基于模糊控制的移动机器人的外文翻译
基于模糊控制器的机器人路径规划研究
路径规划是 当前移动 机器 人技术研 究热 点之一 , 它要求机 器人能够 自主地决定路径 , 避开障碍物 , 实现任务 目标 。根据环
向参数 , 通过模 糊规则推 理 , 对移动机器人 的速度 和转 向进 行控 制 。实验仿真结果 证明 了该方法的有效性 和准确性。
境信息的完整程度 , 规划 可分为 全局路 径规划 和局 部路径 路径 规划两类 … 。 目前 , 研究机器 人路径 规划 的方 法 主要有人 工势
3 华东理 工大学 计算机系 . 海 203 ) . 上 027
摘要 : 针对复杂环境下移动机 器人路径规 划实际问题 , 出了一种基 于行 为的移 动机 器人控 制体 系结构 , 提 设计 了一种基 于
模糊控制 器的移 动机 器人 实时路径规划算法 , 为移动机 器人在 未知环境 中的导航提 出了一种新的思路。仿真结果表 明, 移 动机 器人 能够克服环境 中的不确定性 , 靠地 完成复杂任务 , 可 该算法有计 算量小 , 率高, 效 鲁棒性好等优 点。
维普资讯 http://www.cqvip.com
・
3 0・
《 测控技术)07 20 年第2 卷第 1 6 期
基于模糊控制 器的机器人路径 规划研究
黄 炳强 曹广益 费燕琼 李 建华。 , , ,
( .上海交通大学 自 1 动化 系, 上海 20 3 ; . 0 0 0 2 上海交通 大学 机器人研究所 , 上海 20 3 : 00 0
移动机器人模糊控制系统的设计
文章 编号 : 1 7 —9 5 2 0 ) 43 60 6 39 6 ( 0 7 0 —6 —5
移 动机 器 人模 糊控 制 系 统 的设 计
谭宝成 ,程智远 ,牟云 霞,刘 江
( 西安工业大学 电子信息工程学院 , 西安 7 0 3 ) 1 02
摘
要 : 针对 移动机 器人 在原控 制 器控 制 下 自主 运动 时 出现 的不稳 定状 况 , 将模 糊控 制策略
人 系统 受到 外界 干扰 时 , 于原 始控 制 器, I 制 器和模 糊逻辑控 制 器速度 变化 的幅 度 分别 对 P D控
为+2 , 1 , . 糊 逻辑控 制 器在 处理 外界 干扰 时在 快 速性 和 灵敏 性 上 明 显优 于 6 + 3 +4 模
PD控 制 器和原 始控 制器 , 用这 种控制 方 法对 移 动机 器人 的驱 动 电机 输 出参 数 实现 了模 糊 I 采
引入 移动 机 器人 运动 控制 系统 中. 通过 分析 比较 不 同的控 制 方法 , 计 了由速度误 差 率和速 度 设 误 差 变化率 为控 制 系统 的输入 , 移动机 器人 电机输 出功 率 为控 制 系统 的输 出的 双输 入 单输 出 的模 糊 逻辑控 制 器. 通过 仿真 对 比不 同控制 器所 产生 的移动 机 器人 速度 变化 曲线 , 当移动机 器
path planning 移动机器人路径规划方法综述
移动机器人路径规划方法
1.1路径规划方法
路径规划技术是机器人研究领域中的一个重要课题,是机器人导航中最重要的任务之一,国外文献常将其称为Path Planning,Find-PathProblem,Collision-Free,ObstacleAvoidance, MotionPlanning,etc.所谓机器人的最优路径规划问题,就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等),在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。
路径规划主要涉及的问题包括:利用获得的移动机器人环境信息建立较为合理的模型,再用某种算法寻找一条从起始状态到目标状态的最优或近似最优的无碰撞路径;能够处理环境模型中的不确定因素和路径跟踪中出现的误差,使外界物体对机器人的影响降到最小;如何利用已知的所有信息来引导机器人的动作,从而得到相对更优的行为决策。这其中的根本问题是世界模型的表达和搜寻策略。障碍物在环境中的不同分布情况当然直接影响到规划的路径,而目标位置的确定则是由更高一级的任务分解模块提供的[8]。
根据机器人对环境信息掌握的程度和障碍物运动状态的不同,移动机器人的路径规划基本上可分为以下四类:①已知环境下的对静态障碍物的路径规划;②未知环境下的对静态障碍物的路径规划;③已
知环境下对动态障碍物的路径规划;④未知环境下对动态障碍物的路径规划。因此根据机器人对环境信息掌握的程度不同,可将机器人的路径规划问题可分为二大类即:基于环境先验信息的全局路径规划问题和基于不确定环境的局部路径规划问题。目前,路径规划研究方法大概可分为两大类即:传统方法和智能方法。
基于模糊控制的自主寻迹机器人研究
机床与液压
MACHI NE T0OL & HYDRAUL C IS
M a 01 v2 2
第4 O卷 第 9期
Vo. 0 No 9 14 .
