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。     

非完整移动机器人的有限时间跟踪控制算法研究

对非完整移动机器人的有限时间轨迹跟踪控制问题进行讨论．与基于非连续状态反馈的传统有限时间控制算法相比，基于连续状态反馈的有限时间控制算法更适合于控制工程应用．利用该连续系统有限时间控制技术，设计一种连续的状态反馈跟踪控制算法．使得对角速度为非零常数的期望轨迹，非完整移动机器人能够实现全局跟踪，并能在有限时间内完全跟踪上期望轨迹．仿真结果表明了该方法的有效性．     

基于指尖力传感器的HIT 机器人灵巧手笛卡尔阻抗控制

介绍了基于5维指尖力／力矩传感器的HIT机器人灵巧手的笛卡尔阻抗控制．当手指与障碍物接触时，呈现出2阶机械阻抗特性．在阻抗控制算法中，不需直接计算加速度，从而避免了因大加速度误差给控制带来的不利因素．结合期望轨迹和实际位置及速度，产生一个参考轨迹，手指跟踪此参考轨迹即可自动获得期望阻抗特性．     

基于再生核理论的月球车轨迹跟踪控制*

针对平整坡面上行驶的月球车,研究了基于再生核理论的月球车轨迹跟踪控制新方法.它是基于描述月球车运动的动力学模型方程,对有限时间内的期望轨迹进行采样;利用再生核方法,数值求解控制参数,从而实现月球车期望轨迹的跟踪控制.该方法计算量小、方法简单、精度高,且可实现任意的非线性曲线的期望轨迹追踪.数值实验验证了该方法的正确性和有效性.     

基于滑移率的月球车轨迹跟踪控制

针对平整坡面上行驶的月球车,研究了基于滑移率的月球车轨迹跟踪控制新方法。它是基于描述月球车运动的动力学模型方程,将左右轮滑移率及两转向前轮的失配角作为控制参数,利用小波插值方法,进行数值求解,从而实现月球车期望轨迹的跟踪控制。该方法计算量小、方法简单、精度高,且可实现任意的非线性曲线的期望轨迹追踪。数值实验验证了该方法的正确性和有效性。     

基于非线性制导的四旋翼轨迹跟踪控制

四旋翼是一种欠驱动、强耦合的可垂直起降的飞行器,为了实现其能够以设定速度跟踪空间轨迹,设计了一种基于非线性制导算法的轨迹跟踪控制方法。该方法分为了导引与控制两部分组成,导引部分以任务轨迹与期望速度为输入量通过非线性制导算法输出当前四旋翼的期望加速度,控制部分以得到的期望加速度为输入量采用串级PID算法对四旋翼进行姿态控制,从而实现四旋翼保持设定速度对任务轨迹的跟踪。仿真结果表明,所提方法能够实现四旋翼对复杂任务轨迹的精确跟踪,二维复杂轨迹跟踪距离偏差不超过±0.6m,速度偏差不超过2m/s;三维复杂轨迹除了受自身控制力限制的飞行段外,跟踪距离偏差基本控制在±4m以内,速度偏差不超过2m/s。     

基于Haar小波分解的轮式移动机器人轨迹跟踪控制

利用Haar小波在满足机器人动力学约束的前提下 ,对期望轨迹进行曲线分解 ,得到所需的一系列参考点 ,并由这些参考点构造出虚拟小车的运动轨迹 .基于控制Lyapunov函数设计了速度跟踪控制律 ,驱动机器人跟随虚拟小车实现对期望轨迹的跟踪 .该方法的突出特点是可实现对任意复杂轨迹的跟踪控制 ,且不存在速度跳跃点 .仿真实验结果表明它的有效性 .     

