宋兴国[1]2015年在《轮式机器人的移动系统建模及基于模型学习的跟踪控制研究》文中进行了进一步梳理随着移动机器人被赋予的任务需求及其接触环境的多样性不断增加,使其在执行任务过程中所面临的随机因素变得越来越多。轮式移动机器人作为本文的研究对象,目前所面临的主要困难包括:动态系统的高精度建模,对外界环境的认知,车轮与地面作用力学理论的实际应用等,这些因素通常导致机器人具有模型不确定性,给机器人的精确控制带来了很大难度,需要发展先进的控制方法来解决复杂系统的控制问题。为此,本文建立了复杂的轮式机器人系统模型,提出了先进的模型学习方法,并且基于模型学习方法研究了轮式移动机器人的跟踪控制问题。系统模型是机器人技术研究的基本工具,轮式机器人的运动学模型和动力学模型是解决其控制问题的基础。基于轮式机器人在硬质地面上的有非完整约束方程,建立了车轮纵向滑转和侧向滑移情况的机器人系统运动学与动力学模型。结合轮—地相互作用的地面力学方程和轮式机器人的运动学建模过程,建立了轮式机器人在松软斜坡上发生车轮滑转、侧偏和沉陷的动力学模型。轮式机器人系统模型的不确定性在很大程度上影响了跟踪控制的精度。为提高控制系统的精度,利用具有非线性特性的神经网络模型进行在线辨识,包括前馈的径向基函数(RBF)神经网络和递归神经网络的模型辨识。考虑到递归神经网络的隐层单元存在神经元再激励而产生时延现象,基于Lyapunov稳定性理论、线性矩阵不等式技巧和李代数性质,提出了时延递归神经网络全局渐近稳定和全局指数稳定的新判据。为应用观测数据辨识具有不确定性的机器人系统模型,研究了具有非参数化的高斯过程回归(GPR)模型,能够降低噪声对观测数据的影响,进而实现系统潜变量模型的高精度辨识。基于Cholesky分解的高斯过程模型更新方法保证了数据不断增多时的模型学习速度。根据监督型神经网络和高斯过程在贝叶斯回归问题上的相似性,建立了贝叶斯回归网络模型。根据局部学习理论提出了新颖的聚类算法,进而建立了局部贝叶斯回归网络(LBRN)。针对复杂系统的模型学习,LBRN具有学习速速快、辨识精度高和鲁棒性强的特点。为实现轮式机器人在硬质地面上的轨迹跟踪控制,应用模型学习方法设计了有效的控制律。针对具有模型参数不确定性的轮式机器人,应用RBF神经网络反馈误差学习算法设计轨迹跟踪控制器,其中神经网络对不确定的非线性动力学模型进行在线辨识,通过仿真实现了准确的轨迹跟踪控制。为降低车轮纵向滑转对轨迹跟踪的影响,建立了滑转参数计算公式,结合滑转参数补偿和神经网络设计控制器,通过仿真实现了车轮滑转的轨迹跟踪控制。车轮纵向滑转和侧向滑移耦合情况很难进行滑转和侧滑参数估计,利用局部贝叶斯回归网络方法对机器人打滑动力学模型进行离线辨识,通过仿真实现了基于打滑模型的轨迹跟踪控制。为实现轮式机器人在松软地面上发生车轮滑转、滑移和沉陷等情况的路径跟踪控制,结合地面力学理论和模型学习方法设计有效的跟踪控制律。分析轮—地作用力学模型和设计单轮实验平台,基于动态反向传播算法的递归神经网络模型在线辨识未知的地面参数。考虑到多参数耦合的轮—地作用力学模型在车轮驱动控制中很难直接应用,采用高斯过程回归方法和单轮实验平台的数据观测对实际需要的轮—地作用力学模型进行了辨识,实现了由车轮驱动力矩来控制车轮的滑转率、沉陷量和挂钩牵引力。针对松软地面上具有不确定性的复杂轮式机器人系统,建立了系统模型输入输出的映射关系式。应用局部贝叶斯回归网络方法进行模型辨识,并且建立了有效的控制器,通过仿真实现了松软地形上的路径跟踪控制。本文建立了轮式移动机器人的系统模型,分析了系统模型具有不确定性的复杂情况,研究了神经网络、高斯过程回归和局部贝叶斯回归网络的模型学习方法,并且应用于轮式移动机器人的控制系统设计,实现了机器人在不同地面上的准确跟踪控制。
