三轮驱动移动机器人轨迹跟踪控制

针对三轮驱动移动机器人在轨迹跟踪控制过程中运动不平滑的问题,建立了移动机器人在一定运动约束条件下的运动学模型。根据移动机器人位姿误差微分方程的描述,设计了基于后退时变状态反馈方法的移动机器人轨迹跟踪控制器。基于李雅普诺夫方法,对轨迹跟踪控制器的稳定性进行了分析,证明了该控制器能够保证闭环系统全局一致渐进稳定。仿真结果验证了运动学模型的正确性,以及轨迹跟踪控制器的有效性。     

具有未知视觉参数的非完整移动机器人的自适应动态反馈跟踪控制

基于视觉反馈和标准链式形式,研究了一类不确定非完整移动机器人的轨迹跟踪控制问题.首先,利用针孔摄像机模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型.基于这个模型,在具有不确定视觉参数的情形下,利用back-stepping技术,设计出了一种新的自适应动态反馈跟踪控制器,实现了全局渐近的轨迹跟踪,并通过李亚普诺夫方法严格证明了闭环系统的稳定性和估计参数的有界性.仿真结果证明了所提出的控制器的有效性.     

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。     

不确定非完整移动机器人的轨迹跟踪控制

具有未校准视觉参数的非完整移动机器人的运动学系统具有参数不确定性,较一般的运动学系统更加复杂.基于视觉反馈、Barbalat's定理和Lyapunov直接方法,研究了具有未标定摄像机参数的非完整移动机器人的轨迹跟踪问题.首先,利用固定在天花板上的针孔摄像机透视投影模型,提出了一种新的基于视觉伺服的移动机器人运动学跟踪误差模型;基于这个模型,提出了一种新的与未知视觉参数无关的动态反馈跟踪控制器.该控制器不仅保证系统的状态渐近跟踪给定参考轨迹,而且控制器是全局的,通过Lyapunov方法严格证明了闭环系统的稳定性.在惯性系和图像坐标系下讨论跟踪问题,使问题变的简单且设计的控制器更加有用.最后,仿真结果证实了所提出的控制器的有效性.     

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。     

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。     

改进的Backstepping在移动机器人轨迹跟踪中的应用

以四轮移动机器人的运动学模型为研究对象,基于BackStepping的设计思想,通过构造一种简单的中间虚拟反馈变量,同时结合Lyapunov直接法设计了一种移动机器人轨迹跟踪控制律,并证明了系统在设计控制律下的全局稳定性;但控制律中含有未知参数,不同的参考轨迹都要重新调节才能达到良好的跟踪效果,因此利用极点配置的方法对这些参数进行了优化整定,从而保证了控制器的自适应性;文中以直线和圆为参考轨迹做了仿真实验;仿真结果表明该算法具有快速,精确,全局稳定的良好特性。     

移动机器人的线性自抗扰控制设计与实验验证

为了实现移动机器人的高精度轨迹跟踪控制, 设计了一种基于扩张状态观测器的扰动抑制方法和相应的 实验验证平台. 首先, 考虑到不确定扰动如车轮纵向和侧向滑动对移动机器人系统控制性能的影响, 建立了受扰下 的运动学模型; 然后, 基于扩张后的运动学模型设计了扩张状态观测器来估计系统扰动; 接着, 利用扰动估计构建 了线性自抗扰控制器, 并利用Lyapunov函数证明了闭环系统的稳定性; 同时, 基于MATLAB/Simulink软件和微控制 器搭建了所推荐控制算法的实验验证平台. 最后, 仿真和实验结果都验证了所提出控制方法的有效性.     

基于预测控制的全向移动机器人轨迹跟踪

针对全向移动机器人的轨迹跟踪控制问题,在分析与建立全向移动机器人运动学与动力学模型的基础上,研究了基于模型预测控制的移动机器人轨迹跟踪方法;通过对误差模型的线性化描述,并将目标函数以二次项部分与线性部分构成,在满足控制约束的条件下,将采样周期内最小化目标甬数的优化问题转换为二次规划问题的求解;当取预测时域N=5时,机器人在x和y方向的误差范围分别为±5.4%和±4.7%,并在轨迹曲线中曲率半径较小处出现较为明显的抖动,最后对误差产生原因进行了分析与总结,结果表明该方法对全向移动机器人的轨迹跟踪控制是有效可行的.     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

滑动与打滑条件下的轮式移动机器人自抗扰跟踪控制

针对具有未知的滑动与打滑的轮式移动机器人(WMR),提出了一种基于自抗扰思想的跟踪控制策略.首先建立了滑动与打滑条件下的轮式移动机器人动力学模型.其次,由反步法设计运动学控制器,基于模型设计线性扩张观测器和动力学控制器,并给出了控制器稳定性分析.最后与积分滑模控制进行了仿真对比,结果表明该控制方法的误差收敛速度更快.观测器能够精确估计滑动与打滑及动力学不确定性对机器人的扰动,提高了轮式移动机器人轨迹跟踪的鲁棒性.     

