基于粒子滤波的欠驱动移动机器人多目标点跟踪控制

针对欠驱动移动机器人的多目标点跟踪问题,提出了一种基于粒子滤波的高精度跟踪控制方法;具体地,在考虑移动机器人采样噪声的情况下,首先利用粒子滤波对移动机器人的位置信息进行处理,得到精准可靠的移动机器人状态信息;在此基础上,根据欠驱动移动机器人的运动学模型以及目标点的分布状况,设计基于反馈控制的多目标点跟踪控制方法;相对于传统的欠驱动移动机器人目标点跟踪控制算法,改进了该控制方法中增益参数的约束条件,有效避免了移动机器人在接近目标点时产生的奇异现象,有效提高了移动机器人对目标点的跟踪精度;此外,分析了该目标点跟踪控制系统的稳定性,并通过数值仿真验证了所提方法的可行性与有效性.     

输入饱和系统的离散增益调度控制及其在在轨交会中的应用

基于参量Lyapunov方法和不变集理论,针对具有输入饱和非线性约束的线性系统,提出了一种离散增益调度控制方法. 通过逐渐 增大代表闭环系统收敛速率参数的值,所提出的离散增益调度控制方法逐步加快闭环系统的收敛速度,达到改善闭环系统 动态性能的目的. 如果开环系统是非指数不稳定的,则所提出的离散增益调度控制器可实现半全局镇定;反之可实现局部镇定,并均可保证闭环系统的指数稳定性. 最后,将 所提出的方法应用于空间合作目标在轨交会控制系统的控制器设计,并直接在原始非线 性系统模型上进行仿真,结果验证了所提方法的有效性.     

PID控制器增益的稳定范围研究

基于逆Nyquist曲线,提出了一种线性系统在PID控制下确定增益稳定范围的方法,为PID控制器增益的稳定提供了一条快速而有效的途径。由逆Nyquist曲线上的实部为极值的点,将PID增益分割成若干区间。再运用广义的Her—mite-Biehler定理得出一个推理和二个条件,通过纵向直线与逆Nyquist曲线的交点数,可获得系统在PID控制下增益稳定的区间。仿真实例验证了该方法的有效性。该方法应用简便,能有效解决PID控制下增益的稳定范围。     

PID控制器增益的稳定范围研究

基于逆Nyquist曲线,提出了一种线性系统在PID控制下确定增益稳定范围的方法,为PID控制器增益的稳定提供了一条快速而有效的途径。由逆Nyquist曲线上的实部为极值的点,将PID增益分割成若干区间。再运用广义的Her—mite-Biehler定理得出一个推理和二个条件,通过纵向直线与逆Nyquist曲线的交点数,可获得系统在PID控制下增益稳定的区间。仿真实例验证了该方法的有效性。该方法应用简便,能有效解决PID控制下增益的稳定范围。     

基于输出反馈线性化的多移动机器人目标包围控制

针对受非完整约束的多移动机器人系统的移动目标包围控制问题, 提出一种基于输出反馈线性化的局部协同控制方法. 利用机器人与邻居节点和目标的相对距离信息、角度信息以及机器人自身的方位角信息设计协同控制器. 该方法无需事先指定包围编队形状, 可实现对移动目标的速度估计, 且保证机器人之间的障碍规避. 严格的理论分析证明了移动目标指数收敛到多移动机器人构成的凸包内部. 最后, 仿真结果验证了所提控制方法的有效性.     

分布式异步测量传感器网络机器人控制

现有的分布式无线传感器网络目标定位跟踪系统,通常根据分布在不同位置的节点同时测量目标与本节点之间距离,通过多点定位计算目标位置,据此对移动机器人进行导航控制.然而在实际无线传感器网络中,各节点测量往往不是同步进行的,多点定位算法中使用到的测距值,严格意义上并不是同一时刻目标与各节点的距离.文中提出一种基于异步测量的卡尔曼滤波方法,能有效融合包含测量噪声、时延噪声的测距数据.将处理后的数据运用到移动机器人导航控制上,能有效地对移动机器人运动轨迹进行平滑、预测,并能准确算出其位于网络死区时的坐标及航向角.此测量方式、控制算法在6网格无线传感器网络中,获得了很好的实际控制效果.     