毛建[2]2002年在《轮式机器人控制问题的研究》文中研究指明本文介绍了非完整系统的一般理论；建立并分析了一类轮式机器人的运动学模型；将迭代学习控制与链式系统分段定常控制方法相结合，克服了以往只采用分段定常输入时控制系统鲁棒性差的缺点，理论分析和仿真结果表明该方法较好地实现了轮式机器人的运动规划，并且可以消除模型参数扰动的影响；研究了D型迭代学习控制在轮式机器人的轨迹跟踪控制中的应用，仿真结果表明，该方法在系统的轨迹跟踪控制中具有良好的跟踪性能；对于路径跟踪，通过在极坐标内描述系统和期望路径，以极角为参数确定期望参考点，利用Lyapunov函数设计出系统的路径跟踪控制器，整个设计过程为递推设计，简单灵活，仿真结果表明在该控制器作用下，系统能准确地跟踪期望路径。
赵玲[3]2013年在《网络化多移动机器人控制系统研究》文中进行了进一步梳理随着计算机网络、通信技术和控制理论的发展，网络控制系统在各领域得到了越来越广泛的应用。然而，网络的引入使得网络控制系统的研究极具挑战性。网络时延问题是网络控制系统研究的重点，当网络时延足够大时，会造成系统不稳定。将移动机器人控制技术和无线传感器网络定位跟踪技术有机结合起来可构成“基于无线传感器网络的多移动机器人系统”。这个系统作为网络控制系统的一个典型实例，具有极其重要的研究意义。本文主要针对无线传感器网络环境下的移动机器人系统进行分析建模与控制器设计。首先，本文介绍了基于无线传感器网络的多目标实时定位跟踪平台的系统架构、关键技术和平台实现。定位跟踪平台由一组分布式超声波传感器节点、监控基站和多台轮式移动机器人组成，该平台运用自适应分簇及簇间协商的节点调度策略、基于事件驱动的扩展卡尔曼滤波算法和基于任务的分布式系统资源时隙分配等关键技术实现了多目标实时定位跟踪和基于网络实时反馈的移动机器人协同控制。其次，在无网络环境下建立了两轮移动机器人的运动学模型，针对其轨迹跟踪控制问题，设计具有全局渐近稳定的跟踪控制律，通过两轮移动机器人跟踪直线轨迹的仿真实验，验证了该控制器在两轮移动机器人轨迹跟踪控制中的有效性。最后，讨论了无线网络控制系统存在的基本问题，分析了基于无线传感器网络的多移动机器人控制系统的时延特性，并深入研究了存在网络时延的移动机器人模型和时延对移动机器人控制系统性能的影响。为保证系统稳定性和动态性能，针对具有时延的网络化多移动机器人控制系统，设计了具有最优时延补偿的预测控制器。通过对移动机器人轨迹跟踪的仿真实验，验证了该控制器对网络化多移动机器人控制系统的有效性。
潘桂彬[4]2015年在《轮式机器人控制系统的研究与设计》文中提出移动机器人是目前世界科学研究的重点,它涵盖了计算机技术、控制技术、传感器技术等诸多高新技术,是一种具有战略意义的高新技术平台。其中因为室内移动机器人更贴近人的生活,且其主要在室内工作,而室内环境受未知因素的影响不大,所以研究起来相对比较容易,因此国内外学术界对其比较看重。论文设计的室内轮式机器人有两个驱动轮和一个万向轮,通过控制两个驱动轮的速度达到控制机器人不同行为的目的。机器人控制系统的功能需求是整个课题的出发点,所以首先,论文提出了本课题中机器人控制系统的功能需求,继而设计了控制系统的整体方案并完成具体器件的选型。接着,对硬件电路原理图进行了绘制。基于“核心板+底板”的设计思路,对底板上的电源电路、传感器信号采集电路、驱动控制电路、人机交互模块接口电路、USB接口电路进行了设计。然后,论文对机器人导航中的运动控制和路径规划算法进行了重点研究。因为路径规划的执行环节是运动控制,所以首先研究了基于双编码器的运动控制算法,然后研究了基于改进混合蛙跳的路径规划算法,并进行了Matlab仿真验证。此外,因为定位是运动控制的前提,所以还推导了基于双编码器的定位算法。最后,论文给出了系统的软件设计流程。为了使控制器能兼容更多功能并给以后的改进工作增加便利,在决策控制器中裁剪并移植了嵌入式Linux操作系统。此外,使用Qt对嵌入式系统的人机交互界面进行了设计,为操作系统提供了一个直观的GUI界面。同时,对基于双编码器的运动控制算法进行了实验验证。实验结果表明,设计的轮式机器人控制系统满足设计功能需求。在最大速度为1m/s的实验中,机器人运动控制效果良好,最终的定位精度可以达到2cm以内。
