移动机器人迭代学习控制.docx

移动机器人轨迹跟踪迭代学习控制

摘要：通过对文献［1］控制方法的研究，得出一种移动机器人迭代学习离散控制的设计及仿真方法。

关键词：移动机器人，迭代学习，轨迹跟踪，仿真

1、 前言

移动机器人是一种在复杂的坏境下工作的具有自规划、自组织、自适应能力的机器人。在移动机器人的相关技术研究中，控制技术是其核心技术，也是其实现真正智能化和完全的自主移动的关键技术，。移动机器人具有时变、强耦合和非线性的动力学特征，由于测量和建模的不精确，加上负载的变化及外部扰动的影响，实际上无法得到移动机器人精确、完整的运动模型。通过对文献［1］的控制方法进行详细推导及仿真分析，得出下面移动机器人迭代学习离散控制的设计及仿真方法。

2、 数学基础

Rn代表N维欧式空间，定义向量范数为

TOC\o1-5\h\z\oCurrentDocumentIIz11=(ztz)/2 (2-1)

式中，zeRn。

CeR5为pxm阶实数矩阵，定义矩阵范数为

\oCurrentDocumentIICII=、：~(CTC) (2-2)

max

式中，人max(?)为矩阵的最大特征值。

取Ne{1,...,n}，z=z^-z,ze{q,u,y}，定义a范数为

\oCurrentDocumentIIz(?)II=supz(k)f上丫,a1,z:N—R (2-3)

akeN 1们

3、 系统描述

图1所示为移动机器人的运动模型，它在同一根轴上有两个独立的推进轮，

机器人在二维空间移动，点p(k)代表机器人的当前位置，广义坐标p(k)定义为

x(k)，y(k)，9(k)］，x(k)和y(k)为直角坐标系下P(k)的坐标，9(k)为

p p p p p p

机器人的方位角。当机器人的标定方向为地理坐标系的横正半轴时，七(k)定义为0。移动机器人受不完全约束的影响而只能在驱动轮轴的方向运动，点P(k)的

rx(k

rx(k+1)[y(k+1)

=q(k)

[x(k)[y(k)

+AT

cose(k)sinep(k)

0-

0

ep(k+1)

p

ep(k)

Lp J

p

0

1

V(k)]￡(k)

p」

线速度和角速度定义为V(k)和￡(k)。

根据图1，针对P点，移动机器人的离散运动学方程可由下式描述为

(3-1)

式中，AT为采样时间，机器人状态向量为q(k)

式中，AT为采样时间，机器人状态向量为q(k)=

图1移动机器人运动示意图

T

七(k)，ep(k)]

B(q(k),k)=AT

(3-2)

(3-3)

七(k)

式(3-1)可写为

q(k+1)=q(k)+B(q(k),k)u(k)

p

其中

如图1所示，期望轨迹为P(k)=rx(k)，七(

如图1所示，期望轨迹为P(k)=rx

(k)，

七(k)，ed(k)],1kn。运动轨

迹跟踪控制问题就是为确定u(k)=「v(

迹跟踪控制问题就是为确定u(k)=「v(k)0(k)T,使P(k)跟踪Pd(k)。

线速度和角速度误差分别为

v(k)=V(k)-v(k)

3(k)=3(k)-w(k)

(3-4)

(3-5)

其中，V汗和气为理想的线速度和角速度，迭代学习控制系统结构如图2所示。

vQ)

ud(k)=「v(k)，①(k)V。移动机器人

图2移动机器人迭代学习控制系统结构

考虑到实际系统存在干扰和噪声，移动机器人离散运动学方程可描述为

q(k+1)=q(k)+B(q(k),k)u(k)+p(k) (3-6)

TOC\o1-5\h\zy(k)=q(k)+y(k) (3-7)

式中，P(k)为状态干扰，Y(k)为测量噪声，y(k)=「x(k)，y(k)，0(k)]T为系统输出，u(k)=[v(k)0(k)]T为控制输入。

考虑迭代过程，由式(3-6)和式(3-7)可得

\oCurrentDocumentq,(k+1)=q(k)+B(q,(k),k)u,(k)+日(k) (3-8)

V.(k)=q.(k)+y,(k) (3-9)

式中，i为迭代次数，k为离散时间，k=1,...,n。q(k)，u(k)，y(k)，p(k)，i i i i

y,(k)分别代表第i次迭代的状态、输入、输出、状态干扰和输出噪声。

4、 控制律设计及收敛性分析

机器人运动方程式和式满足下列假设。

假设1max||u(k)||b，其中b为正常数。

TOC\o1-5\h\z1kn d ud ud