基于反向迭代学习控制的工业机器人应用研究

针对一类具有对称期望轨迹跟踪的工业机器人系统,提出一种新的迭代学习控制方法,即反向型迭代学习控制方法。通过利用这类轨迹固有的特征,将其以中心点为界分解为前后两个独立的轨迹,利用两段轨迹的镜像对称特征,不断交替优化调整下次迭代周期的控制量,使得跟踪当前轨迹的工业机器人系统每次迭代时不必再从轨迹的初始点学习,从而有效加快了系统的学习速度。对具有镜像对称特征的期望轨迹进行交替利用控制信息,实现了工业机器人对期望轨迹的快速跟踪、减小系统的跟踪误差,从而达到了机器人跟踪效率的较大提升。收敛性分析和机器人的仿真实例验证了所提控制方法的有效性。     

翻滚目标逼近的虚拟域逆动力学轨迹规划

针对追踪星自主逼近和跟踪翻滚目标特定部位的最优规划问题,提出了一种基于虚拟域逆动力学的多约束最优逼近轨迹规划方法.首先,在翻滚目标本体系下建立追踪星相对于翻滚目标特定部位的相对轨道动力学方程,并建立追踪星本体系相对于翻滚目标期望固连坐标系的相对姿态动力学方程;其次,考虑目标星外形、敏感器视场和执行机构控制能力等约束条件,建立时间/能量最优规划模型;然后,采用序列二次规划(sequential quadratic programming,SQP)方法求解时间/能量最优规划问题;最后,数值仿真验证了该方法在满足多约束条件下,可实现对翻滚目标自主逼近与跟踪的最优轨迹规划,同时与高斯伪谱法进行了对比,验证了本方法在计算效率方面的优势.     

多无人机目标追踪自适应控制

针对多无人机自动驾驶仪速度与航向角通道系数未知的目标轨迹追踪问题,提出一种自适应追踪控制方法.通过对自动驾驶仪通道系数进行在线估计,解决了系数未知所造成的设计困难.为克服外界干扰及系统内部误差因素对无人机运动控制系统的影响,设计了补偿项来消除干扰项的影响.采用Lyapunov定理证明了轨迹追踪误差最终可收敛于任意小的区域内.仿真结果验证了所设计方法的有效性.     

移动小车的轨迹跟踪控制

对由运动学模型描述的二自由度移动小车的跟踪问题进行研究。利用终端滑动模态技术设计控制律,使得移动小车能在有限时间内完全跟踪转动速度不为零的期望轨迹。仿真结果表明了该方法的有效性。     

一种多非完整移动机器人分布式编队控制方法

本文研究了多非完整移动机器人编队控制算法。在该算法中,参考轨迹被视为虚拟领导者,只有部分机器人可以接收到领导者信息,机器人之间只能进行局部信息交互。利用坐标变换将机器人系统的编队问题转化为变换后系统的一致性问题,在持续激励的条件下,设计了一种分布式控制算法,通过图论与Lyapunov 理论证明了该分布式控制算法可以使移动机器人队伍指数收敛于期望队形,并使队形的几何中心指数收敛到参考轨迹。最后,数值仿真验证了该控制算法的有效性。     

Finite‐time formation control of multiple nonholonomic mobile robots

This paper considers finite‐time formation control problem for a group of nonholonomic mobile robots. The desired formation trajectory is represented by a virtual dynamic leader whose states are available to only a subset of the followers and the followers have only local interaction. First of all, a continuous distributed finite‐time observer is proposed for each follower to estimate the leader's states in a finite time. Then, a continuous distributed cooperative finite‐time tracking control law is designed for each mobile robot. Rigorous proof shows that the group of mobile robots converge to the desired geometric formation pattern in finite time. At the same time, all the robots can track the desired formation trajectory in finite time. Simulation example illustrates the effectiveness of our method. Copyright © 2012 John Wiley & Sons, Ltd.     

Finite-time tracking control for multiple non-holonomic mobile robots based on visual servoing

This paper investigates finite-time tracking control problem of multiple non-holonomic mobile robots via visual servoing. It is assumed that the pinhole camera is fixed to the ceiling, and camera parameters are unknown. The desired reference trajectory is represented by a virtual leader whose states are available to only a subset of the followers, and the followers have only interaction. First, the camera-objective visual kinematic model is introduced by utilising the pinhole camera model for each mobile robot. Second, a unified tracking error system between camera-objective visual servoing model and desired reference trajectory is introduced. Third, based on the neighbour rule and by using finite-time control method, continuous distributed cooperative finite-time tracking control laws are designed for each mobile robot with unknown camera parameters, where the communication topology among the multiple mobile robots is assumed to be a directed graph. Rigorous proof shows that the group of mobile robots converges to the desired reference trajectory in finite time. Simulation example illustrates the effectiveness of our method.     

