模块化移动机器人的无模型自适应控制研究
第２９卷第４期 ２０１２年４月 机 电 工 程 Ｊｏｕｒｎａｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ＆Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏｊ．２９ Ｎｏ．４ Ａｐｒ．２０１２
模块化移动机器人的无模型自适应控制研究术
王 永 ，费燕琼 ，宋立博
（１．上海交通大学机器人研究所，上海２００２４０；２．上海交通大学工程训练中心，上海２００２４０）
摘要：为研究无模型自适应（ＭＦＡ）控制算法在机器人控制领域的应用，设计了差动驱动的模块化移动机器人。在考虑非完整约束、 ＭＩＭＯ、饱和约束等特点基础上，建立了以差动驱动电机脉宽调制（ＰＷＭ）信号为输入、以机器人方位角和线速度为输出的无模型白 适应控制系统；为提高运算速度并减少运算量，使用最小二乘原理设计了新的伪偏导数和控制律在线估计算法。仿真结果表明，该 方法具有鲁棒性强、响应速度快及控制精度高的特点，其性能优于传统的ＰＩＤ控制。 关键词：模块化移动机器人；无模型自适应控制；最小二乘法；伪偏导数；脉宽调制 中图分类号：ＴＨ３９；ＴＰ２４ 文献标志码：Ａ 文章编号：１００１—４５５１（２０１２）０４—０４００—０４
Ｓｔｕｄｙ ｏｎ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｏｆ ｍｏｄｕｌａｒ ｍｏｂｉｌｅ ｒｏｂｏｔ ｂａｓｅｄ ｏｎ ＭＦＡ ｔｈｅｏｒｙ
ＷＡＮＧ Ｙｏｎｇ ，ＦＥＩ Ｙａｎ—ｑｉｏｎｇ ，ＳＯＮＧ Ｌｉ—ｂｏ
（１．Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒｏｂｏｔｉｃｓ，Ｓｈａｎｇｈａｉ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２４０，Ｃｈｉｎａ； ２．Ｅｎｇｉｎｅｅｒｉｎｇ Ｔｒａｎｉｎｇ Ｃｅｎｔｅｒ，Ｓｈａｎｇｈａｉ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２４０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｒ ｔｈｅ ｓｔｕｄｙ ｏｆ ｍｏｄｅｌ－ｆｒｅｅ ａｄａｐｔｉｖｅ（ＭＦＡ）ｃｏｎｔｒｏｌ ａｌｇｏｒｉｔｈｍ ａｐｐｌｉｅｄ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｒｏｂｏｔ ｃｏｎｔｒｏｌ，ａ ｍｏｄｕｌａｒ ｄｉｆｅｒｅｎｔｉａｌ—ｄｒｉｖｅｎ ｍｏｂｉｌｅ ｒｏｂｏｔ ｗａｓ ｄｅｓｉｇｎｅｄ．Ｔａｋｉｎｇ ｓｕｃｈ ｆａｃｔｏｒｓ ａｓ ｎｏｎｈｏｌｏｎｏｍｉｃ ｃｏｎｓｔｒａｉｎｔ，ＭＩＭＯ，ｃａｐａｃｉｔｙ ｃｏｎｓｔｒａｉｎｔｓ ａｎｄ ｏｔｈｅｒ Ｃｈａｒａｃｔｅｌ’ｉｓｔｉｃｓ ｉｎｔｏ ｃｏｎｓｉｄｅｒａｔｉｏｎ．ｔｈｅ ｍｏｄｅｌ—ｆｒｅｅ ａｄａｐｔｉｖｅ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ａｃｃｏｒｄｉｎｇｌｙ．Ｔｈｅ ｐｕｌｓｅ ｗｉｄｔｈ ｍｏｄｕｌａｔｉｏｎ（ＰＷＭ）ｓｉｇｎａｌｓ ｗｅｒｅ ｕｓｅ（１ ａｓ ｉｎｐｕｔｓ，ｔｈｅ ｒｏｂｏｔ Ｓ ａｚｉｍｕｔｈ ａｎｄ ｖｅｌｏｃｉｔｙ ｗｅｒｅ ｕｓｅｄ ａｓ ｏｕｔｐｕｔｓ．Ｔｏ ｉｍｐｒｏｖｅ ｐｒｏｃｅｓｓｉｎｇ ｓｐｅｅｄ ａｎｄ ｒｅｄｕｃｅ ｔｈｅ ｃｏｍｐｕｔａｔｉｏｎ，ｔｈｅ ｌｅａｓｔ ｓｑｕａｒｅｓ ｐｒｉｎｃｉｐｌｅ ｗａｓ ｕｓｅｄ ｔｏ ｄｅｓｉｇｎ ａ ｎｅｗ ｐｓｅｕｄｏ—ｐａｒｔｉａｌ ｄｅｒｉｖａｔｉｖｅ ａｎｄ ｔｈｅ ｃｏｎｔｒｏｌ ｌａｗ ｏｎｌｉｎｅ ｅｓｔｉｍａｔｉｏｎ ａｌｇｏｒｉｔｈｍ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｅｔｈｏｄ ｈａｓ ｓｔｒｏｎｇ ｒｏｂｕｓｔｎｅｓｓ，ｆａｓｔ ｒｅｓｐｏｎｓｅ，ｈｉｇｈ ａｃｃｕｒａｃｙ ａｎｄ ｃｏｎｔｒｏｌ ｆｅａｔｕｒｅｓ，ｉｔｓ ｐｅｒｆｏｒｍａｎｃｅ ｂｅｔｔｅｒ ｔｈａｎ ｔｒａｄｉｔｉｏｎａｌ ＰＩＤ ｃｏｎｔｒｏ１． Ｋｅｙ ｗｏｒｄｓ：ｍｏｄｕｌａｒ ｍｏｂｉｌｅ ｒｏｂｏｔ；ｍｏｄｅｌ－ｆｌｅｅ ａｄａｐｔｉｖｅ（ＭＦＡ）ｃｏｎｔｒｏｌ；ｌｅａｓｔ ｓｑｕａｒｅｓ；ｐｓｅｕｄｏ－ｐａｒｔｉａｌ ｄｅｒｉｖａｔｉｖｅ；ｐｕｌｓｅ ｗｉｄｔｈ ｍｏｄｕｌａｔｉｏｎ （ＰＷＭ）
０引 言
模块化移动机器人具有自身模块化和可重构性的
