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.     

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。     

A new adaptive tracking control scheme of wheeled mobile robot without longitudinal velocity measurement

This paper proposes a new adaptive trajectory tracking control scheme of the wheeled mobile robot without longitudinal velocity measurement. First, based on a kinematic controller, we obtain a new tracking error equation, which is suitable to develop an adaptive controller. Then, we develop a new adaptive trajectory tracking controller, which does not need any accurate values of the wheeled mobile robot parameters, including the driving motor parameters. Moreover, as the longitudinal velocity measurement is still difficult, this controller is developed without longitudinal velocity measurement. In addition, this new adaptive controller introduces a method to improve the control performance. The stability of the closed‐loop system is presented using the direct Lyapunov method. Finally, numerous simulations verify the effectiveness of the new controller.     

Robust adaptive control for mobile manipulators

This paper addresses the trajectory tracking control of a nonholonomic wheeled mobile manipulator with parameter uncertainties and disturbances. The proposed algorithm adopts a robust adaptive control strategy where parametric uncertainties are compensated by adaptive update techniques and the disturbances are suppressed. A kinematic controller is first designed to make the robot follow a desired end-effector and platform trajectories in task space coordinates simultaneously. Then, an adaptive control scheme is proposed, which ensures that the trajectories are accurately tracked even in the presence of external disturbances and uncertainties. The system stability and the convergence of tracking errors to zero are rigorously proven using Lyapunov theory. Simulations results are given to illustrate the effectiveness of the proposed robust adaptive control law in comparison with a sliding mode controller.     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

基于迭代学习控制的移动机器人轨迹跟踪控制

为提高移动机器人对特定轨迹的重复跟踪能力,提出了采用开闭环PD型迭代学习控制算法对移动机器人进行轨迹跟踪控制的方法。建立了包含外界干扰的非完整约束条件下的轮式移动机器人运动学模型,给出了系统的控制算法和控制结构。仿真结果表明,采用开闭环PD型迭代学习控制算法对轨迹跟踪是可行有效的,收敛速度优于其他迭代学习算法。     

最优控制问题弱间断解的一个自适应算法

针对最优解有弱间断的最优控制问题提出一个自适应算法.时间区间被划分为若干子区间,使用分段多项式逼近最优控制问题的解,在每个子区间内,最优控制问题被拟谱方法离散,使用的配置点是Chebyshev-Gauss-Lobatto点.根据计算出的数值解提供的后验信息,该自适应算法既能剖分产生新的子区间,又能在子区间内增加逼近多项式的次数.最后通过若干例子表明了所提出算法的高精度和有效性.     

基于智能优化的移动机器人轨迹跟踪控制

建立了机器人运动学模型,设计了基于Lyaponov稳定理论的轨迹跟踪控制器,该控制器的性能取决于其参数的大小。粒子群优化算法具有收敛速度快,需要调节的参数少等优点,但优化过程中容易发生“早熟”收敛,使优化陷入局部极小值。通过引入模拟退火算法、“交叉算子”和“变异算子”,提出了一种改进粒子群优化算法,对控制器的参数进行优化设计。最后,通过仿真计算,证明了该方法的有效性。     

基于遗传算法的多模型自适应控制

利用多个固定模型（或元素模型）来逼近含未知参数的被控系统,基于每一个元素模型建立最优控制器,并由各局部模型控制器的加权和构成被控系统的控制器。对于这种多模型自适应控制器,在每一个采样时刻,每一个元素模型的权值将由遗传算法计算得出。仿真结果表明,采用该文提出的控制器,当被控对象的模型参数剧烈变化时系统输出依然可以很好地跟踪设定值。     

基于惯性蚁群算法的机器人路径规划

栅格环境下蚁群算法规划出的移动机器人路径存在运行慢、路径弯多、转折次数多、局部最优等问题。为获得较优路径,提出了惯性蚁群算法。在传统蚁群算法规划的路径上,采用惯性优化原理,对每一个节点进行遍历,当两个节点间的优化路径上无障碍物时,将中间节点删除,换成优化路径。根据优化信息,动态调整信息素挥发系数,提高了算法环境适应能力。仿真结果表明,相比传统蚁群算法,惯性蚁群算法能更快地找到较优路径,能有效优化路径质量。     

