摄像机模型下非完整移动机器人的自适应镇定

基于摄像机视觉反馈的方法,针对摄像机视觉参数未知及移动机器人质心和几何中心不重合且质心几何中心距离未知情况下,提出了一种不连续反馈控制律,并利用自适应技术对其进行修正,在证明时创新性地加了一个状态作为补充,最终证明了提出的控制律能使该视觉反馈系统下移动机器人的各状态由任意的初始状态指数收敛到原点,并利用MATLAB仿真验证了所设计控制器的有效性。     

非完整移动机器人鲁棒控制方法研究

针对基于单目视觉的双轮差速移动机器人检测环境目标信息的误差大、波动频繁、有限视角约束且受非完整性约束特点,研究了避障与轨迹跟踪控制器的设计问题。首先基于李亚普诺夫稳定理论,设计了双轮差速移动机器人的圆弧轨迹控制器,并证明了控制器的稳定性。引入动态变化的参考角度以调节控制器因子,解决了系统受视觉传感器有限的视野范围约束及机器人运动轨迹优化问题。通过跟踪圆心沿多边形边界连续移动的圆弧轨迹,实现机器人避开多边形障碍物。仿真和实际机器人实验证明了所提出方法的有效性。     

考虑万向轮扭转角扰动轮式移动机器人轨迹跟踪

为了研究轮式移动机器人运动过程中万向轮扭转的扰动对其轨迹跟踪的影响,提出了一种考虑前端万向轮摩擦扰动及其质心与几何中心不重合的轨迹跟踪控制方法。首先,建立了考虑万向轮扭转角扰动的轮式移动机器人动力学模型;其次,根据位姿误差模型,采用反步法设计虚拟速度控制器收敛系统位姿误差;然后,结合扰动观测器对机器人行进过程中万向轮扭转所带来的摩擦扰动进行估计,构造出一种基于积分滑模思想的力矩控制器以保证速度追踪;最后,利用Lyapunov稳定性理论对系统的稳定性和渐近收敛进行证明。仿真及实验结果表明,将万向轮摩擦所带来的扰动反馈给动力学控制器,可以减轻控制器的负载。与忽略万向轮扰动的控制方法相比,轮式移动机器人的位置误差最大值的均方根值降低了37.37%,提高了运动系统的稳定性。     

可重构机械臂模糊神经补偿控制

由于可重构机械臂的动力学系统中存在大量的不确定性,导致PID等传统的控制器无法实现精确的位置控制。作者在基于精确模型PD控制的基础上,提出了模糊神经控制算法辨识补偿结构、非结构不确定性。通过模糊神经控制器融合了模糊逻辑和神经网络的各自优势,实现了可重构机械臂轨迹跟踪的有效的补偿控制。基于牛顿-欧拉的几何方法,推导了n连杆可重构机械臂的动力学方程,该方法相对于其他形式的动力学方程,计算量小、通用性强。最后以RRP(Revolute-Revolute-Prismatic)三连杆机械臂为例研究设计了可重构机械臂的控制器,并且通过仿真验证了算法对轨迹跟踪的有效性。     

基于反步法的板球系统自抗扰控制器设计

针对板球系统中存在的未知扰动、板与球之间的摩擦力等因素影响轨迹跟踪精度这一问题,研究了板球系统的自抗扰控制策略。首先建立板球系统的数学模型,通过适当简化、线性化与解耦得到线性模型;然后采用全程快速微分器对带有噪声干扰的输入信号进行滤波处理,进而设计高阶扩张状态观测器估计系统内部未知扰动;最后基于反步法设计非线性反馈控制器,并利用Lyapunov稳定性理论证明了闭环系统的稳定性。仿真结果表明,改进的自抗扰控制器能够有效滤除噪声干扰,提高了轨迹跟踪精度。     

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.     

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。     

性能函数约束下的动力定位船轨迹跟踪控制

针对动力定位船的轨迹跟踪中经常涉及到控制偏差较大和跟踪误差无法估计的问题,本文提出了一种预设性能函数的约束控制方法。首先建立了三自由度简化的动力定位船运动学和动力学模型,根据模型特性设计了基于预设性能函数的反步自适应控制器,该控制方法能够保证动力定位船在执行轨迹跟踪任务过程中的暂态性能和稳态性能满足控制指标要求。然后通过Lyapunov稳定性判据,证明了满足预设性能前提下的系统稳定性并且能够快速收敛到平衡点的微小邻域内。实验结果表明:此方法减小了轨迹跟踪误差的超调量,保证了轨迹跟踪误差始终在预先设定的约束范围内。     

