论文部分内容阅读
全方位移动机器人在任意时刻都具有在平面上运动的全部三个自由度:这一优良特性使得全方位移动机器人具有广泛的应用前景。本文以本实验室全方位移动机器人为实验平台，对全方位移动机器人的控制、规划与导航问题开展研究。
本文首先综述了国内外移动机器人特别是全方位移动机器人的研究概况。对移动机器人的控制方法、路径规划方法的研究进展作了回顾和简要介绍。针对本文的研究对象一全方位轮式移动机器人，重点综述了其机械设计、数学建模、相关控制方法等，介绍了本文的选题背景和主要研究内容。
其次，详细介绍了本文的实验平台—全方位移动机器人，包括它的硬件系统和软件系统。对机器人驱动系统的控制方法、以及传感器数据获取方法作了说明。在实际实现中，机器人在电机转速控制的方式下实现了速度控制，利用计算机并口来传输机器人传感器数据，实现了机器人运动控制与传感器数据处理的分离。相应地，机器人软件系统在底层亦分为这样两个部分(运动控制与传感器数据处理)。在此基础上，机器人软件系统能够实现障碍物检测、导航等上层功能。
第三，介绍了全方位移动机器人驱动系统的机械结构、运动学模型，并在此基础上，讨论了机器人的几种特殊运动方式：分析了机器人运动学模型的特性以及实际存在的滑动对运动学模型的影响。根据对运动学模型分析的结果，建议机器人运动应以本体不变向的运动方式为主。根据机器人的运动学模型，给出了机器人的速度控制器。以点到点的控制方式，在机器人上实现了路径跟踪控制器。最后描述了两个与机器人运动控制相关的导航功能，即航程递推和避障。
第四，针对全方位移动机器人的冗余驱动特性，提出了一种机器人运动与挤压力同时控制的方法：首先，设计一个稳定控制器用于控制机器人运动；在此基础上，设计挤压力控制器用于将挤压力镇定到零。在仿真研究中，以机器人镇定控制和跟踪控制为例，对这种控制方法的有效性进行了仿真分析。其中，—“PD+”控制器用作机器人的镇定控制器，—“逆动力学控制器”用作机器人的跟踪控制器。在这两种情形下，两个结构相同的“积分反馈力控制器”分别用于控制机器人本体与轮子之间的挤压力。仿真计算显示，挤压力显著减小，而机器人的运动并没有重大改变。
第五，结合目前流行的概率路线图(Probabilistic Road Map，简写为PRM)算法与传统的模拟退火优化算法，提出一种两级优化路径规划器：第一级为基本PRM规划器，产生静态环境下的机器人可行路径；第二级为模拟退火算法，对PRM产生的路径进行优化。即使原始路径因某种原因而变得不再可行，最终规划器也将产生一条最优的可行路径。
最后，对本文所取得的研究成果作了总结，并且指出了需要进一步研究的后续工作。