自主移动机器人跟踪的自适应动态控制器

自主移动机器人跟踪的自适应动态控制器
摘要
本文提出了一种自适应控制器像在移动机器人轨迹跟踪指导的独轮车。

最初，线性和角速度的期望值产生，只考虑机器人的运动学模型。

其次，这种价值观念被处理以补偿机器人动力学，从而产生交付给机器人执行器线性和角速度的命令。

参数机器人动力学特征的更新上线，从而提供更小的错误，更好地应用这些参数变化性能，如交通负荷。

整个系统的稳定性进行了分析利用Lyapunov理论和控制错误被证明是最终有界。

仿真和实验结果还提出，这表明了对建议的轨迹跟踪控制在不同的负载条件下的表现良好。

1导言
在不同的移动机器人的结构，像平台独轮车一些国家往往通过完成不同的任务，由于其良好的流动性和简单的配置。

非线性这种类型的机器人使用已经好几年，这种机器人控制结构的研究已被用于多种应用，如监测和地面清洗。

其它应用，如工业负荷运输，使用自动引导车辆（AGV）自动公路维修和建设，自主轮椅，还利用了独轮车状结构。

有些作者讨论了轨迹跟踪的问题，一个相当重要的功能，使移动机器人来跟踪理想的轨迹时，完成任务。

在自动导引车系统的非线性控制的重要问题是，迄今为止，控制器的设计是基于移动机器人运动学。

但是，当高速运动和重负荷交通运输需要，就必须在考虑机器人动力学，除了其运动学。

因此，一些控制器补偿机器人动力学已被提出。

作为一个例子，菲耶罗和Lewis（1995）提出了结合运动学/力矩控制法的非完整移动机器人考虑到车辆动力学模型。

那个控制命令，他们用的扭矩，这是难以应付当大多数与商业有关的机器人。

此外，只有仿真结果的报告。

菲耶罗和刘易斯（1997年）也提出了鲁棒自适应控制器神经网络的处理干扰和非动力学模型，虽然没有报告实验结果。

Das（2006年）显示，自适应模糊逻辑为基础的控制器，其中的不确定性估计一模糊逻辑系统及其参数调整在网上。

动态模型，包括执行器动态，由控制器生成的命令是为机器人的电机电压。

在神经网络被用于识别和控制，控制信号，线性和角速度，但他们的解决方案实时实现，需要一个高性能计算机体系结构，多处理器系统为基础。

另一方面，de la Cruz和Carelli（2006）提出了一个动态模型作为投入使用线性和角速度，并表现了轨迹跟踪控制器设计的模型。

他们控制的一个优势是，它的参数有直接关系的机器人参数。

但是，如果参数不正确认识，或者他们与时间的变化，例如，由于负荷变化，其控制器的性能将受到严重影响。

为了减少性能下降，在线参数调整，就变得很重要的应用中，机器人的动态参数可能会有所不同，如负载运输。

这也是有用的动态参数知识是有限的，或者不存在。

本文的自适应轨迹跟踪的机器人动力学为基础的控制器提出，它的稳定性证明利用Lyapunov理论。

控制器的设计分为两部分，每一部分是一个控制器本身。

第一个是运动控制器，它是在机器人运动学为基础的，第二个是一个动态的控制，这是对机器人动力学为基础。

动态控制器能够更新估计参数，它直接关系到机器人的物理参数。

两个控制
器一起形成一个完整的轨迹跟踪的移动机器人控制器。

该控制器的设计基础上的独轮车模型，如移动机器人，de la Cruz和Carelli拟议的第S -修改长期应用于参数更新的法则，以防止可能的参数漂移。

两者的运动学和动力学控制渐近稳定性证明。

仿真结果表明，参数漂移，甚至不会出现在系统的长期工程。

对于这样的控制器实验结果还介绍表明，该控制器是能够更新其参数，以减少跟踪误差。

实验与交通负荷的情况，并给出了处理，结果表明，该控制器是引导机器人遵循一个非常小的错误期望的轨迹甚至可当其变化动态参数。

该文件的主要贡献是：（1）一个用动态模型的输入命令的速度，这是通常在商用移动机器人，而在涉及扭矩命令的文学作品中；（2）与一个S -修改来说，这使得它的自适应鲁棒控制器设计，与整个相应的稳定性研究自适应控制系统，以及（3）实验显示在一个典型的工业应用的控制器具有良好的表现，即装载运输介绍。

2 动态模型
在本节中，该独轮车动态模型，如移动由克鲁斯和Carelli（2006）提出的机器人进行审查。

图1描述移动机器人，它的参数和感兴趣的变量。

U和O的线性和角度的机器人，分别对应的速度，G是机器人的重心，C是小轮的位置，E是一种工具，机上的机器人的位置，h是点感兴趣的坐标x和在xy Y轴，C是机器人的前进方向和之间有利益点和连接虚拟轴中心点的距离牵引轮（B点）。

