四轮全方位移动机器人的建模和最优控制

本文研究实时动态环境中四轮全方位移动机器人的运动控制和轨迹规划.通过对机器人运动学和动力学特性的分析,给出了四轮全方位移动机器人的控制模型,并根据方程特性对其进行了合理的简化,使得计算量有效减少.同时采用Bang-Bang控制规划出时间最优的机器人运动轨迹.通过轨迹规划和控制模型的结合达到了实时控制的效果.实验证明了模型的正确性和算法的有效性.     

基于终端滑模机器人模糊自适应路径跟踪控制

对质心位置未知的移动机器人系统设计了基于快速终端滑模的模糊自适应路径跟踪控制方法。该方法采用模糊逻辑系统逼近控制器中的未知函数,基于李亚普诺夫稳定性分析方法对未知参数设计自适应律,并设计鲁棒控制器来补偿逼近误差。该方法不但可以保证闭环系统中的所有信号有界,而且可使跟踪误差在有限时间内收敛到原点的小邻域内。仿真结果验证了方法的有效性。     

非完整移动机器人路径跟踪的模糊控制

以步进电机驱动的差动式移动机器人为对象,建立非完整约束的离散运动学模型.基于参数整定的思想,并结合路径跟踪的特点来设计用于非完整移动机器人路径跟踪的分阶段模糊控制器,在跟踪的趋近和稳定阶段,分别采用了不同的模糊化比例因子和解模糊比例因子.仿真和实验表明,移动机器人采用分阶段模糊控制器对路径进行跟踪,响应速度快,稳态误差小,鲁棒性强.     

移动机器人的免疫非时间参考路径跟踪控制

针对移动机器人非时间参考控制方法的不足之处,借鉴生物免疫反馈响应过程的调节规律,提出了移动机器人的免疫非时间参考路径跟踪控制方法。该方法既有不依时间规划调节输出控制的特性,而且充分考虑到机器人机械结构与电机力矩特性的要求,实现了在误差较大时对控制量的限幅;通过选取合适参数,还能减小系统的超调量,进一步改善整个控制系统的性能。对于动态事件,采用插入算法,提高机器人对动态环境适应能力,使控制方法更适宜实际应用。仿真与实物实验,验证了该方法的有效性。     

基于观测器的轮式移动机器人路径跟踪控制

研究基于状态观测器的轮式移动机器人的路径跟踪控制问题.首先简要回顾了基于状态反馈的移动机器人的路径跟踪控制问题;进而通过适当的状态变换将移动机器人模型转换为合适的形式,并在移动机器人的位置可以测量的情况下设计了一种可保证状态观测误差指数收敛的状态观测器;最后结合状态反馈路径跟踪控制器和所设计的观测器得到了一种基于观测器的路径跟踪控制器,该控制器可以保证移动机器人的运动轨迹指数收敛到期望路径上.仿真结果证实了所提出的基于观测器的路径跟踪控制器的有效性.     

Switching fuzzy tracking control for mobile robots under curvature constraints

In this paper a switching fuzzy logic controller for mobile robots with a bounded curvature constraint is presented. The controller tracks piece-wise linear paths, which are an approximation of the feasible smooth reference path. The controller is constructed through the use of a map, which transforms the problem to a simpler one; namely the tracking of straight lines. This allows the use of an existing fuzzy tracker deployed in a previous work, and its simplification leading to a 70% rule reduction. Simulation results and a comparison analysis with existing trackers are also presented along with some stability considerations on the impulsive error dynamics which emerge.     

A global motion planner that learns from experience for autonomous mobile robots

A new technique for enhancing global path planning for mobile robots working in partially known as indoor environments is presented in this paper. The method is based on a graph approach that adapts the cost of the paths by incorporating travelling time from real experiences. The approach uses periodical measurements of time and position reached by the robot while moving to the goal to modify the costs of the branches. Consequently, the search of a feasible path from a static global map in dynamic environments is more realistic than employing a distance metric. Our approach has been tested in simulation as well on an autonomous robot. Results from both simulation and real experiences are discussed.     