轮式移动机器人轨迹跟踪控制研究

针对轮式移动机器人参数摄动和内外部扰动等问题,提出一种新型的基于自适应扩张状态观测器的滑模控制算法。采用自适应虚拟速度控制器估计系统未知参数,滑模控制器抑制参数摄动和内外部扰动,非线性扩张状态观测器观测系统扰动并减小控制输入的抖振,实现了轨迹跟踪误差的快速收敛。利用Lyapunov稳定性理论证明了控制算法的稳定收敛性。将所提算法与传统自适应反演滑模算法进行对比,对比结果表明了所提算法的有效性和鲁棒性。     

一种基于元策略的自适应移动切换控制方案

为有效保障移动用户不同业务的服务质量,拓展策略机制的应用,利用策略形式的业务QoS属性及移动节点移动和资源需求的预测信息,用元策略自动生成相应的控制策略,实现切换过程自适应的资源管理。通过分析和仿真,该自适应切换方案在保证切换掉线率的前提下,最小化新呼叫阻塞率,为用户提供较好的QoS保证,其特点在于自适应性,可以根据当前网络状况自动进行重要参数的调整,另外,使用策略,可提供不同的优先级,能方便地进行算法定义和选择,相对于传统方法更灵活。     

含模型不确定性移动机器人路径跟踪的分层模糊控制

对受非完整约束且含模型不确定性的移动机器人基于分层模糊系统设计了跟踪期望几何路径的鲁棒间接自适应控制方案.此方法除实现路径跟踪外,还可避免控制器的奇异性并保证跟踪方向.由于控制结构中使用了分层模糊系统,大大减少了模糊规则数目;并用鲁棒控制项对模糊系统逼近误差进行补偿,减少了其对跟踪精度的影响.证明了闭环系统跟踪误差收敛到原点的小邻域内,且可通过适当增大鲁棒控制项的设计参数使跟踪误差进一步减小.最后用实验结果验证了方法的有效性.     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。     

Robust adaptive neural network control for environmental boundary tracking by mobile robots

The paper addresses the problem of environmental boundary tracking for the nonholonomic mobile robot with uncertain dynamics and external disturbances. To do environmental boundary tracking, a reference velocity is designed for the nonholonomic mobile robot. In this paper, a radial basis function neural network (NN) is used to approximate a nonlinear function containing the uncertain model terms and the elements of the Hessian matrix of the environmental concentration function. Then, the NN approximator is combined with a robust control to construct a robust adaptive NN control for the mobile robot to track the desired environment boundary. It is proved that the tracking error can be guaranteed to converge to zero in the ultimate. Simulation results are presented to illustrate the stability of the robust adaptive control. Copyright © 2011 John Wiley & Sons, Ltd.     

Hybrid adaptive control for robot manipulators

A hybrid adaptive control scheme is proposed for robot manipulators. Unmodelled dynamics have been considered in the robot model. The standard RLS algorithm has been modified to take into account these unmodelled dynamics. Global stability of the system is ensured.     

基于相机角度自适应的视觉伺服

针对视觉伺服中传统相机视野域有限和全景相机图像处理的计算量过大,提出了基于图像的相机角度自适应视觉伺服算法,根据不同相机坐标系之间的变换,计算相机旋转的变换矩阵.用极坐标系表示此旋转变换矩阵,计算出需要调整的相应角度.由于该方法极大地缩小了输入图像的尺寸,从而降低了视觉伺服中图像处理的数据量,提高了系统的实时性.实验仿真结果表明了该方法的有效性.     

基于卡尔曼滤波的移动机器人运动目标跟踪

提出了一种基于卡尔曼滤波的运动目标快速跟踪算法。针对复杂背景下彩色运动目标跟踪问题,采用基于颜色特征和形状特征相结合的方法进行目标识别。利用卡尔曼滤波器的预测功能,预测运动目标在下一帧中的位置,将图像全局搜索问题转换为局部搜索,提高了系统的实时性。实验结果表明:该算法满足移动机器人运动控制的实时性要求,实现了对运动目标的快速跟踪。     

基于进化蚁群算法的移动机器人路径优化

针对蚁群算法进行路径规划中出现的运行时间长、搜索效率低和容易出现死锁的问题,提出一种基于达尔文进化论思想的蚁群算法.首先,针对空白栅格搜索效率低的问题,提出一种蚁群算法简易模式;然后在启发函数中引入目标影响因子和障碍物影响因子以提高算法的全局搜索能力,避免陷入死锁;最后利用达尔文的进化论改进蚁群算法的信息素更新规则用于加快算法的迭代速度,缩小运行时间.在不同规模的栅格地图环境下的实验表明,所提出的进化蚁群算法能够加快迭代速度,提高搜索效率,实现最优路径并避免算法死锁问题.     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。