基于变增益模糊PID控制的移动机器人轨迹跟踪

该文对轮式移动机器人提出了一种基于变增益的模糊PID轨迹跟踪控制方法。首先将常规PID分为PI和PD的组合,再把PID的输出转化为误差和误差变化率之和,然后设计增益随误差变化的自适应调节律,使得移动机器人跟踪期望的运动轨迹。最后通过实验验证了所提方法的有效性。     

轮式移动机器人自适应轨迹跟踪控制

针对轮式移动机器人质心和驱动轮轴线中心不重合的情况,基于运动学模型研究了轮式移动机器人的轨迹跟踪控制问题.首先,提出了一种新的Lyapunov函数,并利用该函数设计了一种运动学控制器,避免了初始误差较大时,跟踪误差收敛不到零的情况.其次,考虑轮式移动机器人质心和驱动轮轴线中心之间距离不确定的情况,给出了一种自适应控制算...     

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。     

非完整四轮式移动机器人反演轨迹跟踪控制

根据非完整约束的四轮式移动机器人的运动学模型,对其轨迹跟踪控制策略进行了深入研究;采用反演控制的相关理论和方法,设计了移动机器人轨迹跟踪控制策略;该控制策略将系统分解为低阶子系统来进行处理,利用中间虚拟控制量和部分Lyapunov函数简化了控制器设计,并且具有全局渐近稳定性;此外,在控制策略中对相应的控制量设置了阈值,保证了移动机器人运动的平滑性;最后,对所设计控制器的稳定性和平滑性进行了仿真实验,验证了其正确性和有效性。     

基于RBF神经网络的轮式移动机器人轨迹跟踪控制

针对一类非完整移动机器人的轨迹跟踪控制系统,提出一种基于RBF神经网络的滑模控制与转矩控制相结合的智能控制方法。该方法同时考虑机器人运动学和动力学模型,通过RBF神经网络进行移动机器人运动过程学习,与速度误差结合构成力矩控制器,可保证闭环误差系统一致最终渐进稳定。采用基于李亚普诺夫(Lyapunov)稳定性理论的判稳方法,证明整个闭环控制系统的稳定性。仿真结果表明,该控制方案具有较强的鲁棒性。     

基于引导角的轮式移动机器人轨迹跟踪控制

首先,基于拉格朗日方程建立移动机器人模型;然后,根据侧向误差和角度误差的关系设计引导角,将该引导角作为虚拟输入,结合Backstepping方法设计基于移动机器人运动学模型的轨迹跟踪控制律,并给出参数选取条件;最后,以驱动轮力矩作为控制输入,并考虑到机器人受到的外部扰动,将运动学控制律扩展得到基于动力学模型的控制律.仿真结果表明了所设计控制律的有效性.     

基于T-S模型的轮式移动机器人轨迹跟踪控制

针对带有执行机构饱和约束与外部干扰的轮式移动机器人,提出了一种基于T-S模糊模型的轨迹跟踪方法.利用机器人运动特性和参考轨迹建立轨迹跟踪的误差系统并将其作T-S模型描述.通过求解具有LMI约束的半定规划问题,对每个线性子系统单独设计满足控制约束与H∞性能约束的状态反馈控制器,并在PDC(动态平行分配补偿)设计框架下构建全局控制器,最后证明闭环系统的李雅普诺夫稳定性.仿真结果验证了该方法的有效性和可行性.     

基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。     

轮式移动机器人固定时间轨迹跟踪控制

针对存在外部干扰的轮式移动机器人轨迹跟踪控制问题,提出一种固定时间轨迹跟踪控制方案.首先,对于轮式移动机器人的运动学误差模型,基于一种新颖的积分滑模面设计固定时间运动学速度控制器,使跟踪误差在固定时间收敛到原点所在的邻域内;其次,对于轮式移动机器人的动力学模型,设计固定时间干扰观测器对外部干扰信息进行估计,提出一种固定时间轨迹跟踪控制器,以确保动力学系统的固定时间稳定性,实现轮式移动机器人的高精度轨迹跟踪控制;最后,通过仿真结果验证所设计的轨迹跟踪控制方案的有效性.     