完整的数学模型被写为
uref和oref是线性和角速度，分别为所需的值，并代表该系统的输入信号。

一个确定的参数向量和向量参数，不确定性是与上述型号的机器人，它们分别是
图1 双轮样移动机器人
这里dx 和dy 是滑移速度职能和机器人定位，Do 和Du 是惯性参数，车轮和轮胎直径的电机和伺服系统，车轮上，等等力参数被视为干扰。

该方程描述的参数h 的首先提出，并在这里为方便起见转载。

他们是
应当强调指出，参数Y3和Y5，将是无效，当且仅当中心G 与接牵引车轮的虚拟轴中心点是完全相同的。

本文假定B6= 0。

个机器人的模型，介绍了如1划分静态和动态部分，如图2所示。

因此，实施两个控制器，反馈线性化的基础上，或两者兼而有之的机器人运动学和动力学模型。

3运动控制器
3.1设计
该运动控制器的设计是基于运动学模型的机器人，假设干扰是一个零向量。

从机器人运动学模给出
它的输出是感兴趣的点的坐标，这里[]T
h xy =，所以：
注2：整个系统的稳定性将再次在下一节，其中自适应动态控制器添加到运动控制器，以执行图整个管制计划。

4自适应动态控制器
4.1设计
动态控制器接收来自运动控制器对线性和角速度参数，生成另一种线性和角速度付给机器人伺服系统，如图2所示。

自适应的动态控制器的设计是基于参数化动态模型的机器人。

忽略了干扰条件和做为方程动态的一部分。

式子1是：
重新安排的规定，线性参数化动力学方程可以表示为
这也可以写成
注4：重要的是，一非完整移动机器人必须面向根据切线路径轨迹跟踪与小错误轨迹。

否则，控制失误会增加。

这是因为非完整平台限制的机器人开发的线速度方向。

所以，如果机器人的方向不是相切轨迹，对每一个瞬间所需位置的距离将增加。

事实上，控制误差收敛到一个有界值表明，机器人化并不需要明确控制，将相切轨迹路径，对照错误仍然很小。

5验结果
为了显示控制器性能的若干建议实验和模拟被解决。

一些结果载于本节。

拟议控制器实施一先锋3DX移动机器人，它将性和角速度作为输入参考信号，并在图2中距离b是非零。

一个先锋2DX机器人的动态参数，称重约10公斤（其中获得通过识别）。

这两个机器人如图3，其中的先锋3DX 光传感器约6千克在自己的平台，这使得它的动力显着的不同于先锋2 –DX。

在实验中，机器人在x =0.2米和y = 0.0米开始，并应遵守通告的参考轨迹。

该参考圆心在x =0.0米和y = 0.8米参考轨迹开始在x = 0.8和y = 0.8米，并遵循一个圆圈具有0.8米的半径经过50秒，参考轨迹突然更改为半径0.7米的圆之后，参考轨迹之间交替的半径0.7 0.8/秒。

图4列出的参考和完整的实验，包括在部分轨道半径变化的实际机器人轨迹。

在这种情况下，参数更新活跃。

图5显示使用实验的距离误差建议控制器，无参数的更新，以按照描述的参考轨迹。

距离误差定义为参考和机器人之间的的位置瞬时距离。

注意高初始错误，这是由于事实，即参考轨迹在一个点，就是远离最初的机器人位置开始。

首先，建议的控制器进行了测试，没有更新参数。

图5可以看出，在这种情况下，轨迹跟踪误差
约为0.17米不变，即使在以后的参考轨迹的半径变化稳态值。

这个数字还显示出了在其中的动态参数更新的情况距离误差。

在实验中使用的机器人，通过激活参数更新和重复同样的实验中，轨迹跟踪误差可达到较小的值。

图3 用于实验中的机器人
图4 部分参考和真正的圆形轨道
图5 距离误差与实验
6结论
自适应轨迹跟踪控制的独轮车，如移动机器人的设计和充分参与这一工作的测试。

这种控制器分为两部分，分别是关于机器人的运动学和动力学模型为基础。

该模型将机器人的线性和角速度作为输入参考信号，这是通常的商业机器人。

这被认为是一个参数更新为控制器的动态组成部分的法则，提高了系统的性能。

一长期被列入限制法则，以防止可能的参数漂移。

稳定性基于Lyapunov理论的分析，为进行运动学和动力学控制器。

在过去的稳定性证明考虑参数更新的法则。

实验结果显示了对应用到移动机器人实验提出的轨迹跟踪控制性能良好。

一项长期的仿真结果也表明，提出更新的参数收敛即使系统的长期工程。

结果证明，这种控制器是跟踪一个小的距离时，动态参数错误适应期望的轨迹的重要性行参数更新的情况作了说明。

任务中，机器人的参数不完全知道发生或可能发生变化。

一个建议的控制器可能的用途是用于装载运输所用的工业自动导引车系统，因为参数将保持适应性，即使在机器人中的重大变化的情况下也会减小跟踪误差。