四輪全向移動機(jī)器人的運(yùn)動控制與運(yùn)動規(guī)劃研究.pdf

1、隨著移動機(jī)器人技術(shù)的不斷發(fā)展，利用機(jī)器人代替人工在野外探險(xiǎn)、海底勘測、外星球探測、危險(xiǎn)場所救援、家庭服務(wù)等領(lǐng)域的應(yīng)用日益廣泛，移動機(jī)器人已在社會生產(chǎn)、生活的各個(gè)方面顯示出越來越重要的地位和作用。與傳統(tǒng)的輪式機(jī)器人相比，全向移動機(jī)器人可以在不改變當(dāng)前姿態(tài)的情況下，實(shí)現(xiàn)向任意方向的運(yùn)動，同時(shí)能夠完成零半徑轉(zhuǎn)向，因其運(yùn)動靈活性高、機(jī)動性強(qiáng)的優(yōu)點(diǎn)得到越來越多的關(guān)注和發(fā)展。由于全向移動機(jī)器人的運(yùn)動控制研究可以更大限度的挖掘它的運(yùn)動潛能，發(fā)揮它的運(yùn)

2、動優(yōu)勢，因此具有很大的學(xué)術(shù)研究意義和實(shí)際應(yīng)用價(jià)值。
　　本文在分析、借鑒國內(nèi)外現(xiàn)有的相關(guān)資料和研究成果的基礎(chǔ)上，以四輪全向移動機(jī)器人（在本文中簡稱為“全向機(jī)器人”）為研究對象，結(jié)合自適應(yīng)控制、反步設(shè)計(jì)法、神經(jīng)網(wǎng)絡(luò)、滑模變結(jié)構(gòu)控制、大腦情感學(xué)習(xí)計(jì)算模型、多變量系統(tǒng)解耦原理、和聲搜索智能算法以及李雅普諾夫穩(wěn)定性理論等對運(yùn)動控制中存在的一些問題進(jìn)行了深入研究，主要研究內(nèi)容如下:
　　(1)基于NDAP的全向機(jī)器人軌跡跟蹤控制

3、>　　針對使用傳統(tǒng)的反步軌跡跟蹤控制器容易產(chǎn)生速度突變的問題，提出一種基于NDAP（參數(shù)自適應(yīng)神經(jīng)動力學(xué)）的全向機(jī)器人軌跡跟蹤控制方法。該方法首先通過運(yùn)動學(xué)分析建立了全向機(jī)器人的位姿誤差模型，接著采用神經(jīng)動力學(xué)設(shè)計(jì)了軌跡跟蹤控制器;然后研究了參數(shù)的取值與控制量之間的關(guān)系，并設(shè)計(jì)了一種參數(shù)自適應(yīng)律以進(jìn)一步提高系統(tǒng)的控制性能;最后對提出的方法進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相對于傳統(tǒng)的反步法和固定參數(shù)的神經(jīng)動力學(xué)方法，所提出的方法沒有速度突變

4、，具有更快的誤差收斂速度和更高的軌跡跟蹤精度。
　　(2)基于改進(jìn)BEL的全向機(jī)器人速度跟蹤控制
　　針對由不確定的運(yùn)動學(xué)參數(shù)和未知的外部擾動量等因素的影響而導(dǎo)致的機(jī)器人速度跟蹤控制效果不理想的問題，提出了一種基于改進(jìn)BEL（大腦情感學(xué)習(xí)）的全向機(jī)器人速度跟蹤控制方法。該方法首先采用大腦情感學(xué)習(xí)模型設(shè)計(jì)了全向機(jī)器人的自適應(yīng)速度誤差校正控制器，為機(jī)器人四個(gè)電機(jī)提供附加的校正量;然后在分析權(quán)值調(diào)節(jié)律作用的基礎(chǔ)上，采用模糊方法在線