多移动机器人组成任意队形的控制研究

本文将多移动机器人组成队形的整体行为分解为机器人个体分别向对应目标点运动的子行为加以研究．提出了基于两层监控模式的分布式控制框架，监控模块作为统一的指挥协调中枢，确定各机器人合理的对应目标点，避免机器人在目标区域内绕路，使得多移动机器人能够快速流畅地组成任意队形．实验证明了控制方法的有效性．     

基于未知高频增益的非线性系统自适应迭代学习控制

针对一类单输入单输出不确定非线性重复跟踪系统，提出一种基于完全未知高频反馈增益的自适应迭代学习控制，与普通迭代学习控制需要复习增益稳定性前提条不同，自适应迭代学习控制通过不断修改Nussbaum形式的高频学习增益达到收敛，经证明当迭代次数i→∞时，重复跟踪误差可一致收敛到任意小界δ。仿真结果表明了该控制方法的有效性。     

一种变增益的神经元Smith预估控制器的设计

针对Smith预估控制鲁棒性较差的缺点,本文给出一种交增益的神经元Smith预估控制算法。新算法采用采用高收敛阶的学习规则,同时引入专家控制的思想实现交增益控制,改善神经元控制品质。仿真实验表明这种控制方式具有良好的适应性与鲁棒性。     

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。     

电动并联六轮足机器人的运动驱动与多模态控制方法

提出一种并联六轮足移动机器人．该机器人设有多模式Stewart型腿结构,其负载能力大,集成了轮式运动和足式运动的优点,可实现足式、轮式、轮足复合式运动．首先,阐述了机器人设计思路,对电动并联六轮足机器人的硬件系统和控制系统进行设计．其次,针对足式运动模式,设计了一套完整的足式“三角”步态和稳定行走算法,该算法可降低足端与地面之间的垂直方向冲击,防止足式运动拖腿或打滑;针对轮式运动模式,设计并介绍了6轮协同控制和轮式协同转向原理;针对轮足复合式运动模式,介绍了变高度、变支撑面、变轮距、主动隔振控制原理,重点分析了主动隔振控制和变轮距控制,可实现主动隔振及姿态平稳控制,提高了机器人在崎岖颠簸地形下的轮足复合式运动的稳定性．最后,对电动并联六轮足机器人的足式、轮式、轮足复合式运动模式进行实验,实验结果验证了本文提出的并联六轮足移动机器人设计的可行性和各运动模式下驱动与控制算法的有效性．     

基于视觉图像的全向移动机器人轨迹跟踪控制研究

机器人轨迹节点跟踪比较难,导致机器人实际轨迹偏离期望轨迹,所以设计基于视觉图像的全向移动机器人轨迹跟踪控制方法;构建全向移动机器人的运动学数学模型,以此确定机器人移动轨迹数学模型;以移动轨迹数学模型为基础,按照视觉图像划分标准对全向移动机器人运动图像的分割,通过分离目标节点的方式提取运动学特征参量,完成机器人轨迹节点跟踪处理;结合节点跟踪处理结果,将运动学不等式与误差向量作为机器人轨迹跟踪控制的约束条件,利用滑模变结构搭建轨迹跟踪控制模型,实现全向移动机器人轨迹跟踪控制;对比实验结果表明,所设计的方法应用后,全向移动机器人角速度曲线、线速度曲线与期望运动轨迹曲线之间的贴合程度均超过90%,满足全向移动机器人轨迹跟踪控制要求。     

