论文部分内容阅读
本课题的主要研究了在饱和约束条件下的轮式移动机器人(Wheeled Mobile Robot,WMR)轨迹跟踪控制策略。本文研究对象为具有两个标准轮的驱动轮和一个万向轮的(2,0)型轮式移动机器人。在该机器人的运动学模型为基础,基于参考系统的线性化技术转换为线性时变系统。基于线性时变连续系统,应用线性二次型控制理论,将饱和约束显式地考虑在优化问题内,设计基于线性时变的二次型控制算法的轨迹跟踪控制器(Piecewise Linear Quadratic Regulator,PLQR);对线性时变连续系统离散化获得线性时变离散系统,在此基础上设计了一种基于遗传算法在线调整增益的自适应二次型控制器(Adaptive Linear Quadratic Regulator,ALQR)。首先基于参考系统的近似线性化方法将(2,0)型轮式移动机器人的非线性系统转换为线性时变连续系统,并证明了线性时变连续系统的能观性和能控性。在此基础上推导了线性时变二次型控制(LTV-QR)算法,将LTV-QR最优问题转化为便于计算机求解的标准二次规划问题。然后在此基础上分别设计了不考虑约束的线性二次型调节器(Linear Quadratic Regulator,LQR)和考虑饱和约束条件的线性二次型控制器(PLQR),并基于Lyapunov方法证明了其稳定性。然后对线性时变连续系统离散化获得线性时变离散系统,构造以线性时变离散系统作为拉格朗日乘子及以饱和约束条件作为惩罚因子的惩罚函数,并通过内点法求解以惩罚函数作为目标函数的线性二次型控制器(ALQR)。针对上述实现过程中加权矩阵在不同条件下跟踪控制性能差异较大问题,通过以控制性能指标作为约束函数的遗传算法在不同初始位姿及不同参考轨迹的加权矩阵实现自适应选择,以获取条件下的最优控制加权矩阵。针对观测位姿存在高斯白噪声,本文采用卡尔曼滤波算法对机器人的实际位姿进行实时估算,并作为LQ的实际位姿,通过动态状态反馈闭环系统,生成实时控制率进行参考轨迹跟踪控制。在MALLAB软件平台下对(2,0)型轮式移动机器人轨迹跟踪器进行数值仿真,其结果表明,基于PLQR或ALQR的轮式移动机器人对不同初始位姿及不同的参考轨迹都有较好的跟踪效果,且能够避免控制律跳变现象,满足约束条件。同时搭建了轮式移动机器人实物平台,并对扫地机器人基础的功能进行试验。实验结果表明,所设计的控制器在上述应用中取得较好的实际效果。