一种简单的轮式移动机器人控制器设计

研究了轮式移动机器人的轨迹跟踪控制问题.针对传统控制器设计较为复杂的问题,通过构造Lyapunov函数,并根据Lyapunov稳定性定理,推导出了具有全局渐近稳定的跟踪控制器.该方法设计简单并具有直观的稳定性分析.仿真结果证明了该控制器能过保证闭环系统所有状态渐近稳定,达到了轮式移动机器人的轨迹跟踪控制目的.     

模糊逻辑控制在焊枪位置调整中的应用

设计了适合轮式轨道焊接机器人进行焊枪位置实时调整跟踪的模糊控制器,通过计算机实现了模糊控制功能,并进行了模拟仿真实验和实际的跟踪调整实验.结果表明,该模糊控制器可用于焊枪位置误差的控制过程,有利于提高跟踪精度和保证跟踪的稳定性,具有一定的应用价值.     

基于综合导向的轮式移动机器人自适应轨迹跟踪控制

分析了不确定的具有非完整约束轮式移动机器人系统的轨迹跟踪问题,提出了一种自适应的轨迹跟踪控制方法,该方法在运动学模型的基础上通过引入状态微分反馈实现.同时,该控制方法提出在对轮式移动机器人进行导航时引入人工场,使其和位姿误差一起作用完成导航控制.基于轮式移动机器人的仿真实验,以及实际轮式移动机器人的控制实验表明,该方法可以对不确定的轮式移动机器人轨迹跟踪进行有效控制,而且在导航中使轮式移动机器人具有更理想的轨迹.     

基于全局视觉的服务机器人滑模轨迹跟踪控制

以轮式移动服务机器人的轨迹跟踪控制为研究对象,分别建立了轮式移动机器人在任务空间和视觉空间内的运动学模型,利用摄像机成像模型,实现了视觉空间到任务空间的速度向量变换.采用视觉伺服控制方法,构建了全局视觉轨迹跟踪控制结构.结合滑模控制思想,建立了具有全局渐近稳定的滑模轨迹跟踪控制器.以具有任意初始误差的圆和直线为参考轨迹,进行了仿真研究.仿真结果表明,所构建的系统控制器具有理想的响应速度和跟踪精确性.     

基于神经网络反步法的移动机器人路径跟踪控制

为实现非完整轮式机器人的路径跟踪控制,设计基于反馈增益的反步法控制器,通过控制器参数设计消除了机器人动态误差模型中的部分非线性项,采用神经网络对模型不确定项进行补偿,并利用自适应鲁棒控制器在线补偿神经网络的估计误差,优化了神经网络的学习性能。仿真结果表明:设计的控制器参数易于调节,可实现轮式移动机器人对任意曲线路径的精确跟踪。     

基于分段模糊Lyapunov函数的轮式移动机器人轨迹跟踪控制

研究了具有控制输入约束和外部干扰的轮式移动机器人的轨迹跟踪问题.在轨迹跟踪位姿误差的T-S模型和并行分布补偿框架下,利用分段模糊Lyapunov理论给出了满足控制输入约束的H∞控制器设计方法,并证明了闭环系统的稳定性.仿真结果验证了所提方法的有效性.     

轮式移动机器人滑模轨迹跟踪控制

对质心与几何中心不重合的轮式移动机器人轨迹跟踪问题进行了研究.分析了轮式移动机器人运动学的数学模型,并在反演(backstepping)控制算法的基础上设计了变结构控制的切换函数,由此构造了具有全局渐进稳定性的滑模跟踪控制器.仿真结果表明了该方法的有效性和正确性.     

轮式移动机器人的模糊控制器

为准确反映移动机器人的实际运动情况,鉴于路径跟踪控制中可能出现的三类偏差.设计了两个模糊控制器,用以纠正移动机器人行走路径的偏差.MATLAB仿真结果表明:加入模糊控制器的系统,运动轨迹相对平缓、波动较小、收敛速度快.其动态和稳态输出特性均较好.该模糊控制器能够提高系统的控制精度,取得比较理想的控制效果.     

