基于双重饱和函数的不确定机器人分散控制

针对具有集中不确定性的机器人轨迹跟踪问题,在传统PD控制基础上,引用双重饱和函数提出了一种不依赖于机器人动力学模型的基于多项式的分散控制结构。该控制器由PD控制器和针对参数和非参数不确定性的非线性补偿控制器构成。将滑模控制原理与饱和函数特性有机结合起来,减轻了一般滑模控制的抖振现象,有效抑制了执行器的饱和。通过李亚普诺夫定理,证明了控制系统的渐近稳定性和跟踪误差的有界性。仿真结果表明了所提出的控制策略的有效性。     

船舶航向非线性系统鲁棒跟踪控制

对船舶航向非线性系统, 提出了一种基于神经网络方法的鲁棒跟踪控制器. 系统由船舶运动非线性响应模型和舵机伺服系统串联构成, 其中运动响应模型考虑了建模误差和外界干扰力等非匹配不确定性. 对建模误差和期望舵角的一阶导数项应用在线二层神经网络予以辨识和补偿, 不确定性干扰项处理应用L2增益设计. 采用Lyapunov函数递推法, 得到包括神经网络权值算法在内的跟踪控制器. 跟踪误差和神经网络权值误差的一致终值有界性保证了系统的鲁棒稳定性, 合理的控制器参数选择保证了控制精度. 仿真结果验证了控制器的有效性.     

考虑状态约束与执行器饱和的水下机器人轨迹跟踪控制

针对执行器饱和、模型参数不确定以及海流干扰等因素影响下的水下机器人,提出一种考虑状态约束以及执行器饱和的轨迹跟踪控制器.首先,构建水下机器人水平面轨迹跟踪误差方程;然后,对载体模型参数不确定性产生的模型误差以及海流干扰,设计一个非线性观测器进行估计并用于对控制器进行扰动补偿;接着,引入执行器饱和补偿系统、二阶滤波器以及滤波器误差补偿系统,设计命令滤波反步滑模控制器来控制水下机器人的水平面轨迹跟踪;最后,严格验证命令滤波反步滑模控制器的稳定性并进行数值仿真,验证所提出控制器的有效性.     

欠驱动自主水面船的非线性路径跟踪控制

基于级联方法提出一种欠驱动自主水面船的全局K指数稳定路径跟踪控制算法.采用以自由路径参考点为原点的Serret-Frenet坐标系建立路径跟踪误差的动态模型,以路径参数的变化率为附加控制输入,克服了以正交投影点为坐标原点时的奇异值问题.设计路径跟踪航向角指令,将路径跟踪模型分解为位置跟踪子系统和航向角、前向速度跟踪子系统两个子系统级联的形式,设计航向角和前向速度的全局指数稳定跟踪控制器,应用级联系统理论证明了路径跟踪误差的全局K指数稳定性.数学仿真和自主水面船湖上实验结果验证了该路径跟踪控制算法的有效性.     

基于级联方法的欠驱动AUV全局K指数3 维直线跟踪控制

采用非线性系统级联方法,提出一种欠驱动自主水下航行器的3维直线跟踪控制算法,首先将3维直线跟踪误差模型分解为水平面运动受垂直面运动扰动的级联结构;然后分别设计俯仰角指令和航向角指令,进一步将平面直线跟踪模型分解为位置跟踪误差受俯仰角/航向角跟踪误差扰动的级联结构,并设计了俯仰角和航向角的跟踪控制律,通过逐级应用级联系统稳定性理论证明了3维直线跟踪误差的全局κ指数稳定性;最后通过数学仿真验证了所提出跟踪控制算法的有效性。     

轮式移动机器人的位置量测输出反馈轨迹跟踪控制

针对机器人的姿态角难以精确测量的困难,本文研究基于位置测量的轮式移动机器人的轨迹跟踪问题.首先提出一种利用机器人的位置信息估计其姿态角的降维状态观测器,当机器人的线速度严格大于零时,可保证姿态角观测误差的指数收敛.然后给出一种新的状态反馈轨迹跟踪控制律,当参考轨迹满足一定的激励条件时,可以保证机器人的线速度严格大于零且跟踪误差全局渐近收敛.进一步结合姿态角观测器和状态反馈控制律,得到一种输出反馈轨迹跟踪控制算法.理论分析表明,当参考轨迹满足一定的激励条件时,所提出的输出反馈控制算法可以保证跟踪误差的全局渐近收敛.最后对所提出的姿态角观测器、状态反馈和输出反馈轨迹跟踪控制算法进行了仿真验证,证实了算法的有效性,并且当存在位置测量误差时,所提出的输出反馈轨迹跟踪控制算法仍可以保证机器人对参考轨迹的实际跟踪.     

