论文部分内容阅读
两轮轮式机器人是当前研究最活跃的领域之一,涉及机器人学、计算机技术、自动化控制、人工智能等多个学科,又因为其结构简单、控制灵活,在社会生产和家庭服务中被广泛利用。由于两轮轮式机器人不仅在其结构上具有运动学非完整性约束、动力学饱和非线性,两个电机系统相互耦合的特性,而且运动过程中也存在系统时变和强干扰等不确定因素,这些问题都给两轮轮式机器人的运动控制造成了很大的困难。因此,两轮轮式机器人的运动控制是目前机器人研究的重点和难点问题。本文的研究集中在点镇定控制上。针对两轮轮式机器人的点镇定控制,大多数的控制方法都是在离线的情况进行的,利用建模得到的被控对象模型设计控制算法,然后应用一些算法优化控制器的参数,从而实现对两轮轮式机器人的运动控制。但离线优化的控制器往往不能很好地适应机器人运动过程中的工况变化以及机器人自身性能的变化,导致控制品质下降。针对上述问题,本文主要的研究工作如下:(1)提出了一种两级结构的点镇定自适应控制器该控制器由运动学参数自适应级和动力学模型参考自适应级构成。运动学参数自适应级是针对两轮轮式机器人运动控制过程中存在的强干扰和不确定因素,采用基于神经网络在线整定参数的仿人智能运动学控制器,通过机器人线速度和角速度检测,对自身不同的运动状态形成感知,将机器人的运动状态划分为不同的模态,针对不同的模态采用不同的控制器,并通过BP神经网络在线整定控制器的参数,实现对系统的速度控制和左右电机驱动电流的控制。动力学模型参考自适应级是针对两轮轮式机器人多变量等动力学特性,设计了基于模型参考自适应的动力学控制器。将机器人各电机系统的类等效模型作为控制系统的参考模型,设计基于卡尔曼滤波的在线状态观测器,在线估计动力学模型中的特征状态。然后通过神经网络辨识器在线辨识电机模型,再将辨识到的梯度信息传递到神经网络控制器,最后利用参考模型的输出与电机系统实际的输出之差在线调整神经网络控制器的权值,使得被控对象实际的输出与参考模型的输出一致,从而实现对两轮轮式机器人动力学特性的调整,改善系统的控制性能。(2)搭建了基于两轮轮式机器人“类等效”运动模型的仿真平台和实物平台,进行了两轮轮式机器人点镇定控制仿真实验和实物实验。通过仿真实验和实物实验,证明两级结构的点镇定控制器具有很好的控制性能,同时也保证系统的稳定性和鲁棒性,能够实现对两轮轮式机器人的点镇定控制。