特点。模块化设计简化了机器人结构，降低了成本，提 高了系统的稳定性与可维护性。可重构性实现了不同
作业构型之间的转换，使机器人可以根据周围环境和
实际任务动态地改变自身结构与构型，具有较强的运 动灵活性和环境适应能力，在多机器人协作、足球机器
人等领域备受关注，并得到了广泛应用。 从动力学和控制系统角度讲…，模块化移动机器
人系统具有如下特征：①多输入多输出（ＭＩＭＯ）系统 属性。在采用差动驱动时，一般有电机的ＰＷＭ控制信
号、倾角输人信号、方位角输出信号及速度输出等诸多
信号；②动力学模型较为复杂。机器人中存在难以精
确建模的滚动摩擦、滑动摩擦等 素及速度控制空间 的协调函数（非完整约束），难以精确建立系统的动力 学模型，从而增加了建立在模型基础之上的ＰＩＤ等控
制算法的整定难度和设计过程 ；③存在最大占空比 和电机最大输出角速度及机器人最大运动速度等饱和
约束，使系统存在较大的非线性。 鉴于以上特征，当前基于建立数学模型的控制算 法研究多数存在局限性与不合理性，而ＭＦＡ控制算法
收稿日期：２０１１一Ｏ９—２７ 基金项目：国家自然科学基金资助项目（５０７７５１４５） 作者简介：王永（１９８７一），女，山东菏泽人，主要从事模块化移动机器人设计及控制方面的研究．Ｅ—ｍａｉｌ：ｔａｉｆｅｎｇ９４５＠１２６．Ｃ，（）ｌｌｌ 通信联系人：费燕琼，女，副教授，硕士生导师．Ｅ－ｍａｉｌ：ｆｙｑ＠ｓｊｔｕ．ｅｄｕ．ｃｎ
第４期 王永，等：模块化移动机器人的无模型自适应控制研究 ・４０１ ．
已应用于多处工业控制当中，却未涉及机器人控制领 域，综合ＭＦＡ控制算法的优势，本研究提出将该算法
应用到移动机器人控制领域。在国家自然科学基金项
目赞助下，研究采样周期和非完整约束条件下的模块 化移动机器人ＭＦＡ控制系统设计和实现方法，并进行
必要的仿真验证。
１模块化移动机器人的结构
１．１机械结构 模块化移动机器人由驱动模块、控制模块、传感模 块及连接模块四大基本功能模块组成，机器人的模块
化结构如图１所示。驱动主要由直流电机组成，采用
差动驱动形式以获得全向运动能力。传感模块包括倾 角传感模块、方位测量模块、无线数传单元等，来获得
环境位置变化的信息。控制模块处理传感器采集到的 数据并生成机器人动作命令，由驱动模块完成电机驱
动。连接模块包括机械接口和电子接口等物理连接机 构，便于模块间及机器人间的相互快速连接与脱离。
图１机器人的模块化结构 ａ一传感模块；ｂ一控制模块；ｃ一驱动模块；ｄ一连接模块
１．２控制系统结构 控制系统采用ＴＭＳ３２０Ｆ２８１２处理器为控制器。
本研究运用ＴＭＳ３２０Ｆ２８１２的事件管理器模块、ＰＷＭ模
块、ＳＣＩ串口通讯模块、Ａ／Ｄ模数转换模块等功能，结合 外部无线数传单元、倾角传感模块、方位测量模块、电
机驱动模块等模块完成模块化移动机器人的控制，模 块化移动机器人控制系统亦采用模块化设计方法，其
结构如图２所示。 左驱动电机 垡燮堡！ ＿叫皇 竺 皇堕卜＿． ＳＣＩ ＰＷＮ — 皇 垫皇堕Ｈ皇 翌垫皇堕
……１ ． Ｃｏｕｎｔｅｒ 一 ＡＤＣ ’ ＤＳＰ２８１２ 左 垂垂巫卜叵 ＳＣＩ ＰＷＭ —匝 受 恒匦
电源管理芯片等卜————一 Ｃｏｕｔｅｒ ’
图２控制系统结构图
２模块化移动机器人ＭＦＡ控制系统设计
在忽略滚轮与地面之间的相对滑动时，模块化移 动机器人是一类典型的非完整动力学系统。由于非完 整系统不能用光滑定常的反馈控制律镇定ｂ］，必须设
计时变或非连续的控制律来镇定系统。同时，受驱动
器输出饱和的限制，实际系统的控制输入也是有界的， 因此在考虑输入饱和约束条件和非完整约束条件下设
计控制系统才有意义。 机器人的运动线速度 ＝ ＋ ）／２，状态方程可
使用非线性离散时间方程描述如下 ：
口（后＋１）：厂ｆ ｇ ），篡‘ ＋ ，…，ｇ！ 一 ，ｌＬ（ ），１（１） ｌ
Ｍ（ｋ＋１），…，Ｍ（ 一ｎ ） Ｊ
式中：ｇ（ｋ），ｕ（ｋ）一系统在 时刻的输出与输入，
ｇ（ ）： 】ｒ，比（后）＝Ｉ ； 一在 时刻的方位 Ｌｒ Ｊ
角输出；ｐｒｋ、ｐｌｋ一右轮、左轮电机ＰＷＭ信号值；凡 ， 凡 一系统未知阶数；ｆ（．．．）一未知的非线性函数。
ｐ 和ｐｆ 满足输入饱和约ｌｐ Ｉ≤ｐｒ ，Ｉｐｌ 『≤ ｐｌ 其中，ｐｒ 和ｐｌ 为给定的正常数。 在输人饱和约束条件下，假设厂（．．．）关于系统当前 的控制输入信号Ｕ（ｋ）的偏导数是连续的，式（１）满足 对任意的ｋ和Ａｕ（Ｊｉ｝）≠０，有：
ＩＡｑ（ｋ＋１）Ｉ≤ｂＩＡｕ（ｋ）Ｊ
其中：△垡（ｋ＋１）＝霉（ｋ＋１）一ｇ（ｋ），Ａｕ（ｋ）＝ （ｋ）一 （ 一１），ｂ是常数。 当Ａｕ（ｋ）≠０时，一定存在伪偏导数矩阵 （ｋ）， 满足： △ｇ ＋１）＝ （ ）Ａｕ（ｋ） Ｉ （ ） （ ）…
（ ）： （ ） （ ）… （ ）
