基于动态滑模控制的移动机器人路径跟踪
基于滑模变结构的移动机器人轨迹跟踪控制
基于滑模控制策略的生活支援机器人轨迹跟踪
汇报人： 2023-12-30
目录
• 引言 • 滑模控制理论基础 • 生活支援机器人系统设计 • 基于滑模控制的轨迹跟踪算法 • 实验验证与结果分析 • 结论与展望
01
引言
研究背景与意义
背景
随着人口老龄化的加剧，生活支援机器人在护理和照料老人方面的需求日益增 长。轨迹跟踪作为生活支援机器人的核心功能之一，对于提高服务质量、保障 安全具有重要意义。
在未来的工作中，需要进一步拓展滑模控制策略在生活支援机器人其他方面的应用 ，如人机交互、多机器人协同等。
针对机器人实际运行中的复杂环境和任务需求，需要加强机器人的感知和决策能力 ，提高其自主性和智能化水平。
对未来研究的建议
建议深入研究滑模控制与其他先 进控制策略的结合，以进一步提 高生活支援机器人的运动性能和
结果分析
对比实际轨迹与期望轨迹，评估控制器的性能指标， 如跟踪精度、响应速度和鲁棒性等。
05
实验验证与结果分析
实验设置与条件
实验环境
在室内环境下进行实验， 模拟真实生活中的场景， 包括平坦地面、楼梯、障 碍物等。
实验设备
采用高精度传感器和执行 器，确保机器人的运动精 度和稳定性。
实验参数
设定机器人的初始位置、 目标位置和障碍物位置， 以及滑模控制器的参数。
实验结果与分析
轨迹跟踪精度
稳定性分析
通过对比机器人实际轨迹与期望轨迹，评 估滑模控制策略在轨迹跟踪方面的性能。
分析机器人在不同条件下的稳定性和鲁棒 性，验证滑模控制策略的有效性。
响应时间
能量消耗
测量机器人从接收到指令到完成动作所需 的时间，评估系统的实时性能。
基于滑模控制的差动驱动机器人轨迹跟踪技术研究
基于滑模控制的差动驱动机器人轨迹跟踪技术研究随着科技的不断发展，机器人技术越来越成熟，人们对于机器人应用的需求也越来越广泛。
差动驱动机器人的轨迹跟踪问题是一个重要的研究方向，差动驱动机器人仅通过两个驱动轮就能实现自主的运动，因此这种机器人具有很好的机动性能和灵活性，对于生产、环境监测、物流等领域有着广泛的应用。
针对差动驱动机器人轨迹跟踪问题，基于滑模控制的方法被广泛研究和应用。
滑模控制是一种非线性控制方法，在系统存在参数扰动和不确定性的情况下有着较好的鲁棒性和适应性。
具体地说，滑模控制通过引入滑模面来实现控制过程，通过调整滑模面的参数来实现跟踪效果的优化。
下文主要探讨基于滑模控制的差动驱动机器人轨迹跟踪技术研究及其应用。
一、基于滑模控制的差动驱动机器人轨迹跟踪技术原理基于滑模控制的差动驱动机器人轨迹跟踪技术的基本思想是，首先根据轨迹规划生成轨迹，通过差分驱动机构将其转换成左右轮的控制量，进而将其转换为机器人的目标矢量。
接着构建机器人动力学模型，建立状态空间方程，分析系统的特性和控制目标。
根据滑模控制原理，引入滑模面和滑模控制律，利用滑模控制律实现系统跟踪目标的同时提高鲁棒性和适应性。
其中，滑模控制的核心部分是滑模面的设计。
滑模面的设计需要满足以下几个条件：①滑模面必须能够保证系统误差收敛到零；②滑模面需要具有良好的鲁棒性和适应性，即在系统存在扰动和不确定性的情况下也能保证系统稳定性和跟踪性能；③滑模面应尽量简单，易于实现。
滑模控制律的设计也十分重要。
一般而言，滑模控制律可以通过直接设计和反馈调整两种方式实现。
直接设计法是通过设置确定的反馈增益和滑模面参数来实现控制目标，但是其受到系统扰动和不确定性的影响较大。
反馈调整法则是通过观察系统状态和误差，根据误差变化的速率调整反馈增益和滑模面参数，实现在扰动下的控制优化。
二、基于滑模控制的差动驱动机器人轨迹跟踪技术应用基于滑模控制的差动驱动机器人轨迹跟踪技术已经在智能制造、安防等领域得到了广泛应用。
基于滑模控制的室内移动机器人路径跟踪