D :1 .9 9 j i n 10 OI 0 3 6 /.s . 0 1—3 8 . 0 2 0 . 1 s 8 12 1. 90 1
人在直线上运动略有摆动现象 ,若遇 到轨迹状态变化 较大时 ,纠偏 能力较 强 ,能在较短 时间内恢复稳定状 态 ,全 速前进 。实验结果验证 了使用模糊控制算法控 制寻迹机器人 ,效果很好 。
翻 珏
— — — — — — —
匾带
_1 堡壁I _量 一
依次类推 ,方 向控制 的所有 4 9条控 制规 则可 以 简写成一个模糊控制 规则表 ( 如表 1 。速 度控 制 的 ) 所有 4 9条控制规则 可 以简写 成一个模 糊控制规 则表
排量 5 L 6m ,定 量马达排量 25 0m ,转 动惯量 5 0 0 L 0 k ・ g i ,黏滞 阻尼 系数 18N・1s rd n 2 1・ ・ ~,补 油压力 / a
2MP ,绞 车 直 径 1 1T a . I 绳 静 态 张 力 1 0 1,缆 200N。
33 模 糊控 制规 则 .
根据输出的模糊 值 ,取其最大值 ,将其除 以量化
因子 ( 速度因子为 00 ,角速度因子为 0 1 .5 . )得到精
基于模糊PID的全方位移动机器人运动控制
u 平 帚 斗峦 身 删 寺
Elcr n c S i & T c . S p 1 e t i c. o e h / e . 5.2 1 0 1
基 于模 糊 PD的 全 方 位 移 动 机 器 人 运 动 控 制 I
田 琦 ,李 琪 ,姚
摘 要
鹏 ,赵
媛
( e a m n o ai Ta i ,T eScn rl r E g er gC l g ,X ’ 0 5 hn ) D pr et f s r n g h eodAtl y ni e n o ee in7 2 ,C ia t B c in ie n i l a 1 0
p rmees( d ae nfzycnrl spo oe .T ei rv me t f o t l f c i v r i yep r aa tr k ,k ,k )b sdo z o t rp sd h oe n nr f t s eie b x ei u oi mp o c o ee fd -
70 2 ) 105
( 第二炮兵工程学 院 基础部 ,陕西 西安
通 过 对 足 球 机 器人 运 动 学模 型 的 分析 ,考 虑 到 系统 的 时 变 、非 线 性 和 干扰 大 等 特 点 ,以 全 向移 动 机 器 人
为研 究平台 ,提 出一种将模糊控制与传统 的 PD控 制相结合的方法 ,应 用到足球机 器人 的运动控 制 系统 中。针 对足球 I
基于模糊PID的轮式移动机器人轨迹控制
【 】 它 有 很 多 实 际 用 途 , 如 工 业 机 器 人 在 工 作 场 所 1, 比
里 按 预 定 路 线 运 送 物 料 , 接 机 器 人 的焊 缝 跟 踪 , 焊 自主
果 表 明 这 种 控 制 器 可 以 降 低 PD参 数 整 定 的难 度 , I 提
高 轨 迹 控 制 的 精 度 , 用 模 糊 控 制 器 可 以提 高 系 统 的 利 鲁 棒 性 、 应 性 和 快 速 性 。 真 与 实 验 结 果 表 明 了 所 适 仿
步 的 运 动 做 出决 策 。 目前 在 移 动 机 器 人 的 定 位 问题
=. 轮式 移 动机 曩 人 的运 动 学攥 墅
如图 1 示 , 所 e为 驾 驶 角 ,Baidu Nhomakorabea为 方 位 角 , 为 转 弯
半 径 , 为 前 后 轮 中线 之 间 的距 离 , 为 速 率 , Y为 , 后 轮 轴 中 点 坐 标 。 轴 正 向 为 当地 地 磁 北 向 , Y X轴 正 向 为 当 地 地 磁 东 向 , 即依 据 磁 罗 盘 的 北 向 和 东 向 来 也
一
.