井超超[5]2012年在《轮式机器人运动系统设计与研究》文中研究表明随着人工智能和控制研究的不断深入，机器人控制技术越来越受到人们的重视，轮式机器人的更是一个研究的热点。轮式机器人是机器人的一种，它结合了机械、电子、计算机等技术，广泛的应用于各个领域。在查阅了大量资料的基础上，分析了移动机器人控制技术的特点以及发展现状，设计并研究了轮式机器人的运动控制系统。本文的内容主要包括以下四个部分：第一部分：阐述了轮式机器人运动控制控制系统结构、控制模型；第二部分：主要介绍了轮式机器人运动控制系统的组成以及各部分的功能，设计了以AT89S51微控制器为核心的主控制器作为轮式机器人运动控制系统，介绍了运动执行部分步进电机和步进电机驱动器的工作原理，给出了基于主控制器的运动控制方案；第叁部分：介绍了数控系统中常用的插补算法，采用插补算法来实现对轮式机器人的运动控制，并设计了控制程序，采用数字积分插补算法来实现对轮式机器人的运动控制；第四部分：给出了控制系统结构框图、主控制器时序脉冲图和算法实现过程；完成了大量的实验，对实验进行了分析，并对算法进行了改进，提高了插补算法的运算速度。本课题的设计和研究系统实现注重工程实际应用，采用的运动控制算法是数控系统中常用的数字插补算法，插补算法经过很长时间的研究和大量的实验论证，在实际中有着广泛的应用。
刘钰[6]2008年在《基于神经网络的轮式移动机器人鲁棒滑模控制》文中研究指明近年来,对非完整移动机器人的理论和应用研究已同益受到国内外控制界的重视。广义地说任何带有轮式移动驱动机构的机械装置如卡车等都属于这类机器人范畴,因此它具有广泛的实际应用背景。另一方面,这类系统由于具有无打滑等非完整约束条件,使得其控制问题变得相当困难,如不能采用连续或可微的纯状念反馈实现系统的渐近稳定,不能采用非线性变换实现整体线性化等。因此,研究非完整移动机器人系统的鲁棒控制问题,具有十分重要的理论和应用价值。本文主要针对非完整移动机器人进行运动学和动力学建模、分析与轨迹跟踪控制器设计的研究。首先,分析一类两轮移动机器人的运动学模型和动力学模型,针对其轨迹跟踪控制问题,设计滑模控制器。通过两轮移动机器人对曲线和圆两种轨迹跟踪的仿真实验,验证了该控制器在两轮移动机器人轨迹跟踪控制中的有效性。其次,分析滑模控制中抖振产生的原因及抖振的消除和削弱方法。根据趋近律变结构控制设计方法中趋近律参数的物理意义及参数之间的定性关系后,提出了基于模糊规则的趋近律控制——模糊趋近律控制,即用模糊规则来选择趋近律的参数,以达到改善滑模控制品质的目的。最后,基于非完整移动机器人系统是复杂控制系统,而且在系统运行的过程中,存在各种不确定性因素的影响,采用常规的控制方法如计算力矩法对其进行控制难以得到良好的控制效果。利用神经网络对非线性函数的强映射特性,把它应用在非完整移动机器人的控制上,可取得较好的效果。因此,同时考虑机器人运动学和动力学模型,提出基于神经网络的轨迹跟踪算法,仿真结果表明算法具有较强的鲁棒性。
曲晓春[7]2013年在《基于运动描述语言的机器人网络控制》文中进行了进一步梳理机器人的网络控制策略目前有两类典型控制策略：直接控制策略和协作式控制策略。这两类控制策略都存在着明显的不足：直接控制策略对网络带宽需求很大,造成网络资源的浪费；协作式控制策略对机器人系统的自主能力依赖性太高,并且降低了系统的灵活性,另外,协作式控制策略无法论证控制策略的最优性和合理性。针对上述问题,本文介绍了一种基于运动描述语言的轮式移动机器人控制方法。运动描述语言具有描述机器人系统与环境动态交互的能力。运动描述语言不仅可以有效地描述机器人系统中离散和连续动力学过程的相互作用,而且可以定量地描述操纵机器人的复杂性。MDL还能够把机器人的控制问题提高到符号层次。