机器人机动技术与运动控制幻灯片.pptVIP

Motion Control Swedish-Wheeled mobile robots: Motion Control Swedish-Wheeled mobile robots: Motion Control structural ground and locomotion control Another case (22.27,,, 3120) Motion Control structural ground and Line-following control Perception Sensors: matrix of Infrared diode; Vision-based sensor Color sensor 2 case /v_show/id_XMzY1OTcwMDky.html Motion Control Motion Control 机动的其他形式： 舵机 步进爬行式 两足步行式 喷气动量式（15:26） Navigation Algorithmof Mobile Robot Navigating Algorithm Navigating Algorithm 鉴于机器人任务和路径的多样性，场地条件复杂性，没有固定的控制算法最适应所有机器人。 在机器人算法设计中，根据实际的需求考虑算法，以达到机器人的较精确控制。 结构性场地中，大量实验表明直线运行用西格沃特+PID算法控制，弯道用西格沃特算法+势场效应法控制。 可设定一个综合标准，以完成不同算法间的过渡和联系，这样以达到控制效果的连续性和系统的稳定性。 Navigating Algorithm 西格沃特算法是一种点镇定的路径控制方法。 所谓点镇定，是一种路径控制的方法，即为已知两终端的状态，按一定的规律来实时生成参数以控制中间的状态。 通俗上说就是终端已知，中段未知的控制方法。 Navigating Algorithm 目标位置点 红色代表期望路径线 当前位置点 蓝色代表实际控制路线 Navigating Algorithm Navigating Algorithm 设计控制量v，w（线速度，角速度），以把它从实际位置以曲线驱动到目标位置。 机器人参考框架{XR，YR, θ}，和全局框架{X，Y, θ}。可以设计如下控制策略： V = kρ·ρ W = kα·α + kβ·β 式中kρ，kα，kβ为控制参数；α，β表示在（?π, π）中； Navigating Algorithm 控制参数的稳定性：运动路径依赖于参数kρ，kα，kβ，要使机器人路径收敛于目标点，可证明参数需满足： kρ≥ 0， kβ ≤ 0， kα ─ kρ≥ 0 为鲁棒位置控制，用强稳定性条件，保证在机器人到达目标时，不改变方向： kρ≥ 0， kβ ≤ 0， kα+5/3 kβ─ 2/πkρ≥ 0 Navigating Algorithm Navigating Algorithm PID导航控制算法是一种路径实时控制的过程控制方法，控制过程中，按实时偏差的比例（P）、积分（I）和微分（D）进行相应的参数选择，来完成过程的精确调整和控制。 其中，P参数使系统保持与预定相符的运动趋势，I参数使系统稳态误差逐渐消除，D参数调节运动的快速性，但会加剧系统振荡。 合适的P、I、D参数可以使系统在预定的运动趋势上逐渐靠拢预定的轨迹，这需要根据场地条件不同而改变，做大量的实验。 Navigating Algorithm 目标位置点 当前位置点 红色代表期望路径线 蓝色代表实际控制路径线 Navigating Algorithm 控制机器人以直线行走，假设机器人在全局坐标系中的位置为（x，y），目标坐标为（x0，y0），两点可确定一条直线，设直线方程为AX + BY + C = 0， 系数A,B,C可以由下式得出： A = y0- y; B = x – x0; C = x0*y – x*y0; Navigating Algorithm 要驱动机器人沿此直线运动，假设机器人沿此直线运动的过程中坐标为（X,Y）,由于控制有