论文部分内容阅读
月球车属于一种轮式移动机器人。月球车的自主运动规划与控制是其巡视探测任务的重要环节,其主要任务是对月球车的整个运动过程进行规划与控制,确保月球车在不确定的非结构化月面环境下,安全可靠地由起始位姿行驶至目标位姿。本论文的研究内容是在考虑月球车的运行速度较低及其运动约束的前提下,在不确定的非结构化月面环境中基于行为控制的月球车自主运动规划与实时控制的研究;在考虑系统运行中瞬时加速度较大及耦合非线性特性显著的前提下,具有动力学影响的行为控制,为降低系统保守性所进行的鲁棒参数依赖性变增益控制方法的研究,系统模型为动力学模型。 本文的研究内容主要包含下面几个方面: 首先,针对具有摇臂悬架结构的月球车建立运动学模型及仿真环境。基于矩阵变换法对不平坦地形下具有摇臂悬架结构月球车进行运动学建模与分析。又由于月球车关节角度及部分姿态角等实车试验可以直接采用传感器测量得到的量在虚拟视景仿真环境下不能直接得到,因此建立了月球车-地形模型,通过求解非线性优化方程得到了月球车运动学模型的输入参数。进而基于OpenGL构建了月球车虚拟视景仿真环境,用键盘输入模拟月球车车速和偏航角的输入,实现了月球车运动学的仿真,较好的验证了月球车运动学模型的正确性。并且该仿真平台能够较好地提供月球车运动规划与控制算法有效性和可靠性的验证实验。 其次,针对月球车自主运动规划与行为控制问题,设计出具有可分析性的标准可加模糊行为系统。给出基于标准模糊可加行为的仿射性系统方程,对该系统的基本规律进行分析证明。从理论上给出行为控制系统的性能,并运用标准可加模糊控制方法设计了月球车基本行为。最后基于标准可加模糊控制方法提出行为凸组合的行为融合策略,设计了权系数调整控制器,通过调节权系数来控制月球车的行为融合突现出高级行为,进而适应月球表面的非结构化环境。解决了由于单一的目标导向性行为或避障行为所造成的速度不连续变化而产生的能量损耗问题。通过仿真得到该运动规划系统的速度输出是连续、有界的,从而证明了该系统设计的正确性与合理性。 再次,针对月球车的实时运动控制与行为学习问题,提出了一种基于标准可加模糊神经网络的月球车控制方法。利用遗传算法离线优化模糊神经网络的参数,提高了控制系统的在线学习速度。结合MCMC-PF方法和梯度下降法来训练神经网络权值,从而解决了单一采用梯度下降法训练神经网络易于陷入局部极小值的问题。应用MCMC-PF方法来学习行为参数具有学习速度快、适应性强的特点,并且在白噪声理论上有严格的理论分析与证明。该方法可以减少月球车运动控制系统计算的复杂度,提高计算效率,实现月球车运动控制的实时性。 最后,研究动力学过程对月球车行为控制的影响,针对月球车的跟踪控制问题,提出了一种基于有限频LPV系统的鲁棒参数依赖控制器设计方法。该方法将传统H∞范数的定义推广到了有限频段,更适用于工程的设计指标,降低了系统的保守性。考虑到月球车在运行过程中,其瞬时加速度或角加速度会存在较大范围的参数变化,表现出显著耦合非线性的复杂动力学行为,所以采用鲁棒参数依赖性变增益控制方法。通过应用凸优化和有限频域H∞控制理论把控制系统的控制器求解约束到有限的LMI上,再通过求解这些LMI得到具体的控制器,不仅可以保证闭环系统的全局稳定性而且易于实现。