它能够实现系统中计算、通信等资源的合理划分。它的基本思想是在不同的时间段内为机器人系统指定不同的控制模式。本文通过研究网络延时的特点,在分析互联网数据传输特征的基础上建立适应互联网工作环境的MDL模型。利用该方法实现了具有非完整约束的轮式移动机器人的位姿镇定,仿真结果验证了该方法的可行性。在随机具有延时的网络环境下将基于运动描述语言的控制方法和传统的直接控制方法进行了比较,结果表明在随机时延情况下MDL控制方法保证系统稳定性的能力。基于MDL的机器人网络控制系统的研究不仅促进了MDL理论的发展,也为基于网络的机器人控制系统的研究提供了一种新颖的方法。
王博[8]2013年在《基于主动视觉的移动机器人视觉伺服控制策略研究》文中指出伴随着自动控制理论、图像处理技术、滤波技术与计算机视觉等学科的迅猛发展，视觉传感器已逐渐被研究者广泛应用到机器人领域。视觉传感器在机器人控制中的应用主要有视觉导航、视觉跟踪、视觉伺服等。这些方面的研究极大地提高了机器人的灵活性、智能性与精确性。其中，视觉伺服(Visual Servoing)是指使用视觉反馈信息对机器进行镇定控制，使其运动到期望位姿处。它是视觉控制领域的研究热点及难点问题。虽然相关领域的学者已提出许多方法来解决此问题，然而时至今日，其中的很多关键性问题仍未得到很好的解决。对于视觉伺服研究中的视野范围（FOV）约束问题，作者提出了一种基于二自由度云台摄像机的移动机器人主动自适应视觉伺服理论框架，并针对相关问题进行了深入的研究。本文的工作主要集中于以下几方面：（1）提出了一种基于二自由度云台摄像机的移动机器人主动视觉伺服控制方案。具体而言，通过实时调节云台摄像机的俯仰角和偏航角，使摄像机的光轴始终指向参照物几何中心，以解决FOV约束问题。与非主动自适应视觉伺服系统不同的是，该方法可以实现路径最优；与以往的主动视觉移动机器人系统不同的是，由于云台加入了俯仰角度的变化，使得移动机器人的视野更加开阔，可以充分利用周围环境中具有明显特征的目标物，如天花板、排风口、标志牌等，完成视觉伺服任务。另外，应用更加灵活，可以方便地与激光测距仪等传感器相结合，以弥补单目视觉的深度信息缺失等缺陷。（2）建立了系统的运动学模型。介绍了摄像机的小孔成像模型、摄像机内参数和外参数模型；建立了云台系统与机器人坐标系的转换关系方程；建立了地面移动机器人主动视觉跟踪系统几何模型；详细推导了目标几何中心在图像平面的运动学模型，即推导出目标几何中心在图像平面的运动速度与机器人在世界坐标系中的线速度、机器人在世界坐标系中的角速度、云台在机器人坐标系中的旋转角速度与摄像机平移外参数、摄像机内参数、图像误差之间的关系方程；证明了云台在机器人坐标系中的旋转角速度产生的图像雅克比矩阵的可逆性。这些无疑为以后的控制率设计和系统性能分析打下了坚实的基础。（3）设计了带机器人运动补偿的主动自适应视觉控制器。该方法通过实时调节云台摄像机的俯仰角和偏航角，使摄像机的光轴在视觉伺服过程中始终指向参照物的几何中心，以解决FOV约束问题。（4）针对本文中摄像机坐标系与世界坐标系相对运动自由度多，相对运动复杂的特点，提出了基于对偶四元数的移动机器人主动视觉定位方法。该方法有效地避免了摄像机与世界坐标系坐标转换过程中的计算奇点，实现了旋转矩阵与平移向量的同时最优求解，计算量较小，计算精度较高。最后仿真验证了算法的有效性。（5）对轮式移动机器人的非完整性约束问题进行了相关研究。在前文实现对单目视觉移动机器人进行实时运动状态估计的前提下，实现了基于位置的移动机器人视觉伺服控制，仿真验证了镇定控制算法的有效性。