基于滑模控制的室内移动机器人路径跟踪郝存明;张英坤;梁献霞【摘要】由于轮式移动机器人的运动受限性质,其轨迹跟踪成为控制领域的研究热点;Pioneer3-AT是一个高度灵活的差分驱动的机器人,具有良好的通用性和可靠性,特别适合于移动机器人学术研究;为解决一种可以在室内环境下执行任务的移动机器人的路径跟踪问题,以Pioneer3-AT移动机器人平台为原型机建立了移动机器人的数学模型;滑模变结构控制对被控系统的不确定性、外界扰动及参数摄动具有完全鲁棒性,利用特殊幂次函数构造一种新型滑模控制趋近律,采用该趋近律设计滑模控制律,进而提出一种新的滑模控制方法,利用李雅普诺夫定理证明了该方法的稳定性;采用所设计的滑模控制器对室内移动机器人进行路径跟踪实验,仿真结果验证了该方法的有效性.%Due to the restricted mobility,the trajectory tracking of wheeled mobile robot,has been a research focus in the field of control.The Pioneer3-AT is highly versatile differential-drive robotic platform for academic researchers,which has the most famous advantages of good versatility and reliability.To solve the path tracking problem of the indoor mobile robot which can perform particular tasks,the mathematical model of the mobile robot is established.based on Pioneer3-AT.Sliding mode variable structure control for the uncertainty,external disturbance and parameter perturbation of the controlled system has completely robustness,and a new sliding mode reaching law with special exponential function is constructed.The reaching law is adopted to design the sliding mode control law,and put forward a new method of sliding mode control is proposed,and the method stability.is proved by using lyapunovtheorem.The simulation results of the indoor mobile robot path tracking experiment on the sliding mode controller demonstrate the effectiveness of the proposed method.【期刊名称】《计算机测量与控制》【年(卷),期】2017(025)008【总页数】4页(P93-96)【关键词】滑模控制;移动机器人;路径跟踪;趋近律【作者】郝存明;张英坤;梁献霞【作者单位】河北省科学院应用数学研究所,石家庄050081;河北省科学院应用数学研究所,石家庄050081;河北科技大学电气工程学院,石家庄050018【正文语种】中文【中图分类】TH16随着人工智能技术的快速发展，机器人技术也在逐步深入和细化。
基于滑模控制的轮式移动机器人路径规划技术研究
基于滑模控制的轮式移动机器人路径规划技术研究随着机器人技术的日益发展，移动机器人已经成为了现代工业和生活领域中必不可少的设备。
其中，轮式移动机器人因其操作灵活方便，适用性较广，已被广泛应用于物流、环保、消防等领域。
然而，轮式移动机器人的路径规划仍然是一个具有挑战性的问题。
本文将介绍基于滑模控制的轮式移动机器人路径规划技术研究。
一、轮式移动机器人路径规划技术问题路径规划技术是轮式移动机器人导航控制中的重要环节。
对于轮式移动机器人来说，路径规划存在着以下几个问题：首先是实时性。
轮式移动机器人在运行过程中需要不断地更新自己的位姿状态，并根据当前状态进行路径规划，因此路径规划需要具有较高的实时性，才能保证机器人的运动稳定和效率。
其次是环境的不确定性。
移动机器人在实际运行中会面临各种各样的环境变化，例如障碍物、不同的地形等。
这就需要路径规划算法能够灵活适应环境变化，确保机器人能够正确地找到前往目标的最优路径。
最后是有限的资源。
移动机器人为了实现自身的运动，需要消耗电池等资源，因此路径规划算法需要在保证机器人运动效率的同时尽量节省资源，以延长机器人的使用寿命。
