基于模糊预测控制路径跟踪控制研究.docVIP

基于模糊预测控制路径跟踪控制研究 　　摘要：在构建与分析移动机器人运动学模型基础上，研究了基于模糊预测控制的移动机器人路径跟踪控制方法。充分利用模糊控制和预测控制优点，改进了传统模糊控制算法，提高了移动机器人路径跟踪的快速性和平稳性。仿真实验表明，机器人的仿真轨迹和参数表现良好。 　　关键词：路径跟踪；模糊预测控制；移动机器人 　　DOIDOI：10.11907/rjdk.161832 　　中图分类号：TP301 　　文献标识码：A文章编号2016）010000403 　　0引言 　　轮式移动机器人被广泛应用于医院、工厂、家庭等领域，能减少人工成本、提高工作效率、改善生活环境[1]。移动机器人必须具备感知环境、动态决策、行为控制和任务执行功能。无论环境是不是已知，无论周围环境多么复杂，轮式机器人必须尽可能快速、安全、准确地到达指定位置。为了完成任务，机器人必须处理好定位、导航、路径跟踪问题[2]。机器人设计元素有：一组传感器用来获取周围环境信息和机器人自身状态信息；数据融合单元用来处理从传感器获取的位姿信息；运动处理单元结合融合后的数据信息，对自身位姿进行辨识，并对参考路径进行有效跟踪[3]。本文主要考虑移动机器人的路径跟踪问题。 　　移动机器人通常存在非线性延时和环境造成的噪声扰动问题。对非线性问题来说，模糊控制在处理噪声干扰方面性能良好[67]，因此通常用来处理那些模型不确定的复杂系统。另外，用模糊控制来处理非线性问题也有助于增强整个系统的鲁棒性。但是对一些大的延时问题模糊控制不能适应，而预测控制在处理一些大的延时问题时处理能力更强。本文采用模糊控制与预测控制相结合的方式来处理移动机器人路径跟踪问题，仿真测试结果证明此方法可行。 　　1移动机器人运动学模型 　　本文将两轮驱动移动机器人作为研究对象[4]。根据文献，在建立轮式机器人学方程时，用来保持机器人平衡的轮子可以忽略，其个数不会影响运动学方程[5]。图1所示为本实验所用两轮差速驱动移动机器人模型，其中左右轮为驱动轮，中间轮为平衡轮。在Σxoy平面中令p=[x ，y，θ]T，则机器人小车的位姿信息可以用向量p表示，x和y分别为机器人所在的二维平面位置，θ为机器人正方向与x轴的夹角，是机器人的角速度，v为机器人的线速度[8]。 　　给定参考路径为f（x，y）=0，在Σxoy平面移动机器人的线速度为V，输入U=[Vl，Vr]，其中Vl、Vr分别为机器人左右两轮的速度。根据运动学原理，可以得到以下方程： 　　Vr=rwr，Vl=rwl（1） 　　w=（Vr-Vl）L，V=（Vr+Vl）2（2） 　　其中r为驱动轮半径，L为机器人驱动轮的轮间距。机器人质心的动力学方程定义为： 　　=Vcosθ=Vsinθ=w（3） 　　根据以上方程得到以下关系： 　　wr=1rV+L2rwwl=1rV-L2rw（4） 　　实际上，左右两轮的角速度作为两轮差速驱动机器人的控制输入量，此时有： 　　==rcosθ2rcosθ2rsinθ2rsinθ2rL-rLwrwl（5） 　　式（4）和式（5）展现了移动机器人的运动学模型，其中输入变量为左右两驱动轮的角速度，被控变量为移动机器人的位置和角度。因为这是一个非线性系统，会存在时间延时和噪声干扰，对机器人位姿信息获取产生影响，因此本文利用模糊预测控制来改善这种现象。 　　2模糊预测控制器设计 　　在模糊预测控制中，首先给机器人设定一个目标点，根据机器人的当前点和给定的目标点，利用已经存在的算法得到一条参考路径，根据这条参考路径能得到下一个参考点。同样，根据当前的位姿信息和左右轮速度，利用预测控制器也能得到下一个时刻的预测位姿。根据参考位姿与预测位姿之间的误差，利用模糊控制器又能得到下一个时刻输出的两个驱动轮各自的角速度。 　　为了让设计更清晰，本文把模糊预测控制分为模糊控制和预测控制两部分。 　　2.1预测控制 　　预测控制在处理延时和非最小相位系统问题时优势明显，但是在非线性系统中却存在不能实时控制的问题[910]。因此，需要先线性化系统，然后再使用模型预测移动机器人下一时刻的位姿信息。传统的预测控制分为预测模型、反馈补偿和在线优化3个部分，本文在线优化部分由模糊控制代替。 　　根据欧拉近似法，由方程（3）得到： 　　x（k+1）=x（k）+V（k）w（k）Ts（sin（θ（k+1））-sinθ（k））y（k+1）=y（k）+V（k）w（k）Ts（cos（θ（k））-cosθ（k+1））θ（k+1）=θ（k）+w（k）Ts（6） 　　其中Ts是采样周期（Ts=Tk+1-Tk）。利用采样时间里编码器统计的脉冲个数和驱动轮直径D得到机器人在采样时间里的移动距离，可从以下方程得