２ （ ）
。（ ） ：（ ）… （ ） （２）
并且：Ｉ１ （ｋ）Ｉｌ≤ｂ。 式（１）由式（２）替代之后，模块化移动机器人就转 化为一个仅由系统输入、系统输出及状态矩阵组成的
线性系统。无模型化的模块移动机器人控制系统结构 如图３所示。由于无滚轮直径、滑动摩擦系数、差动驱
动轮中心距离等机械结构与力学参数，可使用无模型 自适应控制算法（ＭＦＡ）设计控制系统 。完整的
图３
控制系统结构简图 机 电 工 程 第２９卷
ＭＦＡ控制系统由控制律在线估计算法和偏导数在线
估计算法两部分组成。 ２．１ 控制律在线估计算法
本研究考虑如下控制输入准则函数：
㈤ ＝ ｋ ｋ ㈦ １Ａ ｌＨ（ ）一 （一１）Ｊ ｌ
其中，Ａ ｌＨ（ｋ）一ｌｌ（ｋ—１）ｌ 项用来限制Ａｕ（ｋ），并 克服稳态跟踪误差；ｇ （ ＋１）是ｋ＋１时刻期望输出
值，即系统参考输出；Ａ１（ ），Ａ （ ）…．，Ａ，（ ）是适当
的参数。Ａ ：ｄｉａｇ（Ａ （尼）Ａ （ ）…Ａ ｒ（ ）），这是对角矩 阵的标准表达形式。本研究将式（２）代式入（３），对 Ｈ（ｋ）求导，并令其等于０，得：
（Ｊｊ｝）一 （ 一１） ｋ ｋ ｒ（七十１）一口（ ）］（４） Ａ ＋ （） 【）一 ‘
式中：Ｐ 一步长矩阵。 ２．２ 伪偏导数在线估计算法 为改变估计值变化很快或对某些采样数据过于敏 感的情形，并满足在线控制快速性要求，新的估计准则
函数如下：
㈩ ＋］（５）
式中：ｇ （ ）一系统真实输出， 一关于参数估计变 化量的权重因子矩阵，用以限制非线性系统进行线性
替代的范围， （ （ ）一 （ｋ一１）） 项的引入限制了
的变化。 本研究通过变分原理和极小化推导过程，得到如 下伪偏导数估计算法：
（ ）： （ 一１）＋— ！＿
＋Ａｕ（ｋ一１）Ａｕ（ｋ一１） （６）
（Ａｑ（ｋ）一 （ 一１）Ａｎ（ｋ一１））
式中：Ｐｋ，叼 一步长矩阵； 一权重因子矩阵； 一
充分小的正数； （ｋ）一 （ｋ）的在线实时估值；
（１）一 （ ）的初值；Ｐｌ＠），Ｐ２ ），…，ｐ，（后），
非完整移动机器人轨迹跟踪自适应控制器设计
１０４ 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２０１１年第３Ｏ卷第５期
非完整移动机器人轨迹跟踪自适应控制器设计 李会来，李小民，陈静华 （军械工程学院光学与电子工程系，河北石家庄０５０００３） 摘要：针对轮式移动机器人的非完整运动学模型，将自适应反演控制技术和李亚普诺夫稳定性理论应 用于机器人轨迹跟踪控制，设计了具有全局渐近稳定性的自适应轨迹跟踪控制器，并在Ｍａｔｌａｂ环境下实 现了移动机器人对直线和椭圆２种轨迹追踪的仿真实验。实验表明：该控制方法在轨迹跟踪控制中有较 好的航向跟踪效果，对机器人非完整系统模型的非线性特性表现出良好的有效性和自适应性。 关键词：移动机器人；非完整系统；自适应控制；反演 中图分类号：ＴＰ ２７３ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１１）０５－０１０４－０３ Ｄｅｓｉｇｎ ０ｆ ａｄａｐｔｉｖｅ ｔｒａｊ ｅｃｔｏｒｙ ｔｒａｃｋｉｎｇ ｃｏｎｔｒｏｌｌｅｒ ｆｏｒ ｎ０ｎｎ０ｌ０ｎ０ｍｌＣ ｍ０ Ｄｌｉｅ ｒｏ Ｄｏｔｓ＂ｌｌ １ ● １ ●● １ ＬＩ Ｈｕｉ—ｌａｉ，ＬＩ Ｘｉａｏ—ｍｉｎ，ＣＨＥＮ Ｊｉｎｇ—ｈｕａ （Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｏｐｔｉｃｓ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｏｒｄｎａｎｃｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｌｌｅｇｅ， Ｓｈｉｊｉａｚｈｕａｎｇ ０５０００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｄｅａｌ ｗｉｔｈ ｔｈｅ ｍｏｄｅｌ ｏｆ ｎｏｎｈｏｌｏｎｏｍｉｃ ｋｉｎｅｍａｔｉｃｓ ｆｏｒ ｍｏｂｉｌｅ ｒｏｂｏｔｓ，ａｄａｐｔｉｖｅ ｂａｃｋｓｔｅｐｐｉｎｇ ｃｏｎｔｒｏｌ ａｎｄ Ｌｙａｐｕｎｏｖ’Ｓ ｓｔａｂｉｌｉｔｙ ｔｈｅｏｒｙ ａｒｅ ａｐｐｌｉｅｄ ｔＯ ｔｈｅ ｒｏｂｏｔ ｔｒａｊｅｃｔｏｒｙ ｔｒａｃｋｉｎｇ ｃｏｎｔｒｏｌ，ａｎ ａｄａｐｔｉｖｅ ｔｒａｊｅｃｔｏｒｙ ｔｒａｃｋｉｎｇ ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ ｇｌｏｂａｌ ａｓｙｍｐｔｏｔｉｃ ｓｔａｂｉｌｉｔｙ ａｒｅ ｄｅｓｉｇｎｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔ ｏｆ ｔｒａｃｋｉｎｇ ｌｉｎｅａｒ ａｎｄ ｅｌｌｉｐｔｉｃａｌ ｔｒａｊｅｃｔｏｒｙ ｕｎｄｅｒ ｔｈｅ ｐｒｏｐｏｓｅｄ ｃｏｎｔｒｏｌｌｅｒ ｆｏｒ ｍｏｂｉｌｅ ｒｏｂｏｔ ｉｓ ｐｅｒｆｏｒｍｅｄ ｕｎｄｅｒ Ｍａｔｌａｂ ｅｎｖｉｒｏｎｍｅｎｔ．Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｔｈｉｓ ｃｏｎｔｒｏｌ ｍｅｔｈｏｄ ｈａｓ ｂｅｔｔｅｒ ｎａｖｉｇａｔｉｏｎａｌ ｔｒａｃｋｉｎｇ ｅｆｆｅｃｔ ａｓ ｗｅｌｌ ａｓ ｇｏｏｄ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ａｎｄ ｗｅｌｌ ａｄａｐｔａｂｉｌｉｔｙ ｔｏ ｔｈｅ ｎｏｎｌｉｎｅａｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｎｏｎｈｏｌｏｎｏｍｉｃ ｓｙｓｔｅｍ ｍｏｄｅｌ ｏｆ ｍｏｂｉｌｅ ｒｏｂｏｔｓ． Ｋｅｙ ｗｏｒｄｓ：ｍｏｂｉｌｅ ｒｏｂｏｔ；ｎｏｎｈｏｌｏｎｏｍｉｃ ｓｙｓｔｅｒｍ；ａｄａｐｔｉｖｅ ｃｏｎｔｒｏｌ；ｂａｃｋｓｔｅｐｐｉｎｇ ０引 言 在轮式机器人运动控制理论中，一般假设车轮与地面 为点接触，并且，接触点处只有纯滚动而不发生相对滑动 （包括侧向和纵向滑动）。这种理想的约束本质上是一种 非完整约束，使得理想约束条件下的轮式机器人成为非完 整系统的典型实例 Ｊ。由于机器人非完整特性，机器人 不满足Ｂｒｏｃｋｅｔｔ的光滑镇定条件，非完整系统不存在将系 统镇定到非奇异位形的光滑时不变静态状态反馈控制律。 这样，非完整系统镇定控制律的可能形式受到了本质的约 束，经典线性系统理论中许多成熟结果无法直接应用于非 完整系统的镇定控制，必须寻找新的方法来解决这个问题。 反演（Ｂａｃｋｓｔｅｐｐｉｎｇ）控制是一种成熟的鲁棒控制方法， 其算法简单，抗干扰性能好，系统响应速度快，在非完整系 统控制中得到广泛应用 Ｊ。本文针对含有未知参数的非 完整移动机器人运动学模型，基于Ｂａｃｋｓｔｅｐｐｉｎｇ时变状态 反馈方法和Ｌｙａｐｕｎｏｖ理论提出了轨迹跟踪控制器，讨论了 收稿日期：２０１０－０９－０４ 两驱动后轮角速度为控制输入的移动机器人轨迹跟踪问 题，构造了具有全局渐近稳定的自适应轨迹跟踪控制器，实 现对预定轨迹的全局渐近跟踪，并在Ｍａｆｌａｂ环境下验证了 其有效性和正确性。 １移动机器人跟踪问题模型 图ｌ为机器人移动模型 ，机器人在二维空间运动其 状态由两驱动轮的中点在坐标系的位置与方位角来标示。 Ｒ为车轮直径，两轮之间距离为２６。点Ｐ（ｋ）代表机器人的 当前位置，Ｐ（ｋ）在广义坐标中定义为［％（ｋ），ｙ。（ｋ）， （ｋ）］， （ｋ）和 （ ）为直角坐标系下Ｐ（ｋ）的坐标， （ ） 为机器人的方位角，即前进方向和 轴正方向的夹角。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）的线速度和角速度定义为 （ｋ）和∞ （ｋ）。 当不考虑车轮的滑动时，双后轮差速驱动移动机器人
基于自适应反步法的轮式移动机器人跟踪控制
第２４卷第７期 计算机仿真 ２００７年７月
文章编号：１００６—９３４８（２００７）０７—０１７１—０５
基于自适应反步法的轮式移动机器人跟踪控制
常丛丛，纪志成
（江南大学控制科学与工程研究中心电气自动化研究所，江苏无锡２１４１２２） ‘
摘要：轮式移动机器人是一种典型的非完整约束系统。基于反步法提出一种自适应扩展控制器，对含有未知参数的非完整 轮式移动机器人动力学系统进行轨迹跟踪控制并且Ｌｙａｐｕｎｏｖ稳定性理论保证跟踪误差渐近收敛到零。为了克服速度跳变 产生滑动，加入了神经动力学模型对控制器进行改进。以两驱动轮移动机器人为例，利用运动学自适应控制器设计出转矩 控制器，有效解决了不确定非完整轮式移动机器人动力学系统的轨迹跟踪问题。仿真结果证明该方法的正确性和有效性。 关键词：移动机器人；非完整约束；自适应反步；跟踪控制 中图分类号：＿ｒＰ １３ 文献标识码：Ａ
Ａｄａｐｔｉｖｅ Ｂａｃｋｓｔｅｐｐｉｎｇ Ｔｒａｃｋｉｎｇ Ｃｏｎｔｒｏｌ ｏｆ Ｗｈｅｅｌｅｄ Ｍｏｂｉｌｅ Ｒｏｂｏｔ
ＣＨＡＮＧ Ｃｏｎｇ～ｃｏｎｇ．ＪＩ Ｚｈｉ—ｃｈｅｎｇ
（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ａｕｔｏｍａｔｉｏｎ，Ｃｏｎｔｒｏｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ，Ｓｏｕｔｈｅｒｎ Ｙａｎｇｔｚｅ Ｕｎｉｖｅｒｓｉｔｙ，
