轮式移动机器人的轨迹规划研究

• 作 者: 王明睿
• 出 处: 哈尔滨理工大学
• 发表日期: 2004年期
• 关键词: 轮式移动机器人 模型预测控制 快速扩展随机树 轨迹生成

本文以提升轮式移动机器人自主运行能力为目标,深入研究了轮式移动机器人路径规划及轨迹生成问题,提出了改进型RRT路径规划算法和基于模型预测控制的多约束轨迹生成方案。本文的主要工作可归纳如下:首先,分析轮式移动机器人运动过程,建立其运动学模型。针对模型非线性的特点,采用泰勒级数展开方法对模型进行了线性化处理,得到轮式移动机器人的线性时变数学模型,为后续轨迹生成奠定了基础。然后对轮式移动机器人轨迹规划问题中的各种约束条件进行分析,并给出相应的数学描述。然后,研究轮式移动机器人常用路径搜索算法,对比各种方法优缺点,结合轮式移动机器人路径搜索的多约束问题以及对搜索速度的要求,确定本文路径搜索方案。针对经典RRT算法得到的路径具有重复性差和不平直等缺点,对经典RRT算法进行改进,设计了基于概率P的多步长RRT算法进行路径搜索,在保证轮式移动机器人避障的前提下,通过增加随机点向目标点生长的概率大大减小了计算量。为便于轨迹生成,采用smooth算法对得到的路径进行了平滑处理。最后通过与原始RRT算法在两种工作环境下的对比实验,验证了改进RRT算法的优越性。最后,基于模型预测控制的滚动优化思想,并利用轮式移动机器人的线性位姿误差模型,结合轮式移动机器人终端约束和过程约束条件,构造了兼顾跟踪性能和各类约束的目标函数,将多约束下轨迹规划问题转化为QP问题,完成了满足多约束条件的模型预测控制器。在此基础上,应用四阶龙格库塔法,提出了基于闭环仿真的轨迹生成方案,能够集中并有效解决轨迹规划中的终端约束和过程约束问题,进一步通过仿真验证了所提出的轨迹规划策略的有效性。本文虽以轮式移动机器人为对象展开研究,但所提出方法同样适用于无人车、水下机器人等类似系统,为解决多约束条件下的轨迹规划问题提供了新的思路,具有重要的参考价值。