非完整移动机器人的轨迹跟踪控制

讨论基于运动学模型的非完整移动机器人的轨迹跟踪控制问题。在一定的假设条件下实现了全局指数跟踪，该假设允许参考模型角速度和平移速度均趋于零，并将该方法推广到 动力学模型。仿真例子证明了该方法的有效性。     

基于模糊CMAC的移动机器人轨迹跟踪控制

针对受非完整约束的移动机器人的轨迹跟踪问题,提出了一种基于模糊CMAC的轨迹跟踪控制策略。该策略利用模糊CMAC神经网络逼近移动机器人动力学模型的非线性和不确定,同时与速度误差结合起来构成力矩控制器,并用滑模项来补偿不确定性扰动对系统的影响。李亚普诺夫稳定性定理保证了系统的稳定性和跟踪误差的渐近收敛,仿真结果进一步验证了所提方法的有效性。     

轮式移动机器人WMR的运动分析

研究了轮式移动机器人 (WMR)的运动问题 ,分析了一种理想滚动情况下航向角控制的差动运动模型 .通过算例证明该方法简单实用 ,在轮式移动机器人的路径规划与定位控制中有一定的参考价值     

基于Haar小波分解的轮式移动机器人轨迹跟踪控制

利用Haar小波在满足机器人动力学约束的前提下 ,对期望轨迹进行曲线分解 ,得到所需的一系列参考点 ,并由这些参考点构造出虚拟小车的运动轨迹 .基于控制Lyapunov函数设计了速度跟踪控制律 ,驱动机器人跟随虚拟小车实现对期望轨迹的跟踪 .该方法的突出特点是可实现对任意复杂轨迹的跟踪控制 ,且不存在速度跳跃点 .仿真实验结果表明它的有效性 .     

轮式机器人模糊遗传PID转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用了模糊遗传PID控制方法。先用模糊神经网络建立车体模型，再用遗传PID进行参数寻优，最后用优化参数控制机器人转向。该方法能直观地判断PID参数是否有效。经过对车体转向控制的实验研究，控制效果良好。     

不确定轮式移动机器人的任意轨迹跟踪

本文研究参数不确定轮式移动机器人的任意轨迹跟踪统一控制问题.通过引入坐标变换、输入变换和辅助动态,将机器人模型转换为合适的形式;进而运用Lyapunov方法和自适应技术设计了一种自适应统一控制器,该控制器可以保证跟踪误差全局一致最终有界,且最终界大小可以通过调整控制器参数而任意调节.仿真结果验证了控制律的有效性.     

基于全局视觉的轮式移动机器人轨迹跟踪控制

将视觉伺服控制思想引入到全局视觉条件下的轮式移动机器人轨迹跟踪控制中,提出一种基于消除图像特征误差的控制方法.讨论并推导了包含电机模型的非完整移动机器人动力学方程,设计了鲁棒速度跟踪控制器.实验结果证明了文中方法的有效性.􀁱     

模糊PID控制下移动机器人定位方法研究

机器人定位研究一直是机器人学研究的重点,但目前机器人定位方法都存在缺点,抗干扰能力差,不能做到准确定位,主要是由于环境等多方面因素的干扰,定位误差会逐渐加大;由于上述原因,提出了一种基于设定值加权模糊PID控制的移动机器人自定位方法;给出了定位过程的参数,为机器人移动建立模型,设计一种模糊 PID 控制器,根据误差及变化率大小,选择模糊定位或PID定位,实现移动机器人的智能定位,提高机器人定位准确的准确性;通过仿真实验结果证明:模糊PID控制的机器人自定位方法对移动机器人的定位过程有较好的改善作用,实用效果较好。     

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。