龚根华[9]2004年在《轮式移动机器人控制系统设计与研究》文中指出本文从轮式移动机器人(WMR)的体系结构出发，重点设计了机器人移动控制系统的硬件、软件平台。首先，通过对非完整轮式移动结构和直流伺服电机模型的分析，建立了移动机器人的控制系统模型。其次，设计了基于AVR微控制器(AT90S8515)的移动控制系统，其中主要包括PWM功率驱动、测速单元和串行通讯模块等：对机器人速度、位置控制采用模糊PID算法，较好地克服了移动机器人模型的不确定性、转速位置控制要求的多变和环境改变等因素的影响。程序使用ICCAVRC语言编写，在AVR SUDIO调试软件中用ICE200仿真，并最终实现。仿真结果和机器人实际运行验证了设计效果良好。本文最后，还对移动机器人路径规划进行了研究，使用启发式搜索算法在给出的地图信息空间中寻找理想的路径。
万建群[10]2018年在《轮式机器人包围控制研究与系统实现》文中提出近年来,随着科学技术和相关理论的发展,移动机器人的智能化程度越来越高,人们对移动机器人所能完成任务的要求也相应提高,除了希望其能够实现基本的装配和整理工作以外,同时也要求其能够自主完成一些比较复杂的任务,如自主包围和监控等。因此对目标的包围控制问题逐渐引起国内外学者的广泛关注。基于此,本论文基于常见的智能车模型,结合视觉技术,搭建了轮式机器人包围控制系统,不仅实现了对静止和缓慢移动目标的包围,同时也可作为一款验证算法的智能化平台。本文首先对生活中常见的轮式机器人进行了简要的对比,确定了本文轮式机器人的选型即四轮轮式机器人,进而分析了其运动学模型,并根据其运动学模型分析了欲驱动四轮轮式机器人实现包围运动所需要满足的条件。同时为了实现对目标的包围控制,首先需要感知目标的信息,考虑到实用性和可扩展性,本文采用基于颜色特征的视觉检测技术来实现对目标的实时检测。根据目标的颜色信息利用摄像头实时捕获其运行状态,并通过选取合适的阈值来获取目标像素坐标,然后通过坐标系之间的仿射变换,实现像素坐标到世界坐标的转换;同时考虑到颜色特征对光照的强敏感性,采用了双阈值检测方法提升了定位精度。紧接着,根据轮式机器人包围控制系统的目标和任务需求,本论文搭建了轮式机器人硬件平台,设计了相应的硬件电路和驱动程序,利用增量式PID控制算法实现了轮式机器人的恒速运转,保证了硬件平台的稳定和高效;同时编写了相应的上位机软件控制程序,完成了目标识别与定位、算法控制与运行、上位机与硬件平台稳定通信等功能。最后,对整个轮式机器人包围控制系统进行了实现,并且为了验证平台的实际效果,分别采用两种基于距离的算法实现了对静止和缓慢移动目标的包围;而在无法获得距离信息时,通过角度估计算法,仅仅利用角度信息实现了对目标的包围;同时为了处理复杂场景下的包围控制问题,利用视觉SLAM(Simultaneous Localization and Mapping)设计了轮式机器人自主导航系统;通过此系统,轮式机器人在复杂环境下可先自主运行到目标的邻近区域内,然后再运用上述距离或角度包围控制算法,完成包围控制任务。
参考文献：
[1]. 轮式机器人的移动系统建模及基于模型学习的跟踪控制研究[D]. 宋兴国. 哈尔滨工业大学. 2015
[2]. 轮式机器人控制问题的研究[D]. 毛建. 南京理工大学. 2002
[3]. 网络化多移动机器人控制系统研究[D]. 赵玲. 华南理工大学. 2013
[4]. 轮式机器人控制系统的研究与设计[D]. 潘桂彬. 江南大学. 2015
[5]. 轮式机器人运动系统设计与研究[D]. 井超超. 西安电子科技大学. 2012
[6]. 基于神经网络的轮式移动机器人鲁棒滑模控制[D]. 刘钰. 南京理工大学. 2008
[7]. 基于运动描述语言的机器人网络控制[D]. 曲晓春. 东北大学. 2013
[8]. 基于主动视觉的移动机器人视觉伺服控制策略研究[D]. 王博. 齐鲁工业大学. 2013
[9]. 轮式移动机器人控制系统设计与研究[D]. 龚根华. 南京航空航天大学. 2004
[10]. 轮式机器人包围控制研究与系统实现[D]. 万建群. 电子科技大学. 2018
标签：自动化技术论文; 机器人论文; 运动学论文; 移动机器人论文; 网络模型论文; 仿真软件论文; 系统辨识论文; 运动控制器论文;