户外轮式移动机器人的智能运动控制方法研究

来源 :重庆大学 | 被引量 : 0次 | 上传用户:shuzhong12miyan
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
轮式移动机器人是一个集周围环境感知、路径规划导航和决策、运动控制与执行等各种功能于一体的综合系统。轮式移动机器人结构简单,运动灵活,在许多领域都应用广泛。当轮式移动机器人在户外运动时,不可避免地会受到比在室内运动更多不确定的干扰,诸如外部扰动、负载变化及死区等,都会对系统的稳定性造成影响。因此如何克服这些干扰,是提高户外轮式移动机器人运动控制性能的关键。本文从轮式移动机器人的运动学特性出发,通过利用一种基于路径偏差的运动学模型,设计了模糊自适应的死区补偿方法,在此基础上,针对轮式移动机器人运动过程的参数摄动和外部扰动的控制问题,研究多模态控制和模糊PID控制相结合的运动控制方法,以进一步改善运动控制的动态性能。主要工作包括:首先,根据轮式移动机器人的运动状态与位移和角度偏差关系的运动学模型,得到本文研究的轮式移动机器人的传递函数,并对系统的死区特性进行了分析。其次,通过分析未知的系统死区对机器人运动控制的影响,根据轮式移动机器人的运动特性,使用模糊控制的方法并结合在线估计死区的方法对控制系统进行自适应的死区补偿。运用李亚普洛夫稳定性理论对系统进行稳定性分析,证明了机器人系统跟踪误差的收敛性。仿真分析表明,文中方法对未知的死区能够起到有效的补偿作用,其快速性和准确性均优于未加模糊自适应的死区补偿器的控制方法。然后,针对户外轮式移动机器人的运动过程中存在参数摄动和外部扰动等因素影响,从轮式移动机器人的运动学特性出发,根据轮式移动机器人输出误差的状况,提出多模态控制和模糊PID控制相结合的控制方法。利用误差和误差变化率的特征信息,进行特征辨识,根据特征辨识选取相应的控制策略。根据系统的误差及误差变化,提出一种基于模糊规则的控制参数在线整定方法。仿真实验表明,多模态控制和模糊PID控制相结合的控制方法对系统参数摄动和外部扰动有良好的抑制作用,本文的方法与传统的PID和模糊PID控制方法相比,能较好地弥补了系统参数摄动的影响,提高了机器人运动控制品质。
其他文献
为提高电动汽车普及使用,世界各国正在建造大量充电设施,使电动汽车能够更方便地接入电力系统,但容纳电动汽车这一额外负荷将对当前的电网系统承受能力构成巨大挑战。智能电网下
20世纪70年代以后,自动化开始向复杂的系统控制和高级的智能控制方向发展,如何对系统进行早期和准确的故障诊断与容错控制备受关注;同时,随着控制理论内容的不断丰富以及在实
随着人工智能技术的普及,机器人已逐渐进入人类的日常生活。让机器人听懂人类的语言,就是使机器人能够像人类一样获得听觉。目前,声音识别是机器听觉领域的核心方向,相比于机
在我国合成氨是最重要的无机化工产品之一,其产量居各种化工产品的首位,用途广泛,在国民经济中占有重要地位。在氨的生产过程中,氢氮比和氨合成塔温度控制是目前合成氨的两大
磁悬浮技术是磁悬浮列车、磁悬浮轴承、磁悬浮电机等应用领域的关键技术,由于其具有无摩擦、无磨损、寿命长、低功耗、无噪声等优点,成为当前控制领域的研究热点之一。   磁
人脸识别是当前模式识别、机器视觉领域的研究热点。分类器设计是人脸识别的关键技术,其性能的优劣对整个人脸识别系统有重大影响。传统的人脸识别分类器存在原理复杂、识别
电力系统的安全稳定运行是国民经济和社会民生的重要基础,电力系统的保护配置作为电力系统稳定运行的重要环节之一,决定整个系统的可靠性、可控性和稳定性。而随着分布式发电的发展,越来越多的分布式能源渗透到配电系统中,热电联供的电源也广泛应用于用户端,改变了传统配电网的单一辐射式结构,这意味着基于传统保护之间配合机制可能失效。因此,研究自适应保护在多电源配电网中的应用具有重要的意义。针对分布式系统在配电网中
在农业生产中,常常需要统计一些类圆颗粒的数量,如测定谷物及油料作物的千粒重。传统人工计数的方法费时费力,无法达到快速计数的要求,而光电管计数的方法在对不同大小的颗粒
随着全球科技、经济、文化等的发展,人类文明已经达到一个前所未有的辉煌阶段,但能源紧张甚至濒临枯竭的问题也日趋白热化。当今世界环境,能源涉及到环境、能源安全和经济繁荣直接影响到世界格局的变动。因此如何节约能源、提高能源的利用率等问题受到了高度重视。由于电机行业消耗了许多国家工业总用电量的大部分,在整个国家的总用电量中占有相当大的比重,因此电机行业可节能潜力巨大,如何更好的测试电机效率也受到人们的重视
随着群智能优化算法被应用于解决各种工程问题,例如系统控制、生产调度、模式识别等问题,群智能优化越来越受到广大学者的青睐。人工蜂群算法由Karaboga首次提出。作为一种新