引叠
差变 化率都 很小 的 时候 ( 应于小 角度 转弯 的情况 ) 对 采 用 PD控 制 器 , 在 误 差 和 误 差 变 化 率 很 大 的时 候 I 而 ( 应 于 大 角 度 转 弯 的情 况 ) 用 模 糊 控 制 器 。 验 结 对 采 实
基于ROS的移动机器人视觉跟随系统设计
基于ROS的移动机器人视觉跟随系统设计移动机器人视觉跟随系统是一种利用机器人视觉技术,实现机器人能够跟随目标物体运动的系统。基于ROS(Robot Operating System)的移动机器人视觉跟随系统设计,可以实现机器人自主地跟随人或物体移动,具有广泛的应用领域,如室内导航、仓库管理、服务机器人等。
在设计移动机器人视觉跟随系统时,需要考虑以下几个关键步骤:
1.目标检测和识别:利用机器人视觉技术,对目标物体进行检测和识别。常用的方法有基于颜色和形状的检测算法,以及深度学习算法(如卷积神经网络)。
2.目标跟踪:通过跟踪算法,实现对目标物体的实时跟踪。跟踪算法可以基于特征点、边缘、轮廓等进行目标定位和追踪。
3.移动控制:根据目标物体的位置和运动信息,设计合适的移动控制算法,使机器人能够自主地跟随目标物体。常见的移动控制算法包括PID 控制、适应性控制和模糊控制等。
4.传感器融合:结合机器人的其他传感器(如激光传感器、惯性传感器等),对目标物体进行精确的位置跟踪和运动估计。
5.环境建模与地图构建:基于机器人的传感器数据,对环境进行建模和地图构建,以提供机器人的位置估计和导航功能。
在设计过程中,可以选择ROS作为开发平台和框架,利用ROS的优势来实现模块化和分布式的系统架构。可以利用ROS的图像处理库(如OpenCV)和机器人导航库(如Navigation Stack)来加速开发过程。
此外,还需要考虑系统的实时性和稳定性。移动机器人视觉跟随系统通常需要在实时环境中运行,对延迟和噪声有较高的要求。可以利用ROS 的消息传递机制和多线程编程,来提高系统的实时性和稳定性。
基于几何和模糊控制合成算法的小型移动机器人局部路径规划
S ONG Xi - n , F a j g AN n - n oi Nigj a
( c ol f eto c ai l gn eig e i n tueo cn l y e i 0 0 1 hn ) Sh o crmehnc ier ,B in Isi t f o El a En n j g t Teh oo ,B in 10 8 ,C ia g j g
在机器人远离地面 障碍物运 动时 , 采用几何算法 ; 当逐渐接近障碍物时 , 采用模 糊控制算 法修正 。2 种算 法的 结 合 , 了单 独使用 其 中一种算法的缺陷 , 部路径规划的速度大大提高 , 且降低 了对控制硬件的高要 避免 使局 并
求 。仿 真和实验表明 , 这种新算 法具有正确性 、 实时性 和鲁棒 性 。 关键词 : 小型移动机器人 ;局部路径规划 ;几何 算法 ; 模糊控制算 法
Ab ta tTo me ts e il e urm e t n t e a p ia in o o o s t i a e r p s san v lag — sr c : e p ca q ie n si h p l t fr b t , h sp p rp o o e o e lo r c o rt m ih c m bn st eg o er lo ih wi h u z o to l o ih oo e c m et ep o — ih whc o ie h e m ty ag rt m t t ef z yc n r l g rt m t v ro h r b h a Im so b tcea od n e W h n t er b ti a wa r m h b tce h e m e r lo i m s e fo sa l v ia c . e h o o sfra y fo t eo sa l ,t eg o ty