5、調(diào)整權(quán)值的學(xué)習(xí)率，通過學(xué)習(xí)率的不斷調(diào)整可進(jìn)一步提高機(jī)器人的速度跟蹤精度;最后對提出的方法進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相對于沒有速度校正的控制方法和傳統(tǒng)的大腦情感學(xué)習(xí)方法，所提出的方法在全向機(jī)器人的速度跟蹤控制中具有更快的響應(yīng)速度和更高的跟蹤精度，可以有效地減小參數(shù)不確定和外界擾動對系統(tǒng)控制性能的影響。
　　(3)基于ASMCFR的全向機(jī)器人軌跡跟蹤控制
　　針對因動力學(xué)參數(shù)不確定及外部干擾的影響而導(dǎo)致的全向機(jī)器人軌跡跟蹤控

6、制性能變差的問題，提出一種基于ASMCFR（濾波器與神經(jīng)網(wǎng)絡(luò)的自適應(yīng)滑模）的軌跡跟蹤控制方法。該方法首先建立了含驅(qū)動電機(jī)信息的全向機(jī)器人的動力學(xué)模型，接著在此基礎(chǔ)上設(shè)計(jì)了機(jī)器人的滑模軌跡跟蹤控制器，通過在滑?？刂破鞯妮敵龆艘胍粋€(gè)低通濾波器來濾除滑模控制器輸出中的高頻信號;然后設(shè)計(jì)了一個(gè)參數(shù)自適應(yīng)律來在線估計(jì)動力學(xué)參數(shù)的變化，并利用RBF神經(jīng)網(wǎng)絡(luò)來實(shí)時(shí)調(diào)整滑?？刂破鞯那袚Q項(xiàng)增益值，以進(jìn)一步削弱系統(tǒng)的抖振，最后對提出的方法進(jìn)行了仿真實(shí)驗(yàn)。

7、實(shí)驗(yàn)結(jié)果表明，相對于不含濾波器的滑模控制方法和固定切換項(xiàng)增益的滑?？刂品椒?，所提出的方法在降低參數(shù)發(fā)生變化帶來的負(fù)面影響方面具有顯著的作用，具有更好的削弱抖振的能力和更強(qiáng)的抗干擾能力。
　　(4)基于RMSCD的全向機(jī)器人多電機(jī)解耦控制
　　針對傳統(tǒng)的電機(jī)控制方法因忽略全向機(jī)器人的動力學(xué)特性而對擾動非常敏感的問題，提出一種基于RMSCD（控制與解耦分離的參考模型）的多電機(jī)解耦控制方法。該方法首先通過對全向機(jī)器人的運(yùn)動學(xué)和動力

8、學(xué)分析推導(dǎo)出多電機(jī)控制系統(tǒng)的狀態(tài)方程，然后在此基礎(chǔ)上依據(jù)參考模型解耦原理設(shè)計(jì)了具有解耦與控制功能分離的解耦控制器;最后對提出的方法進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相對于傳統(tǒng)的參考模型解耦方法，所提出的方法更好地削弱了四個(gè)電機(jī)間的耦合作用，使得各個(gè)電機(jī)都能夠很好地跟蹤各自的期望輸入，解耦控制器的設(shè)計(jì)更加簡單，在很小的誤差范圍內(nèi)（一般數(shù)量級為10-5），實(shí)現(xiàn)了全向機(jī)器人多電機(jī)控制系統(tǒng)的解耦。
　　(5)基于IHS的全向機(jī)器人最小能耗運(yùn)動

9、規(guī)劃
　　針對已有的最小能耗運(yùn)動規(guī)劃方法過度依賴初值的選擇、求解精度差的問題，提出了一種基于IHS（改進(jìn)和聲搜索）的全向機(jī)器人最小能耗運(yùn)動規(guī)劃方法。該方法首先根據(jù)含有電機(jī)動力學(xué)信息的機(jī)器人動力學(xué)方程構(gòu)造出關(guān)于機(jī)器人運(yùn)動過程中能耗的優(yōu)化目標(biāo)函數(shù)，接著在此基礎(chǔ)上建立了全向機(jī)器人的最小能耗運(yùn)動規(guī)劃模型，并采用IHS算法來完成最小能耗運(yùn)動規(guī)劃;最后對提出的方法進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相對于Kim提出的最小能耗運(yùn)動規(guī)劃方法，所提出的方