精确反馈线性化在移动机器人轨迹跟踪中的应用

本文首先介绍了轮式移动机器人从原始形式到链形式的转换 ,并以此为对象 ,通过动态扩展 ,引入了精确反馈线性化的方法 ,将链形式精确地转换为输入输出线性系统 ,在此基础上 ,设计了反馈控制器对轮式移动机器人的轨迹跟踪进行控制 .仿真结果说明了方法的可行性     

轮式足球机器人平滑运动轨迹控制算法的研究--Robocup系列研究之四

介绍一种轮式足球机器人的平滑运动轨迹控制算法。为了更简洁有效地驱动足球机器人平滑快速地跟踪目标位置与姿态，在控制其移动的过程中应平滑连续地改变其速度和方向。提供了一种基于双积分系统时间最优Bang-Bang控制的轨迹生成及控制算法，在模拟引导轨迹的引导下进行连续的速度控制引导机器人平滑高速跟踪运动轨迹并按要求调整其末端姿态。通过一系列的仿真结果来体现该控制算法的高效性和准确性。     

多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型;采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器;搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统;在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比;实验结果验证了文章所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

An Intelligent Robust Tracking Control for a Class of Electrically Driven Mobile Robots

This paper addresses the problem of designing robust tracking control for a class of uncertain wheeled mobile robots actuated by brushed direct current motors. This class of electrically‐driven mechanical systems consists of the robot kinematics, the robot dynamics, and the wheel actuator dynamics. Via the backstepping technique, an intelligent robust tracking control scheme that integrates a kinematic controller and an adaptive neural network‐based (or fuzzy‐based) controller is developed such that all of the states and signals of the closed‐loop system are bounded and the tracking error can be made as small as possible. Two adaptive approximation systems are constructed to learn the behaviors of unknown mechanical and electrical dynamics. The effects of both the approximation errors and the unmodeled time‐varying perturbations in the input and virtual‐input weighting matrices are counteracted by suitably tuning the control gains. Consequently, the robust control scheme developed here can be employed to handle a broader class of electrically‐driven wheeled mobile robots in the presence of high‐degree time‐varying uncertainties. Finally, a simulation example is given to demonstrate the effectiveness of the developed control scheme.     

具有参数不确定性的轮式移动机器人自适应backstepping控制

针对参数不确定的轮式移动机器人的轨迹跟踪问题,设计自适应跟踪控制器.基于移动机器人的动力学模型,采用backstepping积分方法,通过逐步递推选择适当的Lyapunov函数,设计基于状态反馈的自适应控制器,并进行了相应的稳定性分析.与传统PID控制进行仿真对比,结果表明提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了移动机器人的轨迹跟踪性能和鲁棒性.     

Adaptive motion control of wheeled mobile robot with unknown slippage

As a major representative nonholonomic system, wheeled mobile robot (WMR) is often used to travel across off-road environments that could be unstructured environments. Slippage often occurs when WMR moves in slopes or uneven terrain, and the slippage generates large accumulated position errors in the vehicle, compared with conventional wheeled mobile robots. An estimation of the wheel slip ratio is essential to improve the accuracy of locomotion control. In this paper, we propose an improved adaptive controller to allow WMR to track the desired trajectory under unknown longitudinal slip, where the stabilisation of the closed-loop tracking system is guaranteed by the Lyapunov theory. All system states use neural network online weight tuning algorithms, which ensure small tracking errors and no loss of stability in robot motion with bounded input signals. We demonstrate superior tracking results using the proposed control method in various Matlab simulations.     

轮式移动机器人的数据驱动轨迹跟踪滑模约束控制

针对有输入饱和约束的轮式移动机器人(WMR)的轨迹跟踪问题,提出一种抗饱和无模型自适应积分终端滑模控制方案.该方案基于紧格式动态线性化技术,构建WMR系统的在线数据驱动模型.在积分终端滑模控制器设计过程中,引入动态抗饱和补偿器,以解决WMR系统轨迹跟踪过程中执行器饱和问题.控制器设计仅利用控制系统的输入输出数据,与WMR系统模型信息无关.因此,针对不同类型的WMR系统,该方案均可实现.最后,通过仿真实验将所提出的方法与PID方法的控制效果进行对比,仿真结果表明,所提出的控制算法的跟踪误差更小且响应速度更快.     

Trajectory tracking control of mobile robots without using longitudinal velocity measurements

We propose a new robust trajectory tracking control scheme for wheeled mobile robots without longitudinal velocity measurements. In the proposed controller, a velocity observer is used to estimate the longitudinal velocity of a wheeled mobile robot. A wheeled mobile robot model, including motor dynamics, is used to develop the controller. The developed controller has the following useful properties. (1) The developed controller does not require any accurate knowledge of the robot parameters or the motor parameters. Even if there are uncertainties in the robot dynamics, including the motor properties, it is certain that tracking errors ultimately become uniformly bounded in a closed-loop system using the developed controller. (2) It is shown theoretically that the ultimate norms of tracking errors can easily be reduced by setting only one design parameter.     

Neural-based online finite-time optimal tracking control for wheeled mobile robotic system with inequality constraints

In this study, a finite-time online optimal controller was designed for a nonlinear wheeled mobile robotic system (WMRS) with inequality constraints, based on reinforcement learning (RL) neural networks. In addition, an extended cost function, obtained by introducing a penalty function to the original long-time cost function, was proposed to deal with the optimal control problem of the system with inequality constraints. A novel Hamilton-Jacobi-Bellman (HJB) equation containing the constraint conditions was defined to determine the optimal control input. Furthermore, two neural networks (NNs), a critic and an actor NN, were established to approximate the extended cost function and the optimal control input, respectively. The adaptation laws of the critic and actor NN were obtained with the gradient descent method. The semi-global practical finite-time stability (SGPFS) was proved using Lyapunov's stability theory. The tracking error converges to a small region near zero within the constraints in a finite period. Finally, the effectiveness of the proposed optimal controller was verified by a simulation based on a practical wheeled mobile robot model.