ag rt h i u e o o a a h pa nn , n e h o o rd al esco et h b tce h e ie ah sd frl c l t ln ig a d wh n t er b tg a u l g t ls o t eo sa l ,t ed sr dp t p y i u d td wih t ef zy c n r lag rt m ,h sa o dn h r wb c si h n ii u lag rt ms s p a e t h u z o to lo i h t u v iig t e d a a k n t e idvd a lo i h i h a et a h y a e u e e a aey lr ey ic e sn h p e flc lp t ln ig a d d — n t ec s h tt e r s d s p r tl ,a g l n r a ig t e s e d o o a a h pa nn , n e ce sn h e a d fr hg -e e o to a d r . S mu a in a d e p r e tlr s lss o t a r a i g t e d m n o ih lv lc n r lh r wa e i lt n x e i n a e u t h w h t o m
移动机器人的那些避障方法你知多少?
移动机器人的那些避障方法你知多少?
移动机器人是机器人的重要研究领域,人们很早就开始移动机器人的研究。世界上第一台真正意义上的移动机器人是斯坦福研究院(SRI)的人工智能中心于1966年到1972年研制的,名叫Shakey,它装备了电视摄像机、三角测距仪、碰撞传感器、驱动电机以及编码器,并通过无线通讯系统由二台计算机控制,可以进行简单的自主导航。Shakey的研制过程中还诞生了两种经典的导航算法:A*算法(the Asearch algorithm)和可视图法(the visibility graphmethod)。
虽然Shakey只能解决简单的感知、运动规划和控制问题,但它却是当时将AI应用于机器人的最为成功的研究平台,它证实了许多通常属于人工智能(AriTIficial Intelligence,AI)领域的严肃的科学结论。从20世纪70年代末开始,随着计算机的应用和传感技术的发展,以及新的机器人导航算法的不断推出,移动机器人研究开始进入快车道。
移动机器人智能的一个重要标志就是自主导航,而实现机器人自主导航有个基本要求避障。下面让我们来了解一下移动机器人的避障,避障是指移动机器人根据采集的障碍物的状态信息,在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时,按照一定的方法进行有效地避障,最后达到目标点。
实现避障与导航的必要条件是环境感知,在未知或者是部分未知的环境下避障需要通过传感器获取周围环境信息,包括障碍物的尺寸、形状和位置等信息,因此传感器技术在移动机器人避障中起着十分重要的作用。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。
移动机器人路径跟踪模糊控制系统设计及仿真
tru hteaa s f oa p t a coyt cigmo e n ho g nl i o cl a t j tr r kn vme t。B s gtefzylgci mo i o o t n h y s l h re a yui h z i bl rb t n u o n e moi o
用模糊逻辑控制策略实现移动机 器人对 已知路径的轨迹跟 踪。模糊逻辑模仿人类的控制方法在处理机器人 问题上很
的组成框图如 图 l 示。其主要工 作过程为 : 所 机器视 觉获
取前方 的路面信息 ,然后经过图像信息处理模块和路径局
部规划模 块 , 获得机器人前方要行驶的理想规划路径 ,再 根据规 划路径 的弯 曲程度 ,由第一个模糊控制器确定预瞄