Ｗｕｘｉ Ｊｉｎａｇｓｕ ２１４１２２，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ａ ｗｈｅｅｌｅｄ ｍｏｂｉｌｅ ｒｏｂｏｔ ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｗｅｌｌ—ｋｎｏｗｎ ｎｏｎｈｏｌｏｎｏｍｉｃ ｃｏｎｓｔｒａｉｎｅｄ ｓｙｓｔｅｍｓ．Ａｎ ａｄａｐｔｉｖｅ
ｃｏｎｔｒｏｌｌｅｒ ｆｏｒ ｋｉｎｅｍａｔｉｃ ｍｏｂｉｌｅ ｒｏｂｏｔ ｈａｓ ｂｅｅｎ ｐｒｅｓｅｎｔｅｄ ｉｎ ｔｈｅ ｐａｐｅｒ．Ｔｈｅ Ｌｙａｐｕｎｏｖ ｔｈｅｏｒｙ ｅｎｓｕｒｅｓ ｔｈｅ ａｓｙｍｐｔｏｔｉｃ ｚｅ—
机器人控制中的迭代学习控制技术研究
机器人控制中的迭代学习控制技术研究
机器人一直是人类研究的热门话题，近年来，随着科技的快速发展，机器人的应用范围越来越广泛。但是，要让机器人能够更好地完成任务，需要对其进行精细化的控制。而在控制机器人时，迭代学习控制技术正逐渐成为主流。
一、什么是迭代学习控制技术
迭代学习控制技术又称迭代学习算法，是一种基于试错和调整的控制方法，它模仿人类学习行为，通过不断地反复试验，不断地调整，最终实现自我学习和优化控制的能力。
迭代学习控制技术的基本思想是在每次试验中，通过观测系统状态和输出信号的差异，自动调节控制器参数，直至输出信号被准确地指导目标。相继进行多次试验后，控制器的精度会不断提高，实现更加准确和高效的控制。
二、迭代学习控制技术在机器人控制中的作用
机器人控制比起其他控制任务更为困难，因为机器人必须不断地适应环境和任务的变化。迭代学习控制技术可以使机器人更好地适应环境，实现更为精准的控制。具体来讲，迭代学习控制技术在机器人控制中的作用有以下几点：
1.提高运动控制准确度
迭代学习控制技术可以在每次试验中不断调节机器人的动态控制参数，提高机器人的运动控制准确度。对于需要高精度控制的机器人任务，如装配、磨削等，而且环境复杂、需要考虑到因素依赖关系时，迭代学习控制技术相对于传统的PID控制方式更加优秀。
2.提升运动平稳性 在机器人运动过程中，速度和力矩控制的平稳性对机器人劳损和安全至关重要，迭代学习控制技术可以保证运动平稳性。例如，在合成任务控制中，迭代学习控制技术可以通过自适应学习和改进控制器来实现更为平稳的运动控制。
3.增强应对多种环境的能力
迭代学习控制技术可以在不同环境下进行机器人控制，可以适应各种不同的环境，如重力、摩擦、障碍等。如对于长臂机器人等复杂环境下的多目标控制任务，传统技术很难胜任，而迭代学习控制技术可以通过自适应学习不断改进控制器，以适应不同的环境。
三、迭代学习控制技术的应用研究
移动机器人控制系统设计
xx大学xx届毕业论文
0 一、绪 论
（一)引言
移动机器人技术是一门多科学交叉及综合的高新技术,是机器人研究领域的一个重要分支，它涉及诸多的学科,包括材料力学、机械传动、机械制造、动力学、运动学、控制论、电气工程、自动控制理论、计算机技术、生物、伦理学等诸多方面。第一台工业机器人于20世纪60年代初在美国新泽西州的通用汽车制造厂安装使用。该产品在20世纪60年代出口到日本，从20世纪80年代中期起，对工业机器人的研究与应用在日本迅速发展并步入了黄金时代。与此同时，移动机器人的研究工作也进入了快速发展阶段。
移动机器人按其控制方式的不同可以分为遥控式、半自动式和自主式三种；按其工作环境的不同可以分为户外移动机器人和室内机器人两种。自主式移动机器人可以在没有人共干预或极少人共干预的条件下，在一定的环境中有目的的移动和完成指定的任务。自主式移动机器人是一个组成及结构非常复杂的系统，具有加速、减速、前进、后退以及转弯灯功能，并具有任务分析，路径规划,导航检测和信息融合，自主决策等类似人类活动的人工智能。
（二）移动机器人的主要研究方向
1.体系结构技术
1)分布式体系结构
分布式体系结构【1。2.3】是多智能体技术在移动机器人研究领域的应用。智能体是指具有各自的输入、输出端口，独立的局部问题求解能力，同时可以彼此通过协商协作求解单个或多个全局问题的系统。移动机器人系统，特别是具有高度自组织和自适应能力的系统，它们的内部功能模块与智能体相仿，因此可以应用多智能体技术来分析和设计移动机器人系统的结构，实现系统整体的灵活性和高智能性。在分布式体系 结构中，各个功能模块具有不同的输入输出对象和自身的不同功能，并行各工作，整个系统通过一个调度器实现整体的协调，包括制定总体目标、任务分配、运动协调和冲突消解等。
冗余策略下的高可靠移动机器人控制系统设计
冗余策略下的高可靠移动机器人控制系统设计
尹辉;周翟和;伏家杰;游霞