Robust formation tracking control of mobile robots via one-to-one time-varying communication

We solve the formation tracking control problem for mobile robots via linear control, under the assumption that each agent communicates only with one ‘leader’ robot and with one follower, hence forming a spanning-tree topology. We assume that the communication may be interrupted on intervals of time. As in the classical tracking control problem for non-holonomic systems, the swarm is driven by a fictitious robot which moves about freely and which is a leader to one robot only. Our control approach is decentralised and the control laws are linear with time-varying gains; in particular, this accounts for the case when position measurements may be lost over intervals of time. For both velocity-controlled and force-controlled systems, we establish uniform global exponential stability, hence consensus formation tracking, for the error system under a condition of persistency of excitation on the reference angular velocity of the virtual leader and on the control gains.     

四轮移动机器人智能预瞄轨迹跟踪控制

针对后轮驱动四轮移动机器人存在非完整约束、模型复杂等特点,提出一种基于多预瞄点的轨迹跟踪混合控制算法。该算法设计从仿人驾车的角度出发,根据不同路况通过模糊控制在线调节机器人的速度、预瞄点个数和预瞄距离。采用免疫控制方法在线整定PID控制器的参数。从控制稳定性角度出发提出轨迹偏离度评价指标。仿真结果表明该控制器的有效性。     

基于信息融合的移动机器人定位与路径规划

针对镜面反射引起的声呐测距不准的问题,设计一种加权融合的方法对声呐和摄像头的信息进行融合,使移动机器人能够精确地完成在拐角区域下的自身定位,并给出了机器人的路径规划。通过在先锋3机器人平台上进行的实验结果证明,该方法能够使移动机器人安全、平滑地通过拐角区域。     

非完整轮式机器人的鲁棒同步编队跟踪及镇定控制

本文研究了受到建模不确定性影响和输入限制的非完整轮式机器人的同步编队跟踪和编队镇定问题.首先,基于领航–跟随策略,确定了编队构型的数学表达形式.其次,通过定义含有辅助控制量的跟踪误差,设计了一种具有统一结构的分布式运动学控制器,可使跟随者实现对复杂期望轨迹的跟踪,包括时变轨迹和固定点等.然后,针对建模不确定性影响和输入限制,基于反步法、模糊控制方法和Lyapunov控制理论,设计了一种饱和动力学控制器,使得系统的闭环跟踪误差全局收敛至零点附近有界领域内.最后,通过对比仿真实验,验证了本文控制方法的有效性.     

轮式移动机器人的位置量测输出反馈轨迹跟踪控制

针对机器人的姿态角难以精确测量的困难,本文研究基于位置测量的轮式移动机器人的轨迹跟踪问题.首先提出一种利用机器人的位置信息估计其姿态角的降维状态观测器,当机器人的线速度严格大于零时,可保证姿态角观测误差的指数收敛.然后给出一种新的状态反馈轨迹跟踪控制律,当参考轨迹满足一定的激励条件时,可以保证机器人的线速度严格大于零且跟踪误差全局渐近收敛.进一步结合姿态角观测器和状态反馈控制律,得到一种输出反馈轨迹跟踪控制算法.理论分析表明,当参考轨迹满足一定的激励条件时,所提出的输出反馈控制算法可以保证跟踪误差的全局渐近收敛.最后对所提出的姿态角观测器、状态反馈和输出反馈轨迹跟踪控制算法进行了仿真验证,证实了算法的有效性,并且当存在位置测量误差时,所提出的输出反馈轨迹跟踪控制算法仍可以保证机器人对参考轨迹的实际跟踪.     

