摄像机模型下非完整移动机器人的自适应镇定

基于摄像机视觉反馈的方法,针对摄像机视觉参数未知及移动机器人质心和几何中心不重合且质心几何中心距离未知情况下,提出了一种不连续反馈控制律,并利用自适应技术对其进行修正,在证明时创新性地加了一个状态作为补充,最终证明了提出的控制律能使该视觉反馈系统下移动机器人的各状态由任意的初始状态指数收敛到原点,并利用MATLAB仿真验证了所设计控制器的有效性。     

一类不确定非完整机器人的不连续自适应镇定

通过对一类质心和几何中心不重合的两轮驱动移动机器人镇定问题的研究,提出一种不连续控制律,并针对质心和几何中心距离参数未知的情况,利用自适应技术对其进行修正,利用非线性系统反馈线性化的方法,证明了所提出的控制律,能使该类型移动机器人的位姿从任意θ0≠0的初始状态指数收敛到原点.利用仿真实验验证了控制律的有效性.     

一类参数不确定系统的输出反馈自适应镇定

研究了一类n阶参数不确定线性系统的输出反馈自适应镇定控制设计问题．通过引入一个3n阶动态补偿器，给出了输出反馈自适应镇定控制器的显示表达．并应用李雅普诺夫稳定性分析方法证明了闭环系统的稳定性．即闭环系统的原始状态是渐近收敛于零的，而其他所有的信号是一致有界稳定的．仿真试验进一步说明了理论方法的正确性．     

基于惯性导引的轮式移动机器人的无线控制

移动机器人控制技术的研制是提高我国机器人关键技术的迫切需求。通过理论分析、制定正确的通信协议并结合大量试验,最终实现了移动机器人的无线控制。     

一类参数不确定系统的输出反馈自适应镇定

研究了一类n阶参数不确定线性系统的输出反馈自适应镇定控制设计问题. 通过引入一个3n阶动态补偿器, 给出了输出反馈自适应镇定控制器的显示表达. 并应用李雅普诺夫稳定性分析方法证明了闭环系统的稳定性. 即闭环系统的原始状态是渐近收敛于零的, 而其他所有的信号是一致有界稳定的. 仿真试验进一步说明了理论方法的正确性.     

移动机器人神经网络自适应控制

针对一类非完整移动机器人的轨迹跟踪控制问题,同时考虑移动机器人的运动学和动力学模型,设计运动学控制器和动力学控制器结合的神经网络控制系统.其中动态模型中的不确定性是由神经元控制器进行补偿,由此可保证闭环误差系统最终趋近稳定.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.     

时滞不确定的动态网络同步

针对复杂网络结构的不确定性以及时滞对网络同步问题的影响,探讨了带时滞不确定动态网络的同步问题.基于李雅普诺夫稳定性定理,研究了未知网络参数的估计方法,分析了带时滞的不确定网络同步控制的充分条件,设计了带时滞不确定复杂动态网络的同步自适应控制器.所设计的控制器不仅有效解决了时滞网络的同步问题,而且其设计结果同样与网络拓扑结构无关,可适合于无标度网、小世界网或其他任意结构的复杂网络,具有良好的适应性.为验证所提出方法的有效性,以一环状网络的同步问题进行仿真研究,取得了满意的结果.     

四轮式移动机器人非完整运动控制

针对四轮式机器人做非完整运动时系统的非完整性的问题,将四轮式机器人运动规划转化为非线性控制系统的优化问题。提出了对优化变量进行浮点数编码的改进遗传算法,使系统控制精度得到改善。同时将改进的遗传算法采用最优个体保留策略,设计交叉参数和自适应变异参数,确保算法具有良好的收敛性。通过数字仿真实验,证明了该方法的对四轮式机器人非完整运动规划问题具有可操作性。     

约束非完整移动机器人轨迹跟踪的非线性预测控制

针对存在非完整约束和控制输入约束的轮式移动机器人动力学模型,研究了其全动态误差系统准无限时域非线性模型预测控制策略,通过沿名义轨迹在线线性化获取局部稳定化控制器及不变终端域,以跟踪"8"字形轨迹为例进行了仿真,结果表明,闭环系统在满足控制输入条件下具有良好的跟踪性能。     

