自主移动机器人运动控制与协调方法研究

发布时间：2018-02-14 18:16

本文关键词： 自主移动机器人运动控制运动协调镇定和跟踪编队控制协同目标追踪　出处：《湖南大学》2016年博士论文　论文类型：学位论文

【摘要】：自主移动机器人是一个集环境自感知、动态决策与规划、行为控制与自执行等多功能于一体的综合智能系统。移动机器人与工业机器人的不同之处在于它具有自主移动的能力,因而广泛应用于工业、国防和太空探索等领域。运动控制是移动机器人完成其他复杂任务的基本要求,是移动机器人系统研究中最基本的问题。机器人运动控制是指利用实时反馈的自身状态信息,设计控制律使得机器人能够跟踪期望轨迹或者到达指定的目标位姿。此外,随着移动机器人应用领域和范围的不断扩展,利用多个移动机器人协作完成某项任务具有广阔前景。运动协调是指机器人之间合作关系确定后具体的运动控制问题。本文以轮式移动机器人作为应用对象,以非线性控制理论和Lyapunov稳定性理论为基础,对自主移动机器人运动控制和多移动机器人运动协调问题开展了深入研究。全文内容可分为两部分,第一部分了研究存在非完整约束下移动机器人的点镇定和轨迹跟踪问题。第二部分研究了多移动机器人编队控制和协同目标跟踪问题。论文的主要研究工作和贡献如下:1)针对非完整轮式移动机器人的同时镇定和跟踪控制问题,基于移动机器人运动学模型提出了新的时变反馈控制律,使得移动机器人能够在一个统一框架下实现对期望点的镇定和期望轨迹的跟踪。通过在控制策略中引入一个时变信号,使得控制律能够自适应地和平滑地在镇定律和跟踪控制律之间转换,并利用Lapunov理论证明了镇定或跟踪误差的渐近收敛性。2)对于移动机器人动力学模型中含未知参数的情形,提出了自适应反演控制策略,同时实现对给定轨迹的镇定和跟踪。在运动学控制律的基础上利用反演方法设计了转矩控制律;并针对动力学模型中的未知参数,设计了参数自适应律,保证了控制误差的收敛。3)对同时考虑机器人运动学约束和动力学不确定性的移动机器人系统,利用反演技术和RBF神经网络工具提出了神经网络自适应控制策略,使得机器人能够实现对给定轨迹的跟踪。首先根据系统的运动学模型设计了速度控制器。然后基于系统的动力学模型,利用RBF神经网络良好的非线性逼近特性在线学习机器人的动力学特征,并根据Lyapunov理论推导出RBF神经网络的权值自适应调节规律,设计了鲁棒自适应力矩控制器,保证了系统的渐近稳定性。4)针对多机器人编队控制中的网络连通保持问题,分别对系统中无leader和含leader的情形提出了基于人工势场函数的分布式控制策略,使得多机器人系统能够实现期望的队形,并始终保持通信网络连通。设计人工势场函数同时建模了队形控制目标的要求和网络连通性保持的约束,保证了只要多机器人网络在初始状态下是连通的,那么该多机器人系统在队形镇定过程中总是保持连通的。5)针对多非完整移动机器人协同运动目标追踪问题,利用反演设计方法在笛卡尔坐标系和极坐标系下分别设计了控制律,使得多机器人系统能够以期望的相对距离、环绕速度和角间距对运动目标的追踪。控制律设计中不需要假定目标是匀速移动甚至静止的。我们给出了能够实现渐近跟踪时运动目标速度需满足的条件。利用Lyapunov工具分析了系统的稳定性;仿真和实验结果证明了方法的有效性。最后,总结了本文的主要成果和创新点,并对下一步研究工作进行了展望。
[Abstract]:......
【学位授予单位】：湖南大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP242

【相似文献】