Zh ngLi W a g a , n Yong
( nigUn e i f otadT lcmmu i t n nig20 0 hn) Naj i rt o P s e o n v sy sn e nc i s j 103C ia a o Na n
Absr t t ac :The m an c nt n ft spa ri i o e t o hi pe sAppi a on off z o i ,U nd rt ond to o lc t i uz y l g c e he c ii n fkno n goba t w l lpah
基于嵌入式移动机器人的模糊控制算法设计
尼 龙万 向轮 。 组装 的移 动机器 人外 型如 图 1 所示 。
系统 的缺点 I 为此 . 文在 L C 1 1 核心 的机 器 l l 本 P 23 为
人 硬 件基 础之 上 . 细 介 绍 了模 糊 控 制算 法 应 用 于 详
d sg h ot a e o e c n rl s se e i n t e s f r t o to y t m,s c s t e c n r lo e mo o ,i tr u t n h o to n R OS w f h u h a h o to ft t r n er p i ,t e c n r lo T . h o
法 . 制 器 多 为 单 片 机 . 统 单 片 机 芯 片 相 比于 嵌 控 传
入 式 单 片机 在硬 件 方 面具 有 处 理 数据 位 数 少 . 指 且
准 L架 上 , 安装 有外 径 7 mm 的橡胶 车轮 , 轮选 择 2 前
一
令 采 用 单 级 流水 线 结 构 . 能 在 线 调 试 等 . 在 软 不 而
Ke r s  ̄z y c nr l mb d e y tm;mo i o o y wo d : z o t ;e e d d s se o bl r b t e
目前 .市 面 上 的 机 器 人 多 使 用 图 形 化 编 程 方
基于模糊神经控制的移动机器人避障研究
参考文献 [ 1 ] 朱云 国等. 基 于B P 神经 网络 的移动机 器人路径规划. 煤矿机械 ,
2 0 0 7 . 8 .
图4不同起点和终点路径规划仿真结果 图4 为该模 糊控制典 型算 法下 , 较 大区域 、 较稀疏 障碍物环境下 的 路径规划效果 图 , 障碍物为半径为 2 m的圆 , 由图可知 , 机器人能够完成 路径规划 任务 , 但部分路 径存在冗余路 径。图 5 和 图6 给出了 图4 中路
[ 2 ] 史恩 秀. 轮 式移动机 器人 的运动控制及 定位 方法研究 [ D] . 西安 理工大学, 2 0 0 6 . [ 3 ] 王 玉华. 非完整移动机 器人 模糊导航及控 制算法研究 [ D] . 大连 海事大学, 2 0 0 8 . [ 4 ] 付 宜利 , 顾 晓宇 , 王树 国. 基 于模糊控制 的 自主机器人路径规 划 策略研 究[ J ] . 机 器人 , 2 0 0 4 ( 0 6 ) . 块 的有效 区域 时 , 读卡 芯片验证 密钥并进 行相关处 理 , 此时M C U获取 读 卡芯片返 回值并 扫描 F l a s h 区域 以检测 卡片是否注册 , 如果为注册用 户则 L C D 显示用户 的相关信 息 , 否则 L C D 显示 S c a n n i n g …及系统时间 。 当按下键盘上 的第 1 行第 1 列的按键执行卡注册操作 , L C D 提示插 入一张卡 ; 通过 R S 一 2 3 2 串 口转换 电路将 编译 通过 的h e x 文件烧 录到 芯 片里 , 当读卡模块有效范 围内无卡时 L C D屏显示“ S c a n n i n g ……” 提示正 在扫描 ; 当检测 到有卡 时延 迟 5 0 m s 左右 读卡模块 经过验证 密钥 、 读取 卡号 、 调取存储 区数据信 息 , 最后将 S D 卡编号信息显 示在 L C D 屏幕上 , 代 表了其身份信息。 5 . 结束语 本文介绍 了一 款基于 A R M嵌入式 工业 模块 L P C 2 3 6 8 最小系统 , 设 计 开发 了一套可用 于开关 门 、 报警 、 人 员注册验证 的 R S 一 4 8 5 联 网门禁 控制系统 。该系统具 备低成本 、 低 功耗 、 可靠 性高的特点 , 是一款具有 较好使 用价值的出入管理系统。