二、滑模控制在路径规划中的应用滑模控制是一种非线性控制方法，它具有较强的自适应性和强鲁棒性，在路径跟踪控制中被广泛应用。
在轮式移动机器人的路径规划中，滑模控制被应用于以下几个方面：1.实时路线规划滑模控制能够以较快的速度更新机器人当前的位姿状态，实时监控机器人的运动情况，根据当前状况实时调整机器人的行进路线。
2.环境感知滑模控制算法可以在行进过程中对先前规划好的路径进行校正，以应对不断变化的环境，确保机器人能够准确地找到前往目标的最优路径。
例如，滑模控制可以用于机器人在土地和沙地之间进行自适应切换，选择最近的路径，以保证机器人的效率和稳定性。
3.资源优化滑模控制算法能够优化机器人的行进路径，以达到资源使用最小化的目的。
例如，当机器人发现两条行进路径效率相同时，滑模控制可以选取较短的路径，从而节省机器人的电池等资源消耗。
基于动态滑模控制的移动机械臂输出跟踪控制
滑模控制能够使动态系统以极高的精度保持在
给定的约束中 ， 内、 对 外部 的干扰不敏感 ， 尤其是它 对扰动和参数变化的鲁棒性 以及进入滑动模运动后
的完全 自 适应性 ， 使得滑模控制广泛应用于线性系 统和非线性系统 的鲁棒控制 中Ｉ ］但传 统滑模控 ｓ． － ６ 制 中切换函数的选取一般 只依赖于系统状态 ， 与系 统输入无关 ， 这样到达律 中的不连续项就会直接转 移到控制中， 使系统在不 同的控制逻辑之间来 回切 换， 从而引起系统抖振． 而动态滑模控制方法 。 在 。 选取切换面时不仅依赖于系统状态 ， 而且与系统输
结合式 （ ） （ ） １ 、４ 和式（ ）可 以得到以电机端 电 ５， 压 Ｕ为控制输入的移动机械臂标称数学模型 ：
ｆ ＝ｓ ｑ ｌ 口 （ ） ，
｛ （） ｑ ） ＋ 口 ＝ 厨口 ＋ ， ｖ （） ｆ ４
【 ＝Ｈ１ ＂ ｉ － Ｕ—Ｈ２ Ｈ３ ｆ—
（） ６
２ Ｖ为斜对称矩阵． 取控制输入 ＇ ， ， ， ｒ ＝ ， ．： ， ＝［
维普资讯
第３ ４卷 第 ６期 ２０ ０ ６年 ６月
Ｊ ｕ ｎ ｌｏ ｏ ｔ ｈ ｎ ｉ ｅ ｓｔ ｆＴｅ ｈ ｏ ｏ ｙ ｏ ｒ ａ ｆＳ ｕ ｈ Ｃ ｉ ａ Ｕｎ ｖ ｒ ｉ ｏ ｃ ｎ ｌ ｇ ｙ
华 南 理 工 大 学 学 报 （自 然 科 学 版 ） （ ａ ｒ ｃ ｎｅＥ ｉｏ ） Ｎ ｔ ａ Ｓ ｉ ｃ ｄｔ ｎ ｕｌ ｅ ｉ
ｓ ｕ ．ｄ ．ｎ ｅ ｔ ｕｃ ｅ
式 （ ）（） １ 、２ 分别为移动机械臂 的运动学方程和动力 学方程¨。式 （ ） 。， ３ 为驱 动 电机 的动态 方程． 中： 式 ｑ＝［ｃＹ ， ０，２ Ｍ（ ） ， ，ｌ０］ ； ｑ 为惯性矩阵 ； ｑ 口 。 Ｖ（ ， ） 为向心力 和哥 氏力矩阵 ； ｇ 为万 有引力 矢量； Ｇ（ ）
基于滑模变结构的机械臂轨迹跟踪控制方法研究
基于滑模变结构的机械臂轨迹跟踪控制方法研究摘要: 机械臂是一种重要的自动化设备，广泛应用于工业生产和科学研究领域。
机械臂的轨迹跟踪控制一直是研究的热点问题。
本文针对机械臂轨迹跟踪控制中存在的非线性、不确定性和外部干扰等问题，提出了一种基于滑模变结构的控制方法。
该方法通过引入滑模控制思想和变结构控制理论，实现了机械臂的快速、精确、鲁棒的轨迹跟踪控制。
关键词: 机械臂, 轨迹跟踪控制, 滑模控制, 变结构控制1.引言机械臂是一种协作机器人，可以完成许多种类的工作。
在现代工业生产和科学研究中，机械臂被广泛运用于制造业、医疗、太空探索等领域。
机械臂的轨迹跟踪控制是关键技术之一，影响着机械臂的运动精度和效率。
机械臂轨迹跟踪控制过程中会存在非线性、不确定性和外部干扰等问题，使得控制过程更加困难。
2.机械臂轨迹跟踪控制模型机械臂是由多个旋转关节和运动执行器组成的多自由度系统。
在进行轨迹跟踪控制时，需要对机械臂建立运动学模型和动力学模型，并通过控制器对机械臂的运动进行控制。
2.1 机械臂运动学模型机械臂的运动学模型可以描述机械臂各关节和执行器运动之间的关系。
设机械臂末端位置为$[x, y, z]$，末端姿态为$[φ, θ, ψ]$，机械臂的关节角度为$q=[q_1, q_2, …, q_n]$。
则机械臂的正运动学方程可以表示为：$$ T^0_n=T^0_1T^1_2 … T^{n-1}_n $$$T^i_j$表示从第i个坐标系到第j个坐标系的变换矩阵，$T^0_n$表示从基坐标系到机械臂末端坐标系的变换矩阵。
