足.随着PE条件的满足,设计的自适应神经网络控制器被证明在稳定的跟踪控制过程中实现了电驱动机器人未知闭环系统动态的准确逼近.接着,使用学过的知识设计了新颖的学习控制器,实现了闭环系统稳定、改进了控制性能.最后,通过数字仿真验证了所提控制方法的正确性和有效性.     

基于自适应和神经动力学的轮式移动机器人路径跟踪控制(英文)

本文提出一种自适应和神经动力学相结合的轮式移动机器人路径跟踪控制方法.首先,设计运动学控制器用来获得机器人期望速度;其次,考虑机器人动力学模型参数的不确定性,利用模型参考自适应方法来设计动力学控制规律,使得机器人实际速度渐近逼近期望值;再次,为克服速度和力矩的跳变,加入神经动力学模型对控制器进行优化,并且通过Lypunov理论来证明整个控制系统的稳定性;最后仿真结果表明该控制方法的有效性.