基于滑模控制的移动机器人轨迹跟踪与链式编队控制

发布时间：2020-12-27 08:34

　　近些年来,移动机器人技术已经成为自动化控制的重要分支之一,并被广泛应用于各个领域,具有巨大的应用前景和研究价值。控制科学、计算机技术和人工智能领域的迅速发展使得移动机器人的功能逐渐丰富和完善,同时也对机器人执行任务的能力提出了更多、更高的要求。首先,本文对实验室移动机器人平台的结构及原理进行简明的介绍,该平台由机器人视觉定位系统、无线通讯系统、ISRV移动机器人三部分组成,然后对ISRV型移动机器人进行运动学和动力学建模,为验证本文提出的单移动机器人轨迹跟踪算法和多机器人链式编队算法提供实验条件。之后,基于耦合滑模控制和人工神经网络技术,提出了一种基于多幂次趋近律的神经网络移动机器人轨迹跟踪控制器,在保证稳定性的同时抑制了滑模抖振现象,为实现编队的换道控制提供条件。并利用MATLAB仿真软件和实验平台进行了验证。实验结果显示所提算法效果良好,稳定性佳,抗干扰能力较强。最后,建立了车辆编队系统的动力学模型,采用恒定时距跟驰策略（Constant Time-Headway,简称CTH）,针对采用的模型,构造自适应积分滑模控制器,解决了前车质量和加速度精确值不可测的问题,并减小车载计算机的运... 

【文章来源】：燕山大学河北省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

仿真中机器人跟踪轨迹的情况

第3章基于滑模与神经网络的移动机器人轨迹跟踪25实线代表移动机器人实际的行进轨迹。图中显示，随着时间的增加，移动机器人逐渐跟踪上了其参考轨迹，虽然在控制方法上使用了滑模函数，但跟踪过程中并未出现明显的抖振，这也加快了轨迹的跟踪速度，同时减小了能量消耗和执行器的损耗，在实践中，在一定程度上可以增加机器人的使用寿命。同时亦可看出，相较于参考文献，本文算法的跟踪效果更为迅速。图3-5移动机器人XY误差曲线图3-5分别表示以移动机器人参照物的坐标系下XY三个维度上的误差曲线，其中右图为对比仿真，其表明，无论是位置状态还是角度状态，移动机器人都也很快跟踪上了目标曲线，同时也没有明显的抖振现象并且本文所提算法跟踪误差更低、收敛速度更快。

燕山大学工程硕士学位论文26图3-6移动机器人速度和角速度信息图3-6分别表示移动机器人在跟踪轨迹时的线速度和角速度状态，右侧两图为对比仿真。图中显示，两种算法均最终跟踪上了期望的速度0.5/rv=ms和角速度0.5/r=rads，在此过程中没有出现明显的抖振，也没有出现线速度和角速度过大的情况。为了检验所提算法对多种曲线的跟踪性能，又验证了所提控制律跟踪直线，如图3-7所示，图中显示所提控制律能有效跟踪目标直线。图3-7移动机器人跟踪直线3.4.2实验结果与分析为了验证所提算法的有效性，本文采用实验室的ISRV型移动机器人平台对控制算法和神经网络的自适应律进行验证，其参考轨迹为圆形。在初始阶段，移动机器人静止在参考轨迹外。


本文编号：2941426