控制受限的移动机器人鲁棒跟踪控制器设计

研究了非完整移动机器人动力学模型中带有参数不确定和控制受限的鲁棒轨迹跟踪控 制器的设计问题.在建立移动机器人的全动态误差模型的基础上,应用滚动时域控制(RHC)和线 性矩阵不等式(LMIs)方法,设计了鲁棒跟踪控制器,在满足非完整和控制约束的条件下,实现了 机器人位置,导向角以及速度的同时渐近跟踪.系统稳定性的充分条件以LMI的形式给出.仿真 结果验证了提出方法的可行性和有效性.     

煤矿巡检机器人设计及模糊控制研究

基于煤矿井下回采工作面作业环境巡检需求,研究了一款基于高精度磁导航传感器和RFID射频识别模块的煤矿巡检机器人。同时,针对该机器人在复杂环境下的轨迹跟踪问题,对该机器人进行了数学分析和运动学建模,利用位置误差e和误差变化率e_c作为输入,左右轮速度差ΔV作为输出,提出了一种双输入-单输出的模糊控制方法,并在Matlab环境中搭建控制器模型,针对直线路径和圆形路径进行了计算机仿真验证。仿真结果表明,直线路径和圆形路径跟踪过程种,煤矿巡检机器人在1.5 s 时达到预设路径,方向偏差x_e、y_e超调量均≤0.1m,导航角θ_e超调量≤0.1rad,与常规PID控制器相比,所设计的模糊控制方法具有响应快、超调量小、稳定性强,系统可靠性和鲁棒性强的特点。     

AUV纯方位目标跟踪轨迹优化方法

为了进一步提高自主水下机器人(AUV)纯方位目标跟踪能力,从AUV轨迹优化方面进行了研究.采用基于距离的分段轨迹优化方法:在跟踪目标的初始阶段以定位的位置误差GDOP(geometrical dilution of precision)作为优化对象,以期在定位跟踪的各个时刻能得到最优的定位精度;针对目标运动要素(位置、速度、航向等)估计趋于收敛的情况,提出了一种基于短期预测的轨迹优化方法,AUV根据物理条件限制预测双方短期状态,计算能够反映跟踪态势特征的收益函数,根据收益函数对自身某状态进行评估,估算出自身各个预测状态的综合收益后,选出综合收益最大的那个状态作为短期目标,执行能到达该状态的行为.目标运动要素估计中使用扩展卡尔曼滤波(EKF).最后,将该轨迹优化方法与基于GDOP的轨迹优化进行仿真对比,结果表明该方法能够实现AUV与目标较快汇合.     

基于轨迹跟踪车式移动机器人编队控制

针对车式移动机器人的运动学模型特点, 提出一种基于轨迹跟踪多机器人编队控制方法. 首先利用编队结构参数确定队形, 根据编队轨迹和相关参数生成虚拟机器人, 把编队控制转化为跟随机器人对虚拟机器人的轨迹跟踪; 然后运用反步法构造车式移动机器人轨迹跟踪系统的Lyapunov 函数, 通过使该函数负定, 得到跟随机器人的轨迹跟踪控制器; 最后在Microsoft robotics developer studio 4 (MRDS4) 中搭建3D 仿真平台, 设计了3 组实验, 所得结果表明了所提出方法的有效性.     