【摘 要】论述了移动机器人控制系统的设计原理与实现方法,并针对惯性传感器易发故障、单一姿态测量系统无法保证控制系统高可靠性的缺点,利用二模硬件冗余策略为控制系统设计了低成本的冗余姿态测量系统.针对移动机器人嵌入式微控制器运算能力有限,设计了高准确度和低时间复杂度的自适应能态突变检测算法,检测惯性传感器故障.仿真和实验结果表明,该算法能极大提高传感器故障检测和余度切换的实时性,使系统失控时间＜95 ms,俯仰角最大偏差不超过17°.冗余姿态测量系统的设计,能极大延长控制系统的平均失效时间,确保控制系统具备高可靠性.
【期刊名称】《机械制造与自动化》
【年(卷),期】2019(048)003
【总页数】6页(P153-157,206)
【关键词】移动机器人;二模冗余;姿态系统;余度管理
【作 者】尹辉;周翟和;伏家杰;游霞
【作者单位】南京航空航天大学自动化学院,江苏南京211106;南京航空航天大学自动化学院,江苏南京211106;南京航空航天大学自动化学院,江苏南京211106;南京航空航天大学自动化学院,江苏南京211106
【正文语种】中 文
【中图分类】TP242.6
0 引言
随着科技的发展和微电子技术的进步，尤其是多功能、小尺寸、集成化的微机电系统(MEMS)精度的大幅度提升，使得结构简单、运动灵活、适应性强的移动机器人获得了较大的发展[1]。由于移动机器人通常具有非线性、非完整性和欠驱动的特性[2]，是一种动平衡系统[3]，所以其控制十分复杂，同时也对控制系统的安全性和可靠性提出了更高的要求。
通过研究发现，提升控制系统可靠性可采用硬件冗余、解析冗余以及混合余度策略[4]等方法。硬件冗余又分为二模硬件冗余[5-6]、三模硬件冗余[7-8]以及多模硬件冗余[9-11]，即使用多套具有相同功能的模块构成一个整体，但在同一时刻只启用其中的某一模块。解析冗余通过分析系统模型选取冗余状态量，并通过对状态量的数学解算来实现冗余控制。混合余度是指在控制系统中使用硬件冗余和解析冗余相结合的方法，以最小的硬件开销实现最优的余度策略，从而最大程度地提升系统的可靠性。文献[3] 采用混合余度控制策略设计的机器人单关节控制系统，极大地提升了系统的容错性和可靠性。文献[4] 使用二模动态硬件冗余控制策略设计的嵌入式控制系统，同样极大地提升了系统的可靠性，使系统的输出波动<1%，从而保证设备在所有时间内正常运行。
全方位移动机器人模糊自适应PID控制
． 冀 触持电棚 ２ＯＯ７年第ｌｌ期
… ｒ／／ 惕 …一．…………………．……一…．……．……一．．……一…．……………．一 …………．…一． 二 ．… ：…．．
全方位移动机器人模糊自适应Ｐｉｌ１）控制
吴定会，黄旭东，纪志成
（江南大学，江苏无锡２１４１２２）
摘要：针对全方位移动机器人，结合ＰＩＤ和模糊控制两者的优点，提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）的控
制方法。对模糊自适应ＰＩＤ控制算法进行了理论分析，基于Ｍａｔｌａｂ建立了全方位移动机器人的简化仿真模型。仿
真研究表明，采用模糊自适应ＰＩＤ控制方法，系统的调节时间缩短，响应速度加快，抗干扰能力和适应参数变化的
能力要优于常规的ＰＩＤ控制。
关键词：全方位移动机器人；模糊控制；模糊自适应ＰＩＤ控制
中图分类号：ＴＭ３３ 文献标识码：Ａ 文章编号：１００４—７０１８（２００７）１１—００３２—０３
Ｖｅｌｏｃｉｔｙ Ｃｏｎｔｒｏｌ ｏｆ ａｎ Ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｒｏｂｏｔ Ｂａｓｅｄ ｏｎ Ｆｕｚｚｙ Ａｄａｐｔｉｖｅ ＰＩＤ
ＷＵ Ｄｉｎｇ—ｈｕｉ，ＨＵＡＮＧ —ｄＤｎｇ， Ｚｈｉ—ｃｈｅｎｇ
（Ｓｏｕｔｈｅｒｎ Ｙａｎｇｔｚｅ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ ２１４１２２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｃｏｍｂｉｎｉｎｇ ｂｏｔｈ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆ ＰＩＤ ｃｏｎｔｒｏｌｌｅｒ ａｎｄ ｆｕｚｚｙ ｃｏｎｔｒｏｌ，ａ ｆｕｚｚｙ ａｄａｐｔｉｖｅ ＰＩＤ ｃｏｎｔｒｏｌｌｅｒ ｗａｓ ｐｒｏ—
ｐｏｓｅｄ ｆｏｒ ｃｏｎｔｒｏｌ ｏｆ ａｎ ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ ｍｏｂｉｌｅ ｒｏｂｏｔ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｏｆ ｆｕｚｚｙ ａｄａｐｔｉｖｅ ＰＩＤ ｃｏｎｔｒｏｌ ｗａｓ ａｎａｌｙｚｅｄ．Ｔｈｅ ｓｉｍｐｌｉ—