机械臂末端位置和姿态可以表示为：$$ φ=atan2(T^0_{32}, T^0_{33}), θ=asin(T^0_{31}), ψ=atan2(T^0_{21},T^0_{11}) $$机械臂的动力学模型可以描述机械臂的运动规律。
在建立机械臂的动力学模型时，需要考虑到机械臂的质量、惯性和外部所受的力矩等因素。
滑模控制技术在机械臂路径跟踪的应用
滑模控制技术在机械臂路径跟踪的应用一、滑模控制技术概述滑模控制技术是一种非线性控制方法，起源于20世纪50年代，最初应用于航空领域。
它的核心思想是通过设计一个滑动面，使得系统状态能够从初始状态到达这个滑动面，并在其上滑动至目标状态。
滑模控制具有快速响应、抗干扰能力强、易于实现等优点，因此在工业自动化、机器人控制等领域得到了广泛的应用。
1.1 滑模控制技术原理滑模控制技术的基本原理是选择一个合适的滑动面，使得系统状态在该面上的动态行为满足期望的性能指标。
当系统状态达到滑动面时，控制作用会使得状态沿着滑动面滑动，直至达到期望的平衡状态。
滑模控制的关键在于滑动面的设计，它决定了系统的动态性能和稳定性。
1.2 滑模控制技术特点滑模控制技术具有以下特点：- 强鲁棒性：对系统参数变化和外部干扰具有较强的不敏感性。
- 快速性：能够快速响应系统状态的变化，实现快速跟踪。
- 易于实现：控制算法结构简单，易于在数字控制系统中实现。
- 可调整性：通过调整控制参数，可以灵活地满足不同的性能要求。
二、机械臂路径跟踪问题机械臂路径跟踪是机器人技术中的一个重要问题，它要求机械臂能够按照预定的路径精确地移动，以完成各种任务。
路径跟踪的精度直接影响到机械臂的操作性能和任务完成的质量。
2.1 机械臂路径跟踪的重要性机械臂路径跟踪的精确性对于提高生产效率、保证产品质量具有重要意义。
在自动化生产线、医疗手术、空间探索等领域，精确的路径跟踪是实现高效、安全操作的基础。
2.2 机械臂路径跟踪的挑战机械臂路径跟踪面临诸多挑战，包括：- 动力学不确定性：机械臂的动力学特性可能因负载变化、磨损等因素而发生变化。
- 外部干扰：环境因素如温度、湿度、振动等可能对机械臂的运动产生影响。
- 非线性特性：机械臂的动力学模型通常具有非线性特性，增加了控制的复杂性。
三、滑模控制在机械臂路径跟踪中的应用将滑模控制技术应用于机械臂路径跟踪，可以有效提高跟踪精度和系统稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第32卷第1期 2009年1月合肥工业大学学报(自然科学版)J OU RNAL OF H EFEI UN IV ERSIT Y OF TECHNOLO GYVol.32No.1 J an.2009 收稿日期:2008204221;修改日期:2008206202基金项目;先进数控技术江苏省高校重点建设实验室基金资助项目(KX J 07127)作者简介:徐玉华(1985-),男,江西乐平人,合肥工业大学博士生;张崇巍(1945-),男,安徽巢湖人,合肥工业大学教授,博士生导师.基于动态滑模控制的移动机器人路径跟踪徐玉华1, 张崇巍1, 鲍 伟1, 傅 瑶1, 汪木兰2(1.合肥工业大学电气与自动化工程学院,安徽合肥 230009;2.南京工程学院先进数控技术江苏省高校重点实验室,江苏南京 211167)摘 要:文章研究了室内环境下基于彩色视觉的移动机器人路径跟踪问题,利用颜色信息提取路径,简化了图像的特征提取;拟合路径参数时引入RANSAC 方法,以提高算法的可靠性;在移动机器人非线性运动学模型的基础上,设计了一阶动态滑模控制器,并通过仿真验证了控制器的有效性。
关键词:移动机器人;视觉导航;路径跟踪;动态滑模中图分类号:TP24 文献标识码:A 文章编号:100325060(2009)0120028204Mobile robot ’s path following based on dynamic sliding mode controlXU Yu 2hua 1, ZHAN G Chong 2wei 1, BAO Wei 1, FU Yao 1, WAN G Mu 2lan 2(1.School of Electric Engineering and Automation ,Hefei University of