基于变结构的移动机器人侧向控制器的设计

采用基于后推与模糊滑模控制相结合的方法设计了移动机器人的变结构状态反馈控制器,实现了对道路跟踪侧向误差的渐近镇定控制.应用Lyapunov定理推导了移动机器人满足非完整性约束的时变光滑状态反馈镇定控制律;将状态控制区域分为远离奇异点的稳定工作区域与含有奇异点的非稳定区域2部分.设计模糊控制嚣来控制移动机器人的状态从非稳定区域向稳定区域转变,并采用移动机器人Amigobot作为实验平台验证了控制器设计的有效性.研究结果表明:侧向误差较大时,模糊控制器确保移动机器人在稳定区域内沿着模态切换线减小误差;当侧向误差较小时,时变光滑状态反馈控制实现对移动机器人的平稳镇定.在控制器设计中,将移动机器人的平移速度视为渐变参数,根据侧向误差能量函数的变化进行模糊自适应调节.     

基于单目视觉的移动机器人伺服镇定控制

针对轮式移动机器人的单目视觉伺服镇定问题,在深度信息、机器人坐标系与摄像机坐标系间平移参量未知、摄像头光轴具有固定倾角的情况下,建立了移动机器人在摄像机坐标系下的运动模型.针对该模型提出了一种基于平面单应矩阵分解的鲁棒自适应控制方法,保证了误差的全局指数收敛.仿真和实验结果表明:所设计的控制器可以保证移动机器人指数收敛到期望的位姿,同时所设计的鲁棒自适应控制器对参数不确定性具有一定的鲁棒性.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

用于移动机器人的新型模糊神经元速度控制器

文中提出一种新型的模糊神经元速度控制器 ,为移动机器人解决位移转换成速度这个逆运动学问题 它把模糊论和预确定策略集成到神经元网络系统中 ,使得它能利用路径信息去控制机器人达到所希望的运动速度 模拟研究显示了它能控制机器人在静态或者动态的环境中 ,不通过学习就能沿着动态的避碰路径去捕捉目标 另外 ,可将其集成到其他的系统中去控制速度 ,或者作为一个独立的系统使用传感器信息去控制机器人的运动     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

基于模糊干扰观测器的移动机器人自适应滑模跟踪控制

针对轮式移动机器人(Wheeled Mobile Robot, WMR)轨迹跟踪中存在的速度跳变和未知系统扰动,提出一种新型轨迹跟踪控制策略。该策略基于反演技术,分别设计WMR系统的运动学控制器和动力学控制器。在运动学控制器中,采用分流技术克服了轨迹跟踪初期的速度跳变问题;在动力学控制器中,将模糊干扰观测器与自适应滑模控制结合,有效解决了未知系统扰动对控制性能的影响,并且消除了传统滑模控制的抖振现象。通过Lyapunov稳定性理论,证明了该控制策略的稳定性。仿真研究表明,该控制策略具有较小的速度跳变,控制信号抖振较小,并对系统扰动具有强鲁棒性。     

轮式移动机器人的有限时间自适应轨迹跟踪控制

【目的】针对存在外界扰动和参数不确定性的轮式移动机器人,设计一种有限时间轨迹跟踪控制方案。【方法】首先,将轮式移动机器人动态系统分为二阶和三阶的两个子系统;其次,针对二阶子系统设计了自适应快速终端滑模控制律,保证移动机器人角速度跟踪误差有限时间内收敛到一个任意小的区域内;然后,设计了关于线速度的控制律,来保证三阶子系统的有限时间收敛;最后进行仿真实验验证。【结果】仿真实验结果与理论值相符。【结论】本研究设计的有限时间控制策略保证了移动机器人轨迹跟踪的效果。