轮子纵向打滑条件下的移动机器人自适应跟踪控制

针对纵向滑动参数未知的轮式移动机器人的轨迹跟踪问题,提出一种自适应跟踪控制策略.利用两个未知参数来描述移动机器人左右轮的纵向打滑程度,建立了产生纵向滑动的差分驱动轮式移动机器人的运动学模型;设计了补偿纵向滑动的自适应非线性反馈控制律;应用 Lyapunov 稳定性理论与 Barbalat 定理证明了闭环系统的稳定性;同时,提出了一种由极点配置方法在线调整控制器增益的方法.仿真结果验证了所提出控制方法的有效性.     

漂浮基空间机器人自适应RBF 网络终端滑模控制

主要研究漂浮基空间机器人对工作空间连续轨迹跟踪控制问题．针对系统动力学模型中非线性项未知，以及参数不确定性和外界扰动无法估计的情况，提出了基于自适应RBF网络终端滑模控制方法．该方法结合了非线性滑动流形与径向基函数特性，利用自适应RBF网络在线学习系统中的不确定性，使得无需精确的动力学模型亦能保证系统在有限时间内快速稳定．根据Lyapunov方法设计的自适应增益保证闭环控制系统具有全局稳定性，并且有效抑制抖振现象．针对6关节空间机器人的轨迹跟踪控制仿真表明，提出的自适应RBF网络终端滑模控制方法能够基于不完整动力学模型实现高精度轨迹跟踪，且误差在有限时间内快速收敛，系统抖振也得到了有效抑制．     

基于观测器的网络化多智能体预测控制

研究含模型不确定性的刚性航天器输入受限时的姿态跟踪控制设计问题.针对修改的罗德里格斯姿态参数描述的航天器姿态跟踪动力学模型,基于一种有界非线性连续函数和修改的罗德里格斯姿态参数自身有界性,设计鲁棒自适应状态反馈受限控制器,不确定参数的自适应更新律可保证在线估计参数的有界性.通过所提出的输入受限控制设计方法给出输入受限幅值、期望轨迹上界、模型不确定性上界与控制器增益之间的定量关系,并采用李亚普诺夫方法证明通过选择合适的控制器参数可以保证闭环系统角速度误差渐近收敛到零,且姿态跟踪误差收敛到原点小邻域,同时保证控制量始终在预先给定的受限范围内.仿真结果验证了所设计的控制器可在输入受限的情况下完成控制目标并有效抑制模型的不确定性影响.     

非完整移动机器人的神经网络鲁棒自适应控制

在非完整移动机器人轨迹跟踪问题中,针对机器人运动学与动力学模型的参数和非参数不确定性,提出了一种混合神经网络鲁棒自适应轨迹跟踪控制器,该控制器由运动学控制器和动力学控制器两部分组成;其中,采用了参数自适应的径向基神经网络对运动学模型的未知部分进行了建模,并采用权值在线调整的单层神经网络和自适应鲁棒控制项构成了动力学控制器;基于Lyapunov方法的设计过程保证了系统的稳定性和收敛性,仿真结果证明了算法的有效性。     

一种新型的机器人自适应跟踪控制器研究

针对神经动力学模型描述的非完整移动机器人系统,研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题.基于反演技术提出了一种转矩控制器,利用Lyapunov稳定性理论和中间虚拟控制量保证跟踪误差渐进收敛到零.不但能够得到稳定跟踪所需速度,并且有效解决了不确定非完整移动机器人动力学系统的轨迹跟踪问题,具有设计方法简单,鲁棒性强的特点.仿真结果验证了所设计的控制器的有效性和正确性.     

轮式移动机器人轨迹跟踪控制研究

针对轮式移动机器人参数摄动和内外部扰动等问题,提出一种新型的基于自适应扩张状态观测器的滑模控制算法。采用自适应虚拟速度控制器估计系统未知参数,滑模控制器抑制参数摄动和内外部扰动,非线性扩张状态观测器观测系统扰动并减小控制输入的抖振,实现了轨迹跟踪误差的快速收敛。利用Lyapunov稳定性理论证明了控制算法的稳定收敛性。将所提算法与传统自适应反演滑模算法进行对比,对比结果表明了所提算法的有效性和鲁棒性。     

含驱动器动力学的移动机器人编队自适应控制

针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者[l-ψ]控制结构,通过反步法设计了一种将运动学控制器与驱动器输入电压控制器相结合的新型控制策略。采用径向基神经网络（RBFNN）对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿。该方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。     

一类不确定系统的自适应滑模迭代学习控制

本文针对一类在有限时间内执行重复任务的不确定非线性系统状态跟踪问题,提出一种自适应滑模迭代学习控制方法,在存在初始偏移的情况下也能实现对参考轨迹的完全收敛.本文通过设计全饱和自适应迭代学习更新律,估计参数和非参数不确定性以及未知期望控制输入,并将估计值限制在指定界内,避免估计值的正向累加.文章设计的自适应滑模迭代学习控制方法对系统模型的信息需求少,在对系统非参数不确定性的上界估计时不需要Lipschitz界函数已知.本文给出严格的理论分析,证明闭环系统所有信号的一致有界性以及跟踪误差的一致收敛性,并通过仿真验证所提控制方法的有效性.     

基于神经网络的不确定移动机器人鲁棒自适应跟踪控制

针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.     