多机器人系统中的机器人运动控制

针对多机器人系统中机器人运动控制的要求和特点,提出了基于Server+IPC+PLC架构的移动机器人运动控制系统方案,解决了系统互连中存在的一些问题。建立移动机器人的运动学模型,设计基于分解运动速度控制的机器人运动轨迹跟踪算法,并通过仿真研究验证算法的有效性。     

Methodology of Concept Control Synthesis to Avoid Unmoving and Moving Obstacles (II)

Dynamic path generation problem of robot in environment with other unmoving and moving objects is considered. Generally, the problem is known in literature as find path or robot motion planning. In this paper we apply the behavioral cloning approach to design the robot controller. In behavioral cloning, the system learns from control traces of a human operator. The task for the given problem is to find a controller not only in the form of the explicit mathematical expression. So RBF neural network is used also. The goal is to apply controller for the mobile robot motion planning in situation with infinite number of obstacles. The advantage of this approach lies in the fact that a complete path can be defined off-line, without using sophisticated symbolical models of obstacles.     

轮式移动机器人曲线行走控制的实现

从实用的角度出发,对轮式移动机器人沿曲线轨迹行走的控制进行了研究。设计了电机伺服控制系统和定位模块来实现机器人的运动控制系统功能,并基于移动机器人动力学模型设计了稳定有效的曲线行走控制算法。机器人沿抛物线和椭圆轨迹行走的实验结果表明,移动机器人曲线行走控制的硬件结构和软件功能是可行实用的,该户外轮式移动机器人运动控制系统的结构设计和功能设计符合实用要求,具有一定的应用价值。     

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。     

Application of a hybrid controller to a mobile robot

This paper presents the application of a hybrid controller to the optimization of the movement of a mobile robot. Through hybrid controller processes, the optimal angle and velocity of a robot moving in a work space was determined. More effective movement resulted from these hybrid controller processes. The experimental scenarios involved a five-versus-five soccer game and a MATLAB simulation, where the proposed system dynamically assigned the robot to the target position. The hybrid controller was able to choose a better position according to the circumstances encountered. The hybrid controller that is proposed includes a support vector machine and a fuzzy logic controller. We used the method of generalized predictive control to predict the target position, and the support vector machine to determine the optimal angle and velocity required for the mobile robot to reach the goal. First, we used the generalized predictive control to predict the target position. Then, the support vector machine is used to classify the angle that must be followed by the mobile robot to reach the goal. Next, a fuzzy logic controller is designed to determine the velocity of the left and right wheels of the mobile robot. Thus generated, the velocity was optimized according to the measures obtained by the support vector machine. Finally, based on the optimal velocity of robot, the output membership function was modified. Consequently, the proposed hybrid controller allowed the robot to reach the goal quickly and effectively.     

A neural framework for adaptive robot control

This paper investigates how dynamics in recurrent neural networks can be used to solve some specific mobile robot problems such as motion control and behavior generation. We have designed an adaptive motion control approach based on a novel recurrent neural network, called Echo state networks. The advantage is that no knowledge about the dynamic model is required, and no synaptic weight changing is needed in presence of time varying parameters in the robot. To generate the robot behavior over time, we adopted a biologically inspired approach called neural fields. Due to its dynamical properties, a neural field produces only one localized peak that indicates the optimum movement direction, which navigates a mobile robot to its goal in an unknown environment without any collisions with static or moving obstacles.     

动态未知环境下基于相对坐标系的移动机器人实时运动规划

提出了一种简单、新颖的在动态未知环境下的移动机器人运动规划方法 .此方法基于相对坐标系 ,通过传感器信息实时调整机器人的行为来实现规划 .在规划过程中 ,机器人有两种行为 :向目标运动和避碰 ,且避碰行为具有优先权 .机器人两种行为的切换是基于加速度空间的 ,首先解决的是避碰问题 ,而向目标运动是作为避碰的反问题来考虑的 .仿真研究验证了此规划方法的有效性     

考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型;其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式;最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。