Technology ,Hefei 230009,China ;2.Jiangsu Province College Key Laboratory of Advanced Numerical Control Technology ,Nanjing Institute of Technology ,Nanjing 211167,China )Abstract :In t his paper ,mobile ro bot ’s pat h following in indoor environment based on color vision is st udied.Firstly ,t he image feat ures are extracted by color information so t hat t he real 2time perform 2ance of t he algorit hm is imp roved.To enhance t he ro bust ness of pat h parameter fitting ,a least square met hod based on RANSAC is adopted.Then ,a first 2order dynamic sliding mode cont roller is designed based on t he nonlinear vision 2guided robot ’s kinematics.The simulation proves t he validity of t he con 2t roller.K ey w ords :mobile robot ;visual navigation ;pat h following ;dynamic sliding mode 轮式移动机器人亦称自动引导车(A GV ),有着广泛的应用价值[1]。
近年来,随着计算机技术和图像处理技术的发展,移动机器人视觉导航技术成为研究的热点[2]。
视觉引导的路径跟踪是视觉导航技术之一。
文献[3]基于移动机器人线性化的运动学模型,运用线性二次型最优控制理论设计最优控制器。
该控制器对于较小角度的转向控制有一定的优越性,但没有讨论在较大偏差情况下的控制问题。
文献[4]提出了一种模仿人工预瞄驾驶行为的移动机器人路径跟踪的模糊控制方法。
而在实际应用中,模糊规则难以制定。
文献[5]针对全局视觉条件下的轮式移动机器人路径跟踪问题,将基于图像的视觉伺服控制方法引入到运动控制中,提出一种基于消除图像特征误差的跟踪控制方法。
但该方法只适用于小规模环境条件下的使用。
针对以上存在的问题,本文采用价格低廉的车载彩色CCD 相机获取预先铺设引导线的路面实时图像,利用颜色信息提取路径。
拟合路径参数时引入了RANSAC 方法,提高了参数拟合的鲁棒性。
在移动机器人非线性运动学模型基础之上,设计了一阶动态滑模控制器(Dynamic Sliding Mode Cont roller ,简称DSMC ),在存在较大偏差的情况下也能达到良好的跟踪效果。
滑模变结构控制对满足匹配条件的外界干扰和参数变化具有不变性,是一种适用于非线性系统的鲁棒控制方法,采用它无需对非线性系统线性化,就可以实现系统的全局渐进稳定,并给出了相应的仿真和实验结果,与采用普通滑模控制器(Conventio nal Sliding Mode Cont roller ,简称CSMC )的跟踪效果进行了比较。
1 移动机器人运动学模型本文采用的是两轮差动驱动的三轮移动机器人,其运动模型如图1所示。
假设机器人为刚体且在运动过程中满足纯滚动和无打滑条件,根据其运动学特性有[8]v =(v R +v L )/2(1)ω=(v R -v L )/D(2) θe =ω(3) x e =v sin θe(4)其中,D 为左右轮间距;v 为轮轴中心点的线速度,也称为前进速度,假设机器人以恒定的速度运动,即v 为常数;ω为角速度;v L 、v R 为左、右轮线速度;x e 、θe 为机器人位姿与参考路径之间的距离偏差和角度偏差;虚线框内所示区域为机器人视野区。
令x 1=x e ,x 2=θe ,u =ω,则有x 1=v sin x 2x 2=u (5)图1 视觉引导移动机器人运动学模型2 路径参数提取211 图像处理由于彩色图像比灰度图像含有更丰富的信息,所以利用物体的颜色特征能够更有效地从图像中分割出目标。