基于反馈增益反步法的非完整约束移动机器人路径跟踪控制

为实现非完整约束轮式机器人的路径跟踪控制,采用虚拟向导方法建立跟踪误差方程,基于李亚普诺夫稳定性理论,设计了一种基于反馈增益的反步法控制器,既能通过控制反馈增益的调节补偿机器人动态误差模型中的非线性项对系统的影响,又能避免传统反步法控制器中存在虚拟控制的高阶导数的问题。仿真结果表明:设计的控制器参数易于调节,可实现轮式移动机器人对任意曲线路径的精确跟踪。     

考虑执行机构动态的非完整轮式移动机器人镇定控制

本文研究了将执行机构动态考虑在内的非完整轮式移动机器人(WMR)的镇定控制问题.在运动学时变镇定控制律的基础上,利用李雅普诺夫方法及Backstepping技术,首先将运动学控制器推广到动力学模型,进一步将驱动电机的动态考虑在内,最后给出了典型镇定控制任务的仿真结果.     

轮式移动机器人的滚动LQR轨迹跟踪控制

基于滚动优化思想提出了一种轮式移动机器人的LQR轨迹跟踪控制方法．在每一采样时刻,通过实时地对跟踪误差系统进行线性化得到线性化模型,并利用该模型通过求解LQR问题获得状态反馈控制律．文中给出的不同情况下跟踪‘8’字轨迹的仿真结果验证了该方法的有效性．     

控制受限的非完整轮式移动机器人滚动优化镇定控制

研究了存在控制量约束的非完整轮式移动机器人的镇定控制问题.针对笛卡尔坐标下的机器人动力学模型,选取加权矩阵,给出了滚动优化控制的仿真结果.为了消除位置坐标之间的耦合关系,通过坐标变换获得极坐标下动力学描述并进行了仿真,与笛卡尔坐标系下的结果相比,控制性能有较大的提高.     

基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

轮式机器人执行巡逻、播种和工业生产等任务是一个强非线性的间歇过程.针对重复运行的轮式机器人轨迹跟踪问题,本文提出了一种基于数据驱动的高阶迭代学习控制算法.首先,对轮式移动机器人的模型进行推导设计,并对推导得到的状态空间形式的离散时间模型利用基于状态转移的迭代动态线性化方法,将轮式机器人系统转化为线性输入输出数据模型;其...     

Robust simultaneous tracking and stabilization of wheeled mobile robots not satisfying nonholonomic constraint

A robust unified controller was proposed for wheeled mobile robots that do not satisfy the ideal rolling without slipping constraint.Practical trajectory tracking and posture stabilization were achieved in a unified framework.The design procedure was based on the transverse function method and Lyapunov redesign technique.The Lie group was also introduced in the design.The left-invariance property of the nominal model was firstly explored with respect to the standard group operation of the Lie group SE(2).Then,a bounded transverse function was constructed,by which a corresponding smooth embedded submanifold was defined.With the aid of the group operation,a smooth control law was designed,which fulfills practical tracking/stabilization of the nominal system.An additional component was finally constructed to robustify the nominal control law with respect to the slipping disturbance by using the Lyapunov redesign technique.The design procedure can be easily extended to the robot system suffered from general unknown but bounded disturbances.Simulations were provided to demonstrate the effectiveness of the robust unified controller.     

基于模糊神经网络的移动机器人自适应行为设计

将模糊控制和神经网络相结合,形成模糊神经网络(fuzzy neural network,FNN)控制器,利用联想记忆进行离线训练,用来记忆预先利用强化Q学习(Q-Learning,QL)在线训练获得的移动机器人自适应行为的模糊控制规则。FNN经过离线训练后,把规则隐含地分布在整个网络之中,在控制应用时,不必进行复杂的规则搜索和推理,无需查表,只需通过高速并行的分布计算就可产生最佳输出的自适应行为。仿真结果表明,由于输入模糊子集接近于网络所用的训练模糊子集,所以输出几乎和该条训练规则的结果相同。     

基于Bezier曲线模型的移动机器人路径规划算法

提出了一种基于Bezier曲线模型的路径规划方法,该算法能够有效地提高移动机器人控制的实时性和精确性。首先具体阐述了基于Bezier曲线模型的路径规划方法,给出确定移动机器人状态空间分量x,y和的方法,然后分析了该算法所具有的优点,最后通过仿真实验验证了所提出算法的正确性和可行性。