基于改进模糊算法的移动机器人避障
基于改进模糊算法的移动机器人避
障
随着移动机器人在各个领域中的广泛应用,移动机器人避障问题越来越受到关注。移动机器人避障是指在未知环境下,移动机器人能够根据环境信息,自主规划路径避开障碍物。传统的移动机器人避障算法主要基于传感器数据,使用反射测距、摄像头等传感器测量周围的障碍物信息,进而规划机器人的运动轨迹。但是这种基于传感器数据的避障算法往往存在精度不高、易受干扰等问题。
为了解决这些问题,改进模糊算法被应用于移动机器人避障中。改进模糊算法是一种模糊逻辑控制算法的升级版,它在模糊逻辑控制算法的基础上进行了改进和优化,使得避障精度和鲁棒性都有了很大的提高。
改进模糊算法的基本思想是将传感器数据进行模糊化处理,把数据转化为模糊逻辑变量。然后,在基于模糊逻辑控制的语义模板中,根据输入的模糊变量进行推理,输出相应的控制指令以使移动机器人规划避障路径。
具体来说,改进模糊算法包括以下几个步骤:
1.传感器数据采集:包括摄像头、红外、超声波传感器等
多种传感器,可以在机器人前方、后方、左方、右方等多个方向上获取环境信息。
2.数据预处理:将传感器采集到的数据进行前处理,提高
其精度和稳定性。处理方法包括滤波、有序统计滤波等。
3.模糊化处理:将传感器采集到的数值化数据转化为模糊
变量,使其更符合模糊逻辑的处理方式。这里可采用高斯函数、梯形函数等模糊化方法。
4.模糊规则库建立:依据经验和专家知识,建立避障的模
糊控制规则库,通过将输入变量与规则进行匹配,得到输出控制指令。规则库应该包含避障的各种情况,并对不同的情况赋予不同的权重和优先级。
基于模糊逻辑的轮式移动机器人运动控制的设计与研究
运动速度和运动方 向 . 使机器人沿期望 的轨迹运动。 轮 式移动机器人 的控制根据控制 目标 的不同 .可归纳为
三 个 基 本 问 题 : 迹 跟 踪 , 径 跟 踪 和 点 镇 定 。轨 迹 跟 轨 路
踪和路径跟踪是移动机器人 运动控制 中的跟踪控制 问 题 .是最为实用 的技术 。路径跟踪就是在全局坐标 系 中. 机器人从 一个给定的初始状态 出发 . 到达 和跟踪一
下 面 给 出 了 几 种施 加控 制 量 的方 法 不失 一 般性 .
划和轨迹 跟踪控制 问题 占据相 当重要 的地位 .正是轨 迹跟 踪控制问题研究让 四轮移动小 车成 为了轨迹控制 理论 的研 究和实践 的对象 .因而使 四轮移动小 车在控 制领域具有相 当高 的研究价值
1 轮式 移 动机 器 人 的运 动 控 制 模 型
2 轨 迹 跟 踪 的控 制机 理
本研究 的轮式移动小 车的两个驱动轮采用 两个相
0 O l
Pc =
●
y c
=
同 的直流伺 服电机传动 .通过控制 两驱动轮 的速度快
慢来调节车体前 进速度和角速度 .可 实现位置 和方 位 的独立控制 . 达到对移动小车运动轨迹 的平滑控制[1 8。 - - 9 移动机器人 的位置就是指 移动小车在全局 坐标 系 中所处的位置和方 向。假设 系统在 X、 Y方向上的位置
移动机器人轨迹跟踪系统的典型抗干扰控制方法
汇报人: 日期:
目录
• 引言 • 移动机器人轨迹跟踪系统概述 • 典型抗干扰控制方法 • 移动机器人轨迹跟踪系统中的抗干扰控制
应用 • 结论与展望
01
CATALOGUE
引言
研究背景与意义
移动机器人轨迹跟踪系统在实际应用 中常常面临各种干扰,如传感器噪声 、非线性动态、时变参数等,这些干 扰可能导致系统性能下降甚至失效。