The leader-follower formation control of nonholonomic mobile robots

In this paper, the leader-waypoint-follower formation is constructed based on relative motion states of nonholonomic mobile robots. Since the robots’ velocities are constrained, we proposed a geometrical waypoint in cone method so that the follower robots move to their desired waypoints effectively. In order to form and maintain the formation of multi-robots, we combine stable tracking control method with receding horizon (RH) tracking control method. The stable tracking control method aims to make the robot’s state errors stable and the RH tracking control method guarantees that the convergence of the state errors tends toward zero efficiently. Based on the methods mentioned above, the mobile robots formation can be maintained in any trajectory such as a straight line, a circle or a sinusoid. The simulation results based on the proposed approaches show each follower robot can move to its waypoint efficiently. To validate the proposed methods, we do the experiments with nonholonomic robots using only limited on-board sensor information.     

一种编队控制的动态调整与规划方法

This article is concerned with cooperative control problems in formation of mobile robots under the nonholonomic constraints that certain geometrical constraints are imposed on multiple mobile robots throughout their travel. For this purpose, a new method of motion control for formation is presented, which is based on the dynamic regulation and scheduling scheme. It is attractive for its adaptability to the formation structure and desired trajectory. The quality of formation keeping can be evaluated by the instantaneous errors of formation offset and spacing distance. Some kinematics laws are developed to regulate and maintain the formation shape. Simulation results and data analysis show the validity of the proposed approach for a group of robots.     

任意初始位置机器人领航跟随型迭代学习编队

针对移动机器人编队形成与队形保持问题,提出了一种适用于任意初始位置条件下的迭代学习编队控制算法。采用领航-跟随型编队法,仅利用领航者的运动轨迹和期望的编队队形推导出跟随者的参考航迹,引入迭代学习控制（Iterative Learning Control,ILC）方法,设计跟随者的控制律,使跟随者随着每次迭代调节自身的线速度和角速度,与领航者一起以期望编队队形工作;引入对初始位置的学习,即同时进行编队队形的学习和编队初始位置的学习。解决了任意初始位置的多移动机器人形成并保持期望编队队形的问题。并在理论上分析了控制算法的可行性,仿真结果验证了控制算法的有效性。     

移动机器人轨迹跟踪的参数自校正控制

根据移动机器人运动学模型,对两轮移动机器人的轨迹跟踪问题进行了研究。在动态反馈线性化的基础上,采用基于广义最小方差法实现参数的自校正并设计控制器,考虑到机器人的动力学约束,采取对移动机器人的线速度和角速度加以限制的控制策略,保证机器人的运动平滑。仿真结果表明了该方法的有效性和正确性。     

基于人工神经网络实现智能机器人的避障轨迹控制

利用人工神经网络中的二级BP网，模拟智能机器人的两控制参数(左、右轮速）间的 函数关系，实现避障轨迹为圆弧或椭圆弧的轨迹控制，并且通过调整椭圆长、短轴大小，能 实现多个及多层障碍物的避障控制．该方法的突出特点是方法简单、算法容易实现，使机器 人完成多个及多层避障动作时，不滞后于动态环境里其它机器人（障碍物）位置的变化．在 仿真实验中，取得了理想的效果．     

Leader–follower formation control of nonholonomic mobile robots based on a bioinspired neurodynamic based approach

This paper investigates the leader–follower formation control problem for nonholonomic mobile robots based on a bioinspired neurodynamics based approach. The trajectory tracking control for a single nonholonomic mobile robot is extended to the formation control for multiple nonholonomic mobile robots based on the backstepping technique, in which the follower can track its real-time leader by the proposed kinematic controller. An auxiliary angular velocity control law is proposed to guarantee the global asymptotic stability of the followers and to further guarantee the local asymptotic stability of the entire formation. Also a bioinspired neurodynamics based approach is further developed to solve the impractical velocity jumps problem. The rigorous proofs are given by using Lyapunov theory. Simulations are also given to verify the effectiveness of the theoretical results.