基于Lyapunov方法和快速终端滑模的轨迹跟踪控制

针对移动机器人的运动学模型,提出一种具有全局渐近稳定性的跟踪控制器。该跟踪控制器的设计分为两部分：第一部分是采用全局快速终端滑动模态的思想设计了角速度的控制律,用来渐近镇定移动机器人跟踪的前向角误差;第二部分是采用Lyapunov方法设计了线速度的控制律,用来渐近镇定移动机器人跟踪的平面坐标误差。采用Lyapunov稳定性定理,证明了移动机器人在满足这些控制律条件下,实现了对参考轨迹的全局渐近跟踪。实验结果表明移动机器人能够有效地跟踪期望轨迹,有利于在实际应用中推广。     

自由漂浮空间机器人轨迹跟踪的模型预测控制

针对传统控制方法难以解决自由漂浮空间机器人(free-floating space robot, FFSR)轨迹跟踪过程中的各类约束的问题,采用模型预测控制对自由漂浮空间机器人的轨迹跟踪问题进行了研究.在自由漂浮空间机器人拉格朗日动力学模型的基础上,建立了系统伪线性化的扩展状态空间模型;在给定系统的性能指标和各类约束的情况下,基于拉盖尔模型设计相应的离散模型预测控制器,并证明控制器的稳定性,控制器中引入任务空间滑模变量实现了对末端期望位置和期望速度的同时跟踪;以平面二杆自由漂浮空间机器人为例,对无约束末端轨迹跟踪和有约束末端轨迹跟踪两种情况进行对比仿真验证.仿真结果表明,该模型预测控制器不仅可以实现对末端期望轨迹的有效跟踪,还能满足各类约束.     

基于眼到手视觉伺服的移动机器人模型预测控制

针对具有速度约束的移动机器人视觉轨迹跟踪问题,提出了一种基于LOQO内点法的模型预测控制方法;在眼到手框架下,首先建立了移动机器人误差模型,并对该误差模型进行离散化,给出了移动机器人视觉伺服跟踪的代价函数;同时考虑到实际中移动机器人存在速度约束问题,将代价函数的最小化问题转换为带输入约束的模型预测控制问题;然后采用障碍函数法将移动机器人的速度约束转化为等式约束并采用拉格朗日乘子法引入到代价函数中;进而,利用LOQO内点法求解具有速度约束的最小化问题,得到基于视觉的轨迹跟踪控制器;最后,通过仿真验证了所提算法的有效性和优越性.     

Trajectory tracking optimization of mobile robot using artificial immune system

In this paper, an optimization method that provides quick response using artificial immune system, is proposed and applied to a mobile robot for trajectory tracking. The study focuses on the immune theory to derive a quick optimization method that puts emphasis on immunity feedback using memory cells by the expansion and suppression of the test group rather than to derive a specific mathematical model of the artificial immune system. Various trajectories were selected in mobile environment to evaluate the performance of the proposed artificial immune system. The global inputs to the mobile robot are reference position and reference velocity, which are time variables. The global output of mobile robot is a current position. The tracking controller makes position error to be converged to zero. In order to reduce position error, compensation velocities on the track of trajectory are necessary. Input variables of fuzzy are position errors in every sampling time. The output values of fuzzy are compensation velocities. Immune algorithm is implemented to adjust the scaling factor of fuzzy automatically. The results of the computer simulation proved the system to be efficient and effective for tracing the trajectory to the final destination by the mobile robot.

     

基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

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。     

Adaptive output feedback tracking control of robot manipulators using position measurements only

In this paper, a new adaptive neuro controller for trajectory tracking is developed for robot manipulators without velocity measurements, taking into account the actuator constraints. The controller is based on structural knowledge of the dynamics of the robot and measurements of joint positions only. The system uncertainty, which may include payload variation, unknown nonlinearities and torque disturbances is estimated by a Chebyshev neural network (CNN). The adaptive controller represents an amalgamation of a filtering technique to generate pseudo filtered tracking error signals (for the elimination of velocity measurements) and the theory of function approximation using CNN. The proposed controller ensures the local asymptotic stability and the convergence of the position error to zero. The proposed controller is robust not only to structured uncertainty such as payload variation but also to unstructured one such as disturbances. Moreover the computational complexity of the proposed controller is reduced as compared to the multilayered neural network controller. The validity of the control scheme is shown by simulation results of a two-link robot manipulator. Simulation results are also provided to compare the proposed controller with a controller where velocity is estimated by finite difference methods using position measurements only.     

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。