非完整移动机器人轨迹跟踪自适应控制器设计

针对轮式移动机器人的非完整运动学模型,将自适应反演控制技术和李亚普诺夫稳定性理论应用于机器人轨迹跟踪控制,设计了具有全局渐近稳定性的自适应轨迹跟踪控制器,并在Matlab环境下实现了移动机器人对直线和椭圆2种轨迹追踪的仿真实验.实验表明:该控制方法在轨迹跟踪控制中有较好的航向跟踪效果,对机器人非完整系统模型的非线性特性...     

Adaptive observer-based trajectory tracking control of nonholonomic mobile robots

In this paper, an adaptive observer-based trajectory tracking problem is solved for nonholonomic mobile robots with uncertainties. An adaptive observer is first developed to estimate the unmeasured velocities of a mobile robot with model uncertainties. Using the designed observer and the backstepping technique, a trajectory tracking controller is designed to generate the torque as an input. Using Lyapunov stability analysis, we prove that the closed-loop system is asymptotically stable with respect to the estimation errors and tracking errors. Finally, the simulation results are presented to validate the performance and robustness of the proposed control system against uncertainties.     

An uncertainty compensator for robust control of wheeled mobile robots

This paper proposes an uncertainty compensator to design a novel robust control for mobile robots with dynamic and kinematic uncertainties. A novel gradient-based adaptive fuzzy estimator is developed to compensate uncertainties with minimum required feedback signals. As a novelty, the proposed approach uses the tracking error and its first time derivative to form the estimation error of uncertainty, and guarantees that both the estimation error and tracking error converge asymmetrically to ignorable value. Advantages of the proposed robust control are simplicity in design, robustness against uncertainties, guaranteed stability, and good control performance. The control approach is verified by stability analysis. Simulation results and experimental results illustrate the effectiveness of the proposed control. Experimental evaluation of the proposed controller is expressed for two different low-cost nonholonomic wheeled mobile robots. The proposed control design is compared with an adaptive control approach to confirm the superiority of the proposed approach in terms of precision, simplicity of design, and computations.     

基于UKF的移动机器人主动建模及模型自适应控制方法

利用基于无色卡尔曼滤波（Unscented Kalman Filter, UKF）的状态和参数联合估计方法对移动机器人进行在线主动建模,基于该主动模型的逆动力学控制方法,实现了移动机器人对其自身不确定因素的自主性. 在针对全方位移动机器人的仿真实验中,验证了UKF对时变的状态和参数的收敛性和跟踪能力,并给出了不确定界. 基于主动建模的逆动力学控制方法与常值PID控制方法的比较结果,验证了该方法的有效性.     

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.     

饱和输入下四旋翼无人机滑模轨迹跟踪控制

为解决四旋翼无人机在饱和输入下的轨迹跟踪控制问题,同时兼顾系统存在的参数不确定性和外部风力扰动影响,设计了一种改进的抗干扰自适应鲁棒滑模控制方法;基于六自由度架构,设计四旋翼无人机简化的系统模型,进而降低控制器设计的复杂程度;引入带有误差信号的滑模函数,设计带有误差信号的饱和补偿自适应控制律,同时增加鲁棒控制项,降低由于饱和输入问题带来的抖振影响,并减小参数不确定和外部风力扰动对系统稳定性的影响;系统模型与抗干扰自适应控制律相结合,形成了改进的抗干扰自适应鲁棒滑模控制策略,实现四旋翼无人机的位置轨迹和姿态轨迹的稳定跟踪;最后通过数值仿真与传统PD控制算法进行仿真比较,验证控制方法的有效性和优越性。     

Robust adaptive trajectory tracking control of underactuated autonomous underwater vehicles with prescribed performance

In this paper, a novel robust adaptive trajectory tracking control scheme with prescribed performance is developed for underactuated autonomous underwater vehicles (AUVs) subject to unknown dynamic parameters and disturbances. A simple error mapping function is proposed in order to guarantee that the trajectory tracking error satisfies the prescribed performance. A novel additional control based on Nussbaum function is proposed to handle the underactuation of AUVs. The compounded uncertain item caused by the unknown dynamic parameters and disturbances is transformed into a linear parametric form with only single unknown parameter called virtual parameter. On the basis of the above, a novel robust adaptive trajectory tracking control law is developed using dynamic surface control technique, where the adaptive law online provides the estimation of the virtual parameter. Strict stability analysis indicates that the designed control law ensures uniform ultimate boundedness of the AUV trajectory tracking closed‐loop control system with prescribed tracking performance. Simulation results on an AUV in two different disturbance cases with dynamic parameter perturbation verify the effectiveness of our adaptive trajectory tracking control scheme.     

具有未知参数的机器人-摄像机系统的自适应动态反馈跟踪控制

研究了不确定非完整移动机器人系统的跟踪问题.首先,基于视觉反馈和状态输入变换,展示了一种非完整移动机器人运动学系统的不确定链式模型.基于反步法思想和跟踪误差系统结构,给出了两个重要的新变换.然后运用李雅普诺夫直接方法和扩展巴巴拉引理设计了自适应控制律和动态反馈鲁棒控制器,以实现理想轨迹的跟踪控制.严格证明了闭环误差系统的渐近收敛性.最后,仿真结果证实了提出的控制策略有效.