轮式移动机器人的自适应与学习控制研究

• 作 者: 王玉
• 出 处: 华南理工大学
• 发表日期: 2004年期
• 关键词: 轮式移动机器人 神经网络 约束 确定学习 协同控制

作为智能机器人领域的典型代表,轮式移动机器人具有机械结构简单、运动灵活度大、操作性能好、能量利用率高等优点,在空间探测、工业制造、生活服务、农业生产等领域更加活跃。轮式移动机器人具有的非线性、欠驱动性、非完整约束特性,给轮式移动机器人的跟踪控制带来了困难和挑战。在复杂的工作场景中,移动机器人不仅会受到各种约束限制,而且还会受外界干扰及系统本身参数不确定性的影响,这就对控制器的设计提出了更高的要求。此外,对于重复的工作任务,从经验中学习、获取知识,利用所学知识设计学习控制器,可提高控制性能、减少能源消耗。在执行复杂的控制任务时,多机器人的协同合作能够具备更高的工作效率。本文以神经网络、自适应控制理论为基础,结合Lyapunov稳定性理论、链式变换、反步法、障碍Lyapunov函数、确定学习理论、一致性控制理论等,对轮式移动机器人的轨迹跟踪控制方法进行了研究。论文的主要研究内容如下:(1)考虑执行器动态,针对受外界扰动、具有不确定性的轮式移动机器人,采用反步法设计了自适应神经网络轨迹跟踪控制器。设计的控制器能够完成移动机器人系统对期望轨迹的跟踪,并且在稳定的跟踪过程中实现了对移动机器人未知闭环系统动态的局部准确逼近(学习)。利用学习的知识构造静态的学习控制器可以提高系统的控制性能,减少能量消耗。(2)考虑输入饱和和执行器动态,针对受外界扰动、具有不确定性的轮式移动机器人,通过引入合适的动态系统来处理输入饱和的影响,设计了自适应神经网络轨迹跟踪控制器,在保证闭环系统实现对期望轨迹跟踪的同时,系统的控制输入保持在约束范围内。并且证明了动态系统的引入并不影响控制过程中对未知闭环系统动态的学习,后续构造的学习控制器被验证在相同的控制任务中表现出它的高效性和优越性。(3)考虑状态约束和执行器动态,针对受外界扰动、具有不确定性的轮式移动机器人,基于链式模型设计了虚拟控制律和自适应神经网络轨迹跟踪控制器。在保证闭环系统实现稳定跟踪的同时,系统状态也在约束范围内。并且证明了在稳定的自适应控制过程中实现了对移动机器人未知闭环系统动态的局部准确逼近(学习),利用学过的知识来执行相同的控制任务,可以避免神经网络的再训练。(4)在单个受状态约束轮式移动机器人轨迹跟踪控制的基础上,进一步研究了多个移动机器人的协作控制问题。利用协同确定学习理论设计了自适应神经网络控制器以保证每个移动机器人个体对各自期望轨迹的跟踪。同时,移动机器人之间通过网络通信在线交换权值信息,从而在学习知识的基础上实现对不确定非线性动态的局部准确辨识。合作学习的知识可以被存储和再利用于机器人执行相同的协同控制任务,经过训练的神经网络在执行跟踪轨道并集范围内的控制任务时,也具有良好的泛化能力。上面设计的控制器全部以轮式移动机器人的跟踪控制为目标进行了仿真验证,仿真结果表明了本文提出的控制方案是有效和可行的。