[发明专利]一种轮式移动机器人的运动分段控制方法

说明书

技术领域

本发明主要涉及一种机器人自动控制领域，尤其涉及一种适用于轮式移动机器人的轨迹跟踪控制方法。

背景技术

运动控制是轮式移动机器人系统研究中最基本的问题，精确的运动控制能力不仅是多轮式移动机器人系统协调工作的基础，也是轮式移动机器人在各个领域中成功应用的关键。

移动式机器人与固定基座的机器人相比，具有更大、更灵活的工作空间，但同时轮式运动引入了非完整约束。作为一类典型的非完整系统和复杂的非线性系统，移动机器人的镇定和跟踪问题引起了人们的广泛关注，对非完整约束移动机器人的控制策略的研究成为机器人研究的一个热点。近年来针对轮式移动机器人的轨迹跟踪和镇定问题，相关领域的很多学者已作了大量的研究工作，采用了许多控制理论和方法来设计轨迹跟踪控制器。现有的轮式移动机器人跟踪控制技术大致可以如下几类：基于反馈线性化方法；基于滑模变结构方法；基于积分后退技术的方法；基于模糊控制、神经网络控制和遗传算法等智能控制的跟踪控制方法；基于自适应鲁棒控制的跟踪控制方法；基于模型预测的跟踪控制方法等。上述分类也并不具有绝对意义，很多学者已经采用了多种方法的交叉设计，并正在尝试提出新的理论和方法来解决现有方法中存在的各种问题。

虽然目前已有不少关于轮式移动机器人运动控制方法，但其中大部分方法都是考虑在整个跟踪过程中使用同一种控制方法来控制轮式移动机器人或其它类型的移动机器人，这样就显得缺乏针对性。轮式移动机器人在行驶的不同的阶段会出现一些不同的问题(如行驶初期出现速度跳变现象、行驶途中出现能耗过多现象、行驶后期出现不稳定现象等)，如果只用一种控制方法去控制整个运动过程，就不能很好地解决各阶段出现的各种问题。

发明内容

本发明要解决的技术问题在于：针对现有技术存在的不足之处，本发明提供一种面向轮式移动机器人的分段运动控制方法，把整个控制过程分成不同阶段，针对不同阶段出现的某些问题，分别用不同的控制模块进行控制，在实现轨迹跟踪的同时，解决各个阶段出现的问题。

本发明采用以下技术方案：

一种轮式移动机器人的运动分段控制方法，其步骤为：

(1)集成基于生物激励神经动力学模型的初始运动轨迹跟踪、基于能量优化模型的轨迹跟踪和基于模型预测控制模型的终端跟踪控制三种运动控制策略；

(2)由路径规划算法给出轮式移动机器人系统的参考位姿p_r(t)＝[x_r(t) y_r(t) θ_r(t)]^T和参考速度q_r(t)＝[v_r(t) ω_r(t)]^T；由轮式移动机器人的定位模块反馈得到轮式移动机器人当前实际位姿p_c(t)＝[x(t) y(t) θ(t)]^T；p_r(t)与p_c(t)进行比较可以得到轮式移动机器人全局位姿误差矢量，再经过坐标变换矩阵T转换得到局部位姿误差矢量X_e(t)＝[x_e(t) y_e(t) θ_e(t)]^T；

(3)根据当前轮式移动机器人运动所处的阶段选择控制策略：如果轮式移动机器人运动处在跟踪初期，则选用基于生物激励神经动力学模型的轨迹跟踪策略；如果轮式移动机器人运动处在跟踪中段，则选用基于能量优化模型的轨迹跟踪策略；如果轮式移动机器人运动处在跟踪后期，则选用基于模型预测控制模型的轨迹跟踪策。

作为本发明的进一步改进：

所述基于生物激励神经动力学模型的轨迹跟踪策略的步骤为：

(1.1)考虑到X_e中的θ_e对速度跳变影响较小，暂不对其做处理，仅将X与Y轴方向的误差x_e与y_e通过生物激励神经动力学模型进行改进，输出相应的两个虚拟控制量σ_x和σ_y；

以σ_x为例，所述生物激励神经动力学模型为下式：