Dyna-Q-based vector direction for path planning problem of autonomous mobile robots in unknown environments

Reinforcement learning (RL) is a popular method for solving the path planning problem of autonomous mobile robots in unknown environments. However, the primary difficulty faced by learning robots using the RL method is that they learn too slowly in obstacle-dense environments. To more efficiently solve the path planning problem of autonomous mobile robots in such environments, this paper presents a novel approach in which the robot’s learning process is divided into two phases. The first one is to accelerate the learning process for obtaining an optimal policy by developing the well-known Dyna-Q algorithm that trains the robot in learning actions for avoiding obstacles when following the vector direction. In this phase, the robot’s position is represented as a uniform grid. At each time step, the robot performs an action to move to one of its eight adjacent cells, so the path obtained from the optimal policy may be longer than the true shortest path. The second one is to train the robot in learning a collision-free smooth path for decreasing the number of the heading changes of the robot. The simulation results show that the proposed approach is efficient for the path planning problem of autonomous mobile robots in unknown environments with dense obstacles.     

移动机器人路径规划强化学习的初始化

针对现有机器人路径规划强化学习算法收敛速度慢的问题,提出了一种基于人工势能场的移动机器人强化学习初始化方法.将机器人工作环境虚拟化为一个人工势能场,利用先验知识确定场中每点的势能值,它代表最优策略可获得的最大累积回报.例如障碍物区域势能值为零,目标点的势能值为全局最大.然后定义Q初始值为当前点的立即回报加上后继点的最大折算累积回报.改进算法通过Q值初始化,使得学习过程收敛速度更快,收敛过程更稳定.最后利用机器人在栅格地图中的路径对所提出的改进算法进行验证,结果表明该方法提高了初始阶段的学习效率,改善了算法性能.     

加入临时路径的移动机器人路径跟踪模糊控制

对含不确定性的移动机器人系统设计了路径跟踪模糊控制方法。该方法引入临时路径,使机器人先从初始位置出发沿临时路径行进,当移动到期望路径附近时,再让机器人跟踪期望路径。整个控制过程只需要一个模糊控制器,极大地减少了工作量,并引进积分环节以消除稳态误差。仿真和实验结果验证了该方法的有效性。     

非完整移动机器人道路跟踪控制器设计及应用

讨论一类非完整约束条件下的移动机器人道路跟踪控制问题，综合后推方法与模糊滑模控制方法设计非完整移动机器人的状态反馈控制系统，并根据Lyapunov稳定性定理后推设计时变光滑反馈控制律，当存在较大侧向误差时，模糊滑模控制器确保移动机器人沿稳定的工作区域减小误差；当误差比较小时，时变光滑状态反馈控制实现对移动机器人的平稳镇定，采用移动机器人Amigobot作为实验平台，验证了控制器设计的有效性。     

基于行为动力学方法的移动机器人轨迹追踪

研究了基于行为动力学方法的移动机器人轨迹追踪。在总结行为动力学理论的基础上,根据轨迹追踪任务要求,确定航向角和速度作为行为变量,同时构建了接近吸引子动力学方程,并在考虑机器人与路径期望点之间距离这一间接耦合参数基础上,建立了速度动力学方程,并分析了该动力系统的收敛性。最后的仿真结果表明该方法正确、可行,且机器人能有效地完成追踪任务。     

基于滚动时域优化的轮式移动机器人路径跟踪问题研究

轮式移动机器人是典型的非完整约束系统. 本文基于滚动时域控制策略研究轮式移动机器人的路径跟踪问题. 为了既能够保证移动机器人渐近收敛到期望轨迹, 又能够保证在线求解的优化问题的滚动可行性, 参考轨迹 被选为优化问题中的终端等式约束. 仿真结果验证了所提出的控制策略的有效性.     

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.     

一种未知环境下的快速路径规划方法*

为提高机器人在未知环境中的快速路径规划能力,引入自由路径表征可以通过的自由空间,引入风险函数评价机器人切入自由路径过程中发生碰撞的风险。通过搜索最优自由路径、评价碰撞风险压缩表示环境信息,使得未知环境中利用模糊控制器进行局部路径规划的实时性大为提高。与虚拟势场法等传统方法相比,其无局部最小,且极大缓解了狭窄环境中的振荡现象。实验及仿真均表明该方法实时性好、规划所得路径优于已有方法。