关键词:
路径跟踪制导
智能控制
移动机器人
摘要:
移动机器人集群系统因其卓越的任务执行效能和广泛的应用前景,近年来引发了自动化、电子电气和人工智能领域国内外研究学者的高度关注。移动机器人集群系统是以挂载任务载荷的单移动机器人平台为基础,以机器人个体间的通信交互能力为支撑,基于开放式体系架构和人工智能技术等进行构建,具有自主性、低成本、功能可扩展等显著优势,是目前无人技术领域备受关注的研究热点和前沿性课题之一。本论文针对移动机器人协同制导与智能控制话题,以多机器人运动学协同环绕制导及动力学抗扰控制为主线,综合考虑了非规则椭圆曲线恒速环绕、车载通信/采样资源受限、暂态性能增强以及自适应最优控制等实际问题,开展了移动机器人协同路径跟踪制导与智能控制方法研究。具体研究内容包括:1)研究了考虑通信资源受限及暂态性能增强下的多移动机器人协同路径跟踪环绕制导问题。首先,为避免目前主流轨迹跟踪制导框架中存在的参考轨迹时空耦合缺陷,构建了一种路径跟踪制导框架,因其参考轨迹并不涉及与时间相关的参数,相较于轨迹跟踪可获得更加光滑的跟踪效果。其次,为解决多移动机器人通信资源受限问题,研究了一种基于异步的非周期通信方法,借助于事件触发机制及连续时间状态预测器,可在避免芝诺现象发生的前提下,以通信误差略微提升为代价,显著降低移动机器人之间的通信传输频率。此外,为提升移动机器人的协同任务执行效能,设计了一种基于非对称边界函数的新型无超调预设性能控制(Prescribed Performance Control,PPC)方法,通过对路径跟踪误差施加性能约束,能够确保多移动机器人的路径跟踪误差的收敛过程独立于个体初始状态及控制增益并不含有任何超调,实现更为一致的暂态收敛过程,为移动机器人协同任务的时效性提供了有力保障。2)为解决环形轨迹下的多移动机器人协同环绕制导方案观测效能低、应用场景较少等缺陷,基于所提路径跟踪制导框架,研究了更具一般性的椭圆路径导引下的移动机器人协同路径跟踪制导方案。首先,为避免椭圆参考路径下协同相位角间距误差所带来的移动机器人频繁变速问题,巧妙地提出了一种基于协同弧长误差作为协同变量的设计方法,可实现多移动机器人在椭圆参考路径上的恒速观测,有效避免了相位调节所造成的碰撞风险。其次,在前述所设计的无超调PPC方法之上,通过结合具有显性时间调节功能的韩式跟踪微分器,构造了一种无超调指定时间PPC方案,在规避个体制导律参数反复整定的前提下保证了多机器人路径跟踪误差的指定时间收敛能力,显著提升了多移动机器人的协同效能。3)研究了基于事件触发扩张状态观测器(Extended State Observer,ESO)的移动机器人动力学控制问题。首先,为提升移动机器人控制系统的鲁棒性,确保在实际扰动环境中移动机器人的速度/角速度实现精准跟踪,针对已有神经网络估计器和模糊逻辑方法所具有的高额计算负担缺陷,构建了具有结构简单、计算简洁和方便调参等优势的ESO用以估计系统的未知不确定性,并通过动力学控制器实现了对集总干扰的主动补偿。其次,为缓解移动机器人传感器采样通道中的信息交互负担,设计了一种固定阈值事件触发机制,相较于已有的事件触发控制方法,所提方案具有简单的参数整定过程,可通过调节预设阈值参数,在不导致芝诺现象的前提下,兼顾动力学控制精度的同时有效节约采样资源。4)为在保证实现移动机器人动力学精准跟踪控制的同时,对其控制能量消耗进行有效优化,研究了带有抗扰能力的移动机器人自适应最优动力学控制问题。首先,构造了ESO用以估计移动机器人系统的集总扰动。随后,依赖于ESO所提供的干扰估计值,通过结合传统的反步控制方法,设计了用以实现动力学稳定跟踪的稳态控制律。其次,基于单层神经网络的自适应动态规划(Adaptive Dynamic Programming,ADP)框架,搭建了可优化控制消耗的优化控制律,需要注意的是由于所提方法只涉及单层的评价网络更新,因此避免了目前主流ADP方法中常采用的执行-评价双层神经网络所带来的高额计算负担问题。最后,将所构建的稳态及优化控制律进行叠加融合得到移动机器人动力学控制输入,实现了跟踪控制精度与控制能量消耗的有效折中。