基于自抗扰控制的全方位移动机器人轨迹跟踪研究

来源 :天津大学 | 被引量 : 0次 | 上传用户:gf5ete346v
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,移动机器人在资源勘察、空间探测、灾后搜索等领域的作用日益凸显。与常见的轮式移动机器人相比,全方位移动机器人能够实现平面内全向运动而不需要改变当前姿态,因其高机动性、强适应性的特点,全方位移动机器人引起了越来越多国内外学者的研究兴趣。在实际应用过程中,全方位移动机器人容易受到各种因素的影响,比如外力扰动,地面摩擦力变化等。实现全方位移动机器人良好的轨迹跟踪控制成为研究的难点之一。本文以全方位移动机器人为研究对象,针对移动机器人在轨迹跟踪过程中易受到外界干扰等问题,采用自抗扰控制、无源性理论以及滑模控制理论等控制方法,主要研究内容如下:(1)基于无源性的全方位移动机器人自抗扰控制(Passivity-based Active Disturbance Rejection Controller,PADRC)将无源性理论与自抗扰控制理论相结合,提出全方位移动机器人的轨迹跟踪控制方法。该方法通过线性扩张状态观测器对系统总扰动进行估计,并根据无源性理论设计控制器,在控制器中加入扰动补偿项,实现轨迹跟踪控制。对系统进行了稳定性分析,证明了观测误差的有界输入有界输出稳定和控制误差指数稳定。通过仿真与实验进行检验,分别验证机器人在矩形、圆形和双纽线轨迹下的跟踪性能,结果验证了所设计的方法对给定轨迹具有较好的跟踪能力,对扰动具有较强的抑制能力。(2)基于滑模面的全方位移动机器人自抗扰控制(Sliding surface based Active Disturbance Rejection Controller,SADRC)为进一步提升观测器的估计精度,提升移动机器人的控制性能,在观测器中引入滑模面,并采用指数趋近律的方式,控制器仍然为无源性控制器。通过李雅普诺夫理论得到改进后观测器估计误差在一定条件下的渐进稳定性。最后通过仿真与实验验证了所设计方法的控制性能。论文最后进行了总结,阐述了本文的主要内容及主要研究成果,并对研究过程中需要改进和提高之处进行了展望。
其他文献
本文通过对吉林省民族小学朝鲜语文教师队伍素质状况和教学现状的调查,总结分析了当前吉林省朝鲜族小学朝鲜语文教师队伍素质状况和教学现状及其存在的问题,并就这些问题提出
目前,初中物理教育正处于改革和发展的重要时期,推动教育的改革和发展,要有新思路、新方法。因此,课堂教学方法的变革迫在眉睫,而探究式教学正是适应了这一教育教学改革的发展方向
加强大学生创新能力的培养是高等学校本科教学质量与教学改革工程的核心任务。我们结合本校的实际情况构建了以大学生创新能力培养为核心的课外科技创新教学体系,打造了大学生
大家知道,当QQ邮箱中有新邮件时,QQ客户端会实时提醒,其实,QQ邮箱还有给对方QQ客户端的留言功能,发送邮件后,不需要登录QQ客户端,直接打开一个临时会话窗口聊几句,告诉对方有信件注意查收。对于关闭了邮件提醒的人也同样有用,具体操作如下:    注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
新课程初中毕业生学业考试是初中毕业与普通高中招生制度改革中的关键。吉林省在初中毕业生学业考试命题工作改革方面取得了很大成绩。本文主要从充分发挥教研优势,改革全省
虽说微软拼音输入法一直享受着Windows操作系统“标配”的待遇,可真正用的人却寥寥无几。究其原因,主要是微软拼音输入法早期的使用方式与大家的使用习惯严重不“兼容”,从而影响了用户的选择。不过到了微软拼音2007,使用习惯的兼容性已经大大改善,功能性也得到了进一步增强。
常看电视的朋友对于画中画效果一定不会陌生,你是否也想让自己拍摄的视频录像也实现画中画效果呢?利用会声会影就可以让我们轻松实现这个愿望。要想实现画中画、多画面效果,首先得了解一下关于会声会影覆叠原理,“覆叠”其实就是将一个素材叠加到另一个素材中,从而达到在一个界面中显示两个画面的效果,或者是一个画面包含有另一个画面。覆叠效果是通过会声会影中的覆叠轨来实现的,通过在覆叠轨中添加素材并调整素材的透明度、
近年来,在党的农村经济社会政策和教育政策的推动下,我国在县城(含县城)以下举办的农村职业教育正在以前所未有的速度快速发展。在国际金融危机引起全球的经济动荡的情况下,各国都
【正】 一、荆州棉花生产状况 荆州地处长江中游,热量丰富,雨水匀调,土层深厚肥沃,是我国主要商品粮、棉基地之一。荆州棉花年产量占湖北省总产量的55%左右,占全国总产量的10%,
《新课标》中指出:“有效的学习活动不能单独地依靠模仿与记忆,动手实践、自主探索与合作交流是学生学习的重要方式”.这就要求我们要改变以往的“被动学习”、“机械学习”、“