基于模型预测控制的移动机器人轨迹跟踪算法研究

发布时间：2020-12-08 18:10

　　近年来非完整约束移动机器人在军事、科技、生产、生活中受到了广泛的关注,然而,移动机器人在实际应用中,一方面存在执行器饱和约束问题,另一方面系统存在模型不确定性和未知干扰。为了使移动机器人能够按照期望轨迹运动到需要执行任务的区域,就需要研究如何在复杂环境中进行精确地轨迹跟踪控制。针对以上问题,本文使用模型预测控制的方法,进行了移动机器人轨迹跟踪控制的相关研究,论文的主要研究工作如下:首先,针对非完整移动机器人存在执行器饱和约束问题,提出了基于模型预测控制的轨迹跟踪控制策略。考虑移动机器人在不存在干扰的情况下,提出了模型预测控制的方法使得移动机器人能够对参考轨迹进行跟踪。为了证明模型预测控制在有限预测时域内的稳定性问题,提出了局部控制器,利用局部控制器计算出终端代价函数和终端域,通过Lyapunov函数证明了系统的稳定性。其次,针对实际系统中存在持续未知干扰的轨迹跟踪控制问题,设计了基于扩张状态观测器的模型预测控制,实现了存在外部干扰的移动机器人轨迹跟踪控制。考虑移动机器人系统中存在的未知干扰,提出扩张状态观测器,实现干扰观测,根据名义误差系统,提出了基于模型预测控制的轨迹跟踪控制,将优化... 

【文章来源】：燕山大学河北省

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

模型预测控制示意图

第2章基于模型预测控制的移动机器人轨迹跟踪控制-11-图2-3误差校正示意图2.3.2控制器设计将跟踪误差系统式(2-9)进行离散化得：ere1erre2ee(1)1()0()0()(1)()1()()00()(1)001()0xkTkxkTukykTkTkykukkkT(2-10)式中，T为采样周期。离散跟踪误差系统式(2-10)一般形式可以写为：(1)()()eekAekBuk(2-11)满足约束minmaxemineemax()()kkeeeuuu式中，mine和maxe分别表示状态量的最小值和最大值，eminu和emaxu分别表示控制量的最小值和最大值。对于移动机器人轨迹跟踪控制，根据系统当前时刻k的状态量，通过在线求解优化问题，获得控制输入eeeU(k){u(k|k),,u(kN-1|k)}。由于实际系统中存在各种不同的约束，例如执行器饱和约束等。因此，在设计控制器时考虑控制输入约束和状态量约束。跟踪误差系统式(2-11)的优化问题表示如下：

【参考文献】：
期刊论文
[1]基于事件触发的无人驾驶汽车路径跟随预测控制[J]. 张皓,张洪铭,王祝萍.  控制与决策. 2019(11)
[2]含有摩擦补偿的全方位移动机器人自抗扰控制[J]. 王圣翔,任超,马书根.  控制理论与应用. 2017(10)
[3]基于事件触发的二阶多智能体领导跟随一致性[J]. 黄红伟,黄天民,吴胜,周坤.  控制与决策. 2016(05)
[4]基于输入状态稳定的离散广义系统预测控制[J]. 刘晓华,高婵.  控制与决策. 2015(12)
[5]改进神经网络自适应滑模控制的机器人轨迹跟踪控制[J]. 付涛,王大镇,弓清忠,祁丽.  大连理工大学学报. 2014(05)
[6]轮子纵向打滑条件下的移动机器人自适应跟踪控制[J]. 崔明月,孙棣华,李永福,刘卫宁.  控制与决策. 2013(05)
[7]基于动力学模型的轮式移动机器人自适应滑模轨迹跟踪控制[J]. 张鑫,刘凤娟,闫茂德.  机械科学与技术. 2012(01)
[8]基于RBF神经网络的轮式移动机器人轨迹跟踪控制[J]. 刘钰,周川,张燕,徐云龙.  计算机工程与设计. 2011(05)
[9]基于扩张状态观测的机器人分散鲁棒跟踪控制[J]. 陈国栋,贾培发.  自动化学报. 2008(07)



本文编号：2905466