在某些高动态环境中,所提出的控制 方法可能导致一定的延迟,影响实时 性能。未来研究可以进一步优化算法 以提高其实时性能。
本研究主要关注了所提出方法的性能 表现,但未将其与现有方法进行全面 的比较分析。未来研究可以进一步完 善实验对比,与其他方法进行全面的 性能评估。
THANKS
感谢观看
鲁棒控制
针对移动机器人系统中可 能存在的参数不确定性和 外界干扰,利用鲁棒控制 理论设计控制器。
基于非线性控制理论的抗干扰控制在轨迹跟踪系统中的应 用
非线性反馈控制
利用非线性反馈控制器, 对移动机器人进行控制以 实现轨迹跟踪和抗干扰。
滑模控制
通过设计滑模面和滑模控 制器,使移动机器人能够 快速、准确地跟踪期望轨 迹并抵抗干扰。
04
CATALOGUE
移动机器人轨迹跟踪系统中的抗干扰控制 应用
基于线性控制理论的抗干扰控制在轨迹跟踪系统中的应用
基于模糊控制器的未知环境下移动机器人导航
A BSTR ACT : e ie a t n mo v g t {a mo ie r b ti a k w e io m e nd r s le lc lmi i To r a z u o o usna i ai O b l o o n n un no n nvr n nta e o v o a n — l on
c tr n i s t f da dteo gn lg a src v rd n e hsa p oc i i r e o s aii n h r ia oli e o ee .U d rti p rah,terb tg n rtdrao a l rjco se i h o o e eae e sn betae t—
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1998年的IEEE
国际会议上机器人及自动化
Leuven ,比利时1998年5月
一种实用的办法--带拖车移动机器人的反馈控制
F. Lamiraux and J.P. Laumond
拉斯,法国国家科学研究中心
法国图卢兹
{florent ,jpl}@laas.fr
摘要
本文提出了一种有效的方法来控制带拖车移动机器人。轨迹跟踪和路径跟踪这两个问题已经得到解决。接下来的问题是解决迭代轨迹跟踪。并且把扰动考虑到路径跟踪内。移动机器人Hilare的实验结果说明了我们方法的有效性。
1引言
过去的8年,人们对非完整系统的运动控制做了大量的工作。布洛基[2]提出了关于这种系统的一项具有挑战性的任务,配置的稳定性,证明它不能由一个简单的连续状态反馈。作为替代办法随时间变化的反馈[10,4,11,13,14,15,18]或间断反馈[3]也随之被提出。从[5]移动机器人的运动控制的一项调查可以看到。另一方面,非完整系统的轨迹跟踪不符合布洛基的条件,从而使其这一个任务更为轻松。许多著作也已经给出了移动机器人的特殊情况的这一问题[6,7,8,12,16]。
所有这些控制律都是工作在相同的假设下:系统的演变是完全已知和没有扰动使得系统偏离其轨迹。很少有文章在处理移动机器人的控制时考虑到扰动的运动学方程。但是[1]提出了一种有关稳定汽车的配置,有效的矢量控制扰动领域,并且建立在迭代轨迹跟踪的基础上。
存在的障碍使得达到规定路径的任务变得更加困难,因此在执行任务的任何动作之前都需要有一个路径规划。
在本文中,我们在迭代轨迹跟踪的基础上提出了一个健全的方案,使得带拖车的
机器人按照规定路径行走。该轨迹计算由规划的议案所描述[17],从而避免已经提交了输入的障碍物。在下面,我们将不会给出任何有关规划的发展,我们提及这个参考的细节。而且,我们认为,在某一特定轨迹的执行屈服于扰动。我们选择的这些扰动模型是非常简单,非常一般。它存在一些共同点[1]。
本文安排如下:第2节介绍我们的实验系统Hilare及其拖车:两个连接系统将被视为(图1)。第3节处理控制方案及分析的稳定性和鲁棒性。在第4节,我们介绍本实验结果。