CCD 视觉传感器采集到的原始图像的颜色空间是R G B 空间,它的优点是比较简单、直观。
但是对某种特定颜色,很难从其R G B 中抽取它的特征,即使对同一种颜色,随着光照条件的不同,其R G B 值也在变化。
给在不同光照情况下同种颜色的识别带来了很大的不便。
在HSV 颜色空间中,H 、S 、V 分别表示色调(hue )、色彩的饱和度(sat uration )和亮度值(val 2ue )。
HSV 模型将色调信息集中在H 分量上,S 值显示了色彩的饱和度,V 值表示原始图的亮度。
不同光线强度对图像H 和S 分量几乎没有影响,而只在表示亮度信息的V 分量体现较为明显。
这些特点使得HSV 模型适合于图像分割和目标识别。
由R G B 空间到HSV 空间的变换为[6]V =max (R ,G,B )(6)S =1-min (R ,G,B )/V (7)H =θ(B ≤G )360-θ(B >G )(8)其中,θ=cos -12R -G -B2(R -G )2-(R -B )(G -B )。
将原始路面图像从R G B 空间转换到HSV空间后,通过设定不同色调和饱和度的阈值便可识别出特定颜色的目标,如图2所示,分割效果如图2b 所示。
为了减小数据的处理量,对分割后的图像进行细化[6]处理,如图2c 所示。
(a ) 原始路面图像 (b ) 分割 (c ) 细化 图2 图像处理212 坐标转换由于摄像机与地面存在倾角,使得图像边缘区域存在较大畸变。
为了得到机器人与实际参考路径之间的位姿偏差,把经211节处理后的图像的像素点通过射影变换关系从图像坐标转换到机器人坐标下。
移动机器人坐标系与摄像机坐标系的关系如图3所示。
坐标转换的公式为[7]x =-x ′(f co s α+d z )f co s α-y ′sin α(9)y =-(f d z sin α+y ′d z cos α+y ′f )f co s α-y ′sinα+d y(10)x ′=(u -O m )/a (11)y ′=(v -O n )/b(12)其中,X Y Z 为机器人坐标系,以轮轴中心点为坐标原点;X ′Y ′Z ′为摄像机坐标系;f 为摄像机焦92 第1期徐玉华,等:基于动态滑模控制的移动机器人路径跟踪距;α为倾斜角;a 、b 为图像比例因子;(x ,y )为目标点在机器人坐标系中的坐标;(x ′,y ′)为地面上的点p 在摄像机坐标系中的坐标;(u ,v )为p 在图像坐标系中的坐标;(O m ,O n )分别为计算机图像中心像素的行数和列数。
图3 移动机器人摄像机模型213 参数拟合在实际环境中往往会存在噪声的影响,而最小二乘拟合对噪声又非常敏感。
为了提高鲁棒性,引入了RANSAC [8](Random Sample Con 2sensus )方法,通过对经212节处理后的点集合T 的多次随机采样进行最小二乘拟合,从中选择最优直线参数。
其算法步骤如下:(1)假设产生。
从点集合T 中均匀随机地抽取n 个点,拟合出一条候选直线L 。
(2)统计所有点对该L 的支持程度,即设定阈值t ,统计所有点到直线L 的距离满足小于阈值t 的个数。
(3)重复步骤(1)和步骤(2)m 次,找到使得误差范围内匹配点个数最多的L ,记录所有误差范围内的点,得到“内点”(Inliers )集T ′。
再对这些内点利用最小二乘法拟合出一条新的直线L 。
步骤(3)中的m 由下式决定:m =(lg (1-p ))/(lg (1-(1-ε)n ))(13)其中,p 为m 次采样中至少有一个采样没有外点的概率;ε为外点在T 中占的比例。
由于2点即可确定一条直线,本文取n =4,p =0199,ε=012,t =4cm 。
用(13)式计算出m =9。
假设通过上述方法得到路径的直线方程为y =kx +b,则距离偏差x e 和角度偏差θe 为x e =-b/k , θe =arctan1/k(14)3 控制器设计由(5)式构成的移动机器人运动学模型是一单输入非线性系统。
滑模控制是一种适用于非线性系统的鲁棒控制方法,采用它无需对非线性系统线性化,就可以实现系统的全局渐进稳定。
滑模控制器的设计包括2个相对独立的部分[9]:①设计切换函数,使它所确定的滑动模态渐近稳定且具有良好的动态品质;②设计滑动模态控制律,使到达条件得到满足,从而在切换面上形成滑动模态区。