麦克纳姆轮驱动的移动机器人自适应滑模控制器设计

针对麦克纳姆全向轮驱动的移动机器人轨迹跟踪控制问题,设计了一种自适应滑模控制器。将自适应鲁棒控制应用于麦克纳姆轮驱动的移动机器人轨迹跟踪以获得良好的动态跟踪性能以及鲁棒性能。首先对基于麦克纳姆轮的移动机器人进行了运动学建模,在此基础上进行了自适应鲁棒控制器设计。提出了一种比例-积分-微分(PID)形式的滑模面,满足了系统的鲁棒性要求;设计了一种能够快速收敛的趋近律,减少了整定参数所消耗的时间并能有效抵抗外部扰动。最后,存在脉冲扰动以及正弦信号扰动条件下对控制器进行了仿真验证,证明了所提控制器的优越性,通过轨迹跟踪控制的样机试验,证明了该方法的实用性和可靠性。     

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.     

基于模型不确定补偿的轮式移动机器人反演复合控制

针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。     

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.     

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.     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

Seam tracking control for mobile welding robot based on vision sensor

To solve the seam tracking problem of mobile welding robot, a new controller based on the dynamics of mobile welding robot was designed using the method of backstepping kinematics into dynamics. A self-turning fuzzy controller and a fuzzy-Gaussian neural network (FGNN) controller were designed to complete coordinately controlling of cross-slider and wheels. The fuzzy-neural control algorithm was described by applying the Gaussian function and back propagation (BP) learning rule was used to tune the membership function in real time by applying the FGNN controller. To make the tracking more quickly and smoothly, the neural network controller based on dynamic model was designed, which utilized self-learning and self-adaptive ability of the neural network to deal with the partial uncertainty and the disturbances of the parameters of the robot dynamic model and real-time compensate the dynamics coupling. The results show that the selected control input torques make the system globally and asymptotically stable based on the Lyapunov function selected out; the accuracy of the proposed controller tracing is within ±0.4 mm and can satisfy the requirements of practical welding project.     

基于终端滑模的移动机器人轨迹跟踪控制

分析了具有不确定性非完整约束移动机器人系统的轨迹跟踪问题。在运动学模型分析的基础上,利用非奇异终端滑模技术,提出了一种新的轨迹跟踪控制算法,该算法消除了传统滑模控制带来的奇异问题。基于后退方法的思想设计系统状态变量,将系统分解为低阶子系统处理,简化了控制律的设计。结合Lyapunov方法,证明了在该控制律作用下,对满足一定速度条件的期望轨迹,移动机器人完全能够实现轨迹跟踪。仿真实验结果表明了该方法的有效性。     

约束非完整移动机器人轨迹跟踪的非线性预测控制

针对存在非完整约束和控制输入约束的轮式移动机器人动力学模型,研究了其全动态误差系统准无限时域非线性模型预测控制策略,通过沿名义轨迹在线线性化获取局部稳定化控制器及不变终端域,以跟踪"8"字形轨迹为例进行了仿真,结果表明,闭环系统在满足控制输入条件下具有良好的跟踪性能。     

四轮移动机器人轨迹跟踪的最优状态反馈控制

对具有量测噪声、模型噪声和输入信号干扰的四轮移动机器人轨迹跟踪的最优状态反馈控制进行研究.建立系统的运动学与动力学方程和轨迹生成方程,导出了相应的离散状态方程式,采用卡尔曼滤波器对伴有高斯白噪声的系统状态方程进行了状态估计,提出一种基于李亚普诺夫稳定性的最优状态反馈控制策略.给出了补偿输入信号干扰的自适应算法.仿真结果表明,所提出的控制算法,在四轮移动机器人轨迹跟踪中,能有效地抑制系统的模型、量测和输入信号中的随机噪声和扰动,提高系统的跟踪精度和动态响应速度,使系统具有优良的静、动态特性．     

一种轮式移动机器人滑模轨迹跟踪控制器设计及其参数优化方法

为实现轮式机器人轨迹跟踪控制,以双闭环控制方案为基础,在每个闭环子系统中设计滑模控制器,并将粒子群算法应用其中,优化控制器参数,达到更好的跟踪效果.通过仿真验证了所设计的控制器能够实现轨迹跟踪,并且相较于人工经验整定的参数,通过优化得到的参数使控制器的控制性能更加优越.