ｆｌｅｄ ｍｏｄｅｌ ｏｆ ｔｈｅ ｏｍｎｉｄｉｒｅｃｔｉｏｎａｌ ｍｏｂｉｌｅ ｒｏｂｏｔ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ａｎｄ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｗａｓ ｗｅｌｌ ｄｏｎｅ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ
无模型自适应控制方法综述
《无模型自适应控制方法综述》
在现代控制领域中，无模型自适应控制方法因其独特的优势和广泛的应用前景而备受关注。随着科技的不断发展和工业生产等领域对控制性能要求的日益提高，无模型自适应控制方法逐渐成为解决复杂系统控制问题的重要手段之一。本文旨在对无模型自适应控制方法进行全面而系统的综述，深入探讨其基本原理、主要类型、特点以及在实际应用中的成果和挑战。
一、概述
控制系统在工业生产、航空航天、交通运输、自动化等众多领域中起着至关重要的作用。传统的控制方法往往基于对被控对象精确的数学模型建立，但在实际系统中，由于系统的复杂性、不确定性以及建模误差等因素的存在，很难获得准确且精确的数学模型。这就促使了无模型自适应控制方法的产生和发展。无模型自适应控制方法不依赖于被控对象的精确数学模型，而是通过对系统的上线观测和学习，不断调整控制策略，以适应系统的变化和不确定性，从而实现对被控对象的良好控制。
二、无模型自适应控制方法的基本原理
无模型自适应控制方法的基本原理可以概括为以下几个关键步骤：
（一）系统上线观测与状态估计
通过传感器等手段对被控系统的状态变量进行实时监测和采集，获取系统的当前状态信息。然后利用合适的估计方法，如卡尔曼滤波等，对系统的状态进行估计，以获得更准确的系统状态表征。
（二）控制律设计
基于估计的系统状态，设计相应的控制律。控制律的设计通常是根据一定的性能指标和控制策略进行优化，以实现对被控系统的期望控制效果。
（三）自适应调整
根据系统的实际运行情况和估计误差，不断调整控制律中的参数或结构，使控制系统能够自适应地适应系统的变化和不确定性。这种自适应调整可以是基于模型的自适应，也可以是基于数据驱动的自适应等方式。
通过以上基本原理的循环迭代，无模型自适应控制方法能够逐步逼近系统的最优控制状态，实现对被控系统的有效控制。
三、无模型自适应控制方法的主要类型
（一）模型参考自适应控制（MRAC） MRAC 是无模型自适应控制中最经典的一种方法。它基于一个参考模型和一个实际被控系统，通过比较参考模型的输出和实际被控系统的输出，产生误差信号。然后根据误差信号和一定的自适应规律来调整控制律中的参数，使实际被控系统的输出逐渐逼近参考模型的输出。MRAC 方法具有结构简单、易于实现等特点，但对于系统模型的不确定性和干扰有一定的局限性。
无模型自适应控制方法综述 2
无模型自适应控制方法综述
一、前言
无模型自适应控制是一种基于系统动态特性而不依赖于准确模型的控制方法，具有广泛的应用前景。本文将对无模型自适应控制方法进行综述，包括其基本原理、分类和应用等方面。
二、基本原理
无模型自适应控制方法是一种基于系统动态特性的控制方法，其核心思想是通过对系统动态特性的估计来实现对系统的控制。具体来说，该方法通过引入一个自适应机构来估计系统的未知参数和状态，并利用这些估计值来设计控制器。这样就可以在不需要准确模型的情况下实现对系统的控制。
三、分类
根据不同的自适应机构和控制策略，无模型自适应控制方法可以分为多种类型。常见的分类方式包括以下几种：
1. 直接自适应控制（Direct Adaptive Control，DAC）：该方法直接通过估计系统未知参数来设计控制器，并且只需要测量系统输出信号。
2. 间接自适应控制（Indirect Adaptive Control，IAC）：该方法通过估计系统状态和未知参数来设计状态反馈或输出反馈控制器，并且需要测量系统状态和输出信号。
3. 模型参考自适应控制（Model Reference Adaptive Control，MRAC）：该方法通过引入一个参考模型来设计控制器，并且通过估计系统未知参数来调整参考模型的参数。
4. 无模型预测控制（Model-Free Predictive Control，MFPC）：该方法通过引入一个预测模型来设计控制器，并且通过估计系统状态和未知参数来调整预测模型的参数。
四、应用
无模型自适应控制方法具有广泛的应用前景，在多个领域得到了成功的应用。以下是一些常见的应用场景：
1. 机器人控制：无模型自适应控制方法可以用于机器人姿态控制、路径跟踪和力矩控制等方面。
2. 航空航天：无模型自适应控制方法可以用于飞行器姿态和位置控制、推力矢量控制等方面。
