基于跟踪微分器的移动机器人轨迹规划与跟踪控制研究

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。     

基于质心偏移的移动机器人轨迹跟踪控制

针对非完整约束下质心偏移的移动机器人,提出了一种改进滑模变结构的轨迹跟踪控制方法,并通过此方法得到一种具有全局渐近稳定性的跟踪控制器。以三轮移动机器人的运动模型为基础,该跟踪控制器的设计分为两部分:第一部分是采用X方向和前向角方向同时具有虚拟反馈变量,通过Lyapunov方法对控制系统进行稳定性分析,设计出切换函数;第二部分是滑模控制器设计,采用指数趋近律,使用S型指数函数代替符号函数,减少了滑模变结构控制的抖动,由此设计出了线速度和角速度的控制律,用来渐近整定移动机器人跟踪误差,实现了对参考轨迹的全局渐近跟踪。实验结果表明:该控制律能够在极短时间内趋于稳定,其跟踪平面坐标误差和前向角误差也能在极短时间内收敛于0,并且移动机器人也能够有效地跟踪期望轨迹,其控制效果具有明显的改善,且具有很好的抗干扰性能。     

轮式移动机器人的动力学建模及跟踪控制

针对轮式移动机器人存在非完整约束的特点,利用牛顿-欧拉方法建立了轮式移动机器人的动力学模型,将非完整约束直接融入到动力学方程中;同时,考虑了电机的动力学特性.针对动力学模型中存在参数不确定以及机器人在工作过程中存在外界干扰的特点,设计了以两轮驱动力矩为输入的滑模轨迹跟踪控制器,采用趋近律方法削弱了滑模控制器的抖振.仿真实验证明了模型的可行性和控制的有效性,较好地实现了机器人的全局轨迹跟踪.     

基于神经网络自整定的轮式移动机器人轨迹跟踪控制

针对轮式移动机器人轨迹跟踪,基于Laypunov稳定性原理,采用后推积分时变状态反馈方法设计了一种控制器。考虑到控制增益对跟踪效果的影响,引入神经网络对控制增益进行自整定,使控制器具有更好的控制效果和更强的鲁棒性。仿真和实验结果证明了该方法的有效性。     

一种改进的非完整轮式移动机器人轨迹跟踪控制方法

针对非完整约束下移动机器人的轨迹跟踪控制中误差收敛速度和平滑性上存在的不足,提出了一种改进的非线性反推跟踪控制算法。在运动学模型的基础上,构造了简单的虚拟变量推导出了反推控制律,且通过Lyapunov函数证明了该控制律的稳定性,并引入了一个反馈控制律,得到了一种新型轨迹跟踪控制器。MATLAB仿真分析表明:改进的非线性反推控制律很好地改善了控制效果,跟踪误差能在较短的时间内收敛,具有良好的抗干扰能力。     

双轮差速移动机器人轨迹跟踪混合控制算法研究

针对双轮差速移动机器人轨迹跟踪问题,提出一种基于前馈运动学和带有干扰观测器的解耦动力学的混合控制算法。首先,对双轮差速移动机器人的运动学、动力学以及位姿误差进行数学建模。其次,为保证移动机器人轨迹跟踪的快速收敛,采用前馈控制并结合位姿误差设计出运动学控制器;为保证移动机器人在速度上的跟踪性能,采用前馈解耦补偿器,加入干扰观测器,运用具有积分链式结构的微分器,设计出动力学控制器;将动力学控制器加入到运动学控制器中,设计了前馈运动学和带有干扰观测器的解耦动力学的混合控制器,并用Lyapunov函数直接法证明了系统的收敛性和稳定性。最后,通过仿真和样机验证,机器人稳定运行时左右摆差可达±9mm,证明了该混合控制算法的有效性和可行性。     

3自由度移动机器人的模糊逻辑控制方法研究

3自由度移动机器人可以实现平面上的自由运动,具有很高的灵活性和机动性。针对具有两个可操舵驱动轮的3自由度移动机器人的轨迹跟踪问题,利用模糊控制技术设计了路径跟踪控制器,实现了移动机器人的位置和方位的独立跟踪,同时提高了跟踪控制的实时性。最后通过仿真验证了算法的可行性和有效性。     

采用逆神经网络模型的移动机器人速度控制回路研究

针对移动机器人运动轨迹容易受到不确定外界因素干扰的问题,采用逆神经网络模型设计移动机器人控制系统。分别采用逆神经网络控制器和传统PI控制器模型对两轮差动移动机器人运动速度和角速度进行跟踪控制。传统PI控制器模型使用了近似于线性的等效负载驱动器,而逆神经网络控制器使用前馈多层感知神经网络模型,该模型结合了其运动学和动力学的数学模型,在特定工作区域内,对逆神经网络模型进行离散训练。在平面内,对移动机器人的速度跟踪控制进行仿真。结果表明:采用PI控制器模型,移动机器人车轮运动速度和角速度与理论值存在较大误差,而采用逆神经网络模型时误差较小。采用逆神经网络模型设计移动机器人速度控制回路,可以提高移动机器人运动性能,更好地适应外界环境的变化。     

基于状态观测器的空间机器人滑模容错控制北大核心

研究了具有执行器故障的漂浮基空间机器人系统无速度反馈的关节轨迹跟踪控制问题,设计了基于状态观测器的神经网络积分滑模容错控制方案。首先,根据执行器故障类型建立执行器故障的数学模型,并结合拉格朗日法建立了执行器故障的空间机器人系统动力学方程;其次,为实现控制器的无速度反馈,设计了状态观测器对系统速度进行估计,并结合神经网络提高估计精度;再次,根据滑模控制理论设计了积分滑模控制器,通过神经网络补偿执行器故障的影响,并设计自适应律补偿神经网络的估计误差,保证了控制器的连续性与非奇异性,使系统获得良好的轨迹跟踪精度和容错能力;最后,通过李雅普诺夫方法证明了控制方案的稳定性,并通过MATLAB数值仿真运算,验证了控制方案有效性。     

基于终端约束MPC的轮式移动机器人轨迹跟踪控制

针对轮式移动机器人具有非线性特性和时域约束从而导致跟踪精度较低的问题,提出了一种终端约束MPC(model predictive control)的控制方案。首先,将轮式移动机器人的状态误差方程作为预测模型;其次,在成本函数中加入终端约束,设计了合适的终端域和终端惩罚矩阵,迫使系统在有限时域内跟踪上期望轨迹;然后,利用Lyapunov稳定性框架,建立终端约束MPC控制方案在系统中可行性和稳定性的充分条件;最后,通过在圆形及双移线两种工况下与传统模型预测控制进行对比实验,验证了终端约束MPC控制方案的有效性。仿真表明,相比于传统模型预测控制,终端约束MPC在预测范围内更好地满足了约束条件,从而提高了系统的稳定性和跟踪精度。