图1带拖车的Hilare
2 系统描述
Hilare是一个有两个驱动轮的移动机器人。拖车是被挂在这个机器人上的,确定了两个不同的系统取决于连接设备:在系统A的拖车拴在机器人的车轮轴中心线上方(图1 ,顶端),而对系统B是栓在机器人的车轮轴中心线的后面(图1 ,底部)。A
l= 0 。这个系统不过单从控制的角度来看,需要更对B来说是一种特殊情况,其中
r
多的复杂的计算。出于这个原因,我们分开处理挂接系统。两个马达能够控制机器人的线速度和角速度(v r,r
ω)。除了这些速度之外,还由传感器测量,而机器人和拖车之间的角度ϕ,由光学编码器给出。机器人的位置和方向(x r,y r,rθ)通过整合前的速度被计算。有了这些批注,控制系统B是:
cos sin sin()cos()r r r
r r r
r r
r r r r t t x v y v v l l l θθθωωϕϕϕω====--- (1)
3 全球控制方案
3.1目的
当考虑到现实的系统,人们就必须要考虑到在运动的执行时产生的扰动。 这可
能有许多的来源,像有缺陷的电机,轮子的滑动,惯性的影响... 这些扰动可以被设
计通过增加一个周期在控制系统(1) ,得到一个新的系统的形式
(,)x f x u ε=+
ε 在上式中可以是确定性或随机变量。 在第一种情况下,扰动仅仅是由于系统演化
的不规则,而在第二种情况下,它来自于该系统一个随机行为。我们将看到后来,这
第二个模型是一个更适合我们的实验系统。
为了引导机器人,从一开始就配置了目标,许多工程认为扰动最初只是机器人
和目标之间的距离,但演变的系统是完全众所周知的。为了解决这个问题,他们设计
了一个可输入的时间-状态函数,使目标达到一个渐近稳定平衡的闭环系统。现在,如
果我们介绍了先前定义周期ε在这个闭环系统,我们不知道将会发生什么。但是我们
可以猜想,如果扰动ε很小、是确定的、在平衡点(如果仍然还有一个)将接近目标,如果扰动是一个随机变数,平衡点将成为一个平衡的子集。 但是,我们不知道这些
新的平衡点或子集的位置。
此外,在处理障碍时,随时间变化的方法不是很方便。他们只能使用在附近的
目标,这附近要适当界定,以确保无碰撞轨迹的闭环系统。请注意连续状态反馈不能
适用于真实情况下的机器人,因为间断的速度导致无限的加速度。
我们建议达成某一存在障碍特定配置的方法如下。我们首先在当前的配置和使
用自由的碰撞议案所描述[17]目标之间建立一个自由的碰撞路径,然后,我们以一个简
单的跟踪控制率执行轨迹。在运动结束后,因为这一目标的各种扰动机器人从来没有
完全达到和目标的轨迹一致,而是这一目标的左右。如果达到配置远离目标,我们计
算另一个我们之前已经执行过的一个轨迹。
现在我们将描述我们的轨迹跟踪控制率,然后给出我们的全球迭代方法的鲁棒
性问题。
3.2轨迹跟踪控制率
在这一节中,我们只处理系统A 。对系统B 容易计算(见第3.4节)。
图2 单一机器人的跟踪控制率 很多带拖车轮式移动机器人的跟踪控制律已经被提出。其中[16]虽然很简单,但是
提供了杰出的成果。 如果(),,x y θ是模拟机器人的坐标构成真实机器人(图2),如果
(00,r r
v ω)是输入的参考轨迹,这种控制律表示如下: 01032cos sin r r r r v k x k k y v θθωωθθ
⎧=+⎪⎨=++⎪⎩ (2) 我们控制律的关键想法如下:当机器人前进,拖车不需要稳定(见下文)。因此,
我们对机器人使用公式(2)。 当它后退时,我们定义一个虚拟的机器人(,,)r r r x y θ(图
3)这是对称的真实一对拖车的车轮轴:
2cos 2sin 2r r t t
r r t t r t r
x x l y y l θθθπθθ=-=-=+-
然后,当真正的机器人退后,虚拟机器人前进和虚拟系统(,,,)r r r
x y θϕ- 在运动学上是等同于真正的一个。因此,我们对虚拟机器人实行跟踪控制法(2)。
图3 虚拟机器人