3. 工业过程：无模型自适应控制方法可以用于温度、压力、流量等工业过程的控制。
移动机器人模糊控制与模糊自适应PID控制
第２８卷第４期 计算机仿真 ２０１１年４月
文章编号：１００６—９３４８（２０１１）０４—０１６７—０５
移动机器人模糊控制与模糊自适应ＰＩＤ控制
林俊，林凯，王苏卫，兰浩
（湖南师范大学，湖南长沙４１００８１）
摘要：研究机器人路径规划问题，在移动机器人上配置超声波传感器，对返回的距离值进行信息融合，并将环境分为有障和 无障两种模式。针对无障模式下模糊控制的路径振荡问题，为了克服振荡和减小超调，提出了有障模式下的模糊控制和无 障模式下的模糊自适应ＰＩＤ控制方案。利用ＭＡＴＬＡＢ建立了ＧＵＩ移动机器人仿真平台。仿真结果表明，在非结构化未知 环境下，可使系统响应速度加快，解决了振荡和超调问题，更好地实现从起点到静态目标点的路径规划任务，可为设计提供 可靠依据。 关键词：移动机器人；模糊控制；自适应 中图分类号：ＴＰ２４２．６ 文献标识码：Ａ
Ｃｏｎｔｒｏｌ ｏｆ ａ Ｍｏｂｉｌｅ Ｒｏｂｏｔ Ｂａｓ ｅｄ ｏｎ Ｆｕｚｚｙ ａｎｄ Ｆｕｚｚｙ Ａｄａｐｔｉｖｅ ＰＩＤ
ＬＩＮ Ｊｕｎ，ＵＮ Ｋａｉ，ＷＡＮＧ Ｓｕ—ｗｅｉ，ＩＡＮ Ｈａｏ
（Ｈｕｎａｎ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ Ｈｕｎａｎ ４１００８１，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ｄｉｓｐｏｓｉｎｇ ｔｈｅ ｕｌｔｒａｓｏｎｉｃ ｓｅｎｓｏｒ ｏｎ ｔｈｅ ｍｏｂｉｌｅ ｒｏｂｏｔ ａｎｄ ｆｕｓｉｎｇ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｆｒｏｍ ｔｈｅ ｍｅａｓｕｒｅｄ ｖａｌ—
ｕｅ，ｔｈｅ ｓｙｓｔｅｍ ｄｉｖｉｄｅｓ ｔｈｅ ｅｎｖｉｒｏｎｍｅｎｔｓ ｉｎｔｏ ｔｗｏ ｔｙｐｅｓ：ｔｈｅ ｏｂｓｔａｃｌｅ ｍｏｄｅ ａｎｄ ｔｈｅ ｎｏｎ—ｏｂｓｔａｃｌｅ ｍｏｄｅ．Ｉｎ ｖｉｅｗ ｏｆ ｔｈｅ
ｏｓｃｉｌｌａｔｉｏｎ ｐｒｏｂｌｅｍ ｕｎｄｅｒ ｔｈｅ ｎｏｎ—ｏｂｓｔａｃｌｅ ｍｏｄｅ ｂａｓｅｄ ｏｎ ｔｈｅ ｆｕｚｚｙ ｃｏｎｔｒｏｌ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ｔｈａｔ ｔｈｅ ｆｕｚｚｙ ｃｏｎ— ｔｒｏｌ ｉｓ ｕｓｅｄ ｆｏｒ ｔｈｅ ｏｂｓｔａｃｌｅ ｍｏｄｅ ａｎｄ ｔｈｅ ｆｕｚｚｙ ａｄａｐｔｉｖｅ ＰＩＤ ｃｏｎｔｒｏｌ ｉｓ ｕｓｅｄ ｆｏｒ ｔｈｅ ｎｏｉｌ—ｏｂｓｔａｃｌｅ ｍｏｄｅ，ａｎｄ ｅｓｍｂｌｉ—
无模型自适应控制算法
无模型自适应控制算法
无模型自适应控制算法是一种控制方法，可用于系统动态模型未知或难以确定的情况。这种算法通过利用系统的输入和输出数据来在线估计并调整控制器的参数，以适应系统的变化。本文将介绍无模型自适应控制算法的原理、应用和优缺点。
无模型自适应控制算法的基本原理是利用递归最小二乘法（RLS）来在线估计系统的动态特性。控制器的参数根据估计的系统动态特性不断调整，以实现对系统的精确控制。无模型自适应控制算法主要由以下几个部分组成：参数估计器，控制器，信号发生器和目标模型。
首先，参数估计器使用递归最小二乘法（RLS）来估计系统的动态特性。其基本思想是通过对系统输入和输出数据的观测和分析，逐步找到最佳参数，以逼近真实的系统特性。参数估计器会不断更新参数的估计值，以最小化估计误差。
然后，控制器利用参数估计器提供的系统特性信息来生成控制信号。控制器的目标是使系统的输出尽可能接近期望值。控制器可以根据实际情况调整自身的参数，以实现更好的控制效果。
信号发生器用于生成系统的输入信号。输入信号的选择对于控制系统的性能和鲁棒性至关重要。通常，输入信号具有一定的随机性，以保证系统的正常运行并提供足够的信息来估计系统的特性。
目标模型是控制系统的期望输出模型。通过比较实际输出和目标模型的差异，控制器可以调整自身的参数，以使实际输出更接近期望输出。目标模型通常可以根据系统的要求和性能指标进行选择。 无模型自适应控制算法可以应用于许多领域，如机器人控制、过程控制和自动驾驶等。它在系统具有不确定性和非线性特性时尤其有用。通过在线估计系统的动态特性和自适应调整控制器的参数，无模型自适应控制算法能够更好地适应系统的变化和不确定性，提高系统的控制性能和鲁棒性。
与传统的模型基准自适应控制算法相比，无模型自适应控制算法具有以下几个优点：
1.不需要准确的系统模型：传统的自适应控制算法需要系统的准确模型，而无模型自适应控制算法可以在不知道系统模型的情况下进行控制。这对于无法精确建模或难以确定模型的复杂系统来说尤为重要。