[发明专利]一种轮式移动机器人编队的神经网络自适应控制方法

说明书

本发明公开了一种轮式移动机器人编队的神经网络自适应控制方法，包括如下步骤：S1、获取编队误差e，S2、基于公式计算跟随机器人控制量；S3、基于跟随机器人控制量控制跟随机器人；S4、返回步骤S1并循环执行步骤S1至S3直到控制过程结束。能够在打滑和不打滑两种情况下，自动控制移动机器人形成并保持编队，以及继续前行。

技术领域

本发明涉及机器人控制领域，尤其涉及一种轮式移动机器人编队的神经网络自适应控制方法。

背景技术

因轮式移动机器人编队具有广泛的应用前景，使其在近几十年中成为机器人领域中的研究热点。经过多年的研究发展，现已形成了领航跟随法，基于行为法和虚拟结构法三种最常用的控制方法，其中领航跟随法因具有数学分析简单，编队运动安全高效和易于形成和保持队形等优点，已广泛应用于移动机器人编队的各研究领域。

现有的轮式移动机器人编队的控制方法中，若车轮发生打滑情况，则不满足非完整约束，机器人的线速度会与车轴形成一个偏离角而产生轴向和侧向速度分量，并引起一个附加的角速度。若在控制器设计时，只考虑了车轮不打滑的情况，则会在车轮发生打滑时，影响控制性能和效果，甚至失效，而无法保证编队的正常行进。此外，现在控制器中嵌入的径向基函数神经网络(RBF NN)只考虑了线性权值的更新，对高斯函数的中心和方差两个非线性参数未设计更新律进行调整。这两个方面，将极大的影响系统的自适应性、智能性和实用性。

为了解决这个问题，如何通过调整RBF NN三个参数的非线性更新，保障机器人在打滑和不打滑的情况下，均能使机器人编队正常行进，和提高系统的自适应性、智能性和实用性，成为了本领域技术人员急需解决的问题。

发明内容

针对现有技术中存在的上述不足，本发明需要解决的问题是：如何提高控制器的自适应性、智能性和实用性。

为解决上述技术问题，本发明采用了如下的技术方案：

一种轮式移动机器人编队的神经网络自适应控制方法，包括如下步骤：

S1、获取编队误差e，e＝[l_e,ψ_e]^T＝[l-l^d,ψ-ψ^d]^T，其中，l_e为领航机器人和跟随机器人的距离误差，l为领航机器人和跟随机器人的当前距离，l^d为领航机器人和跟随机器人的期望距离，ψ_e为领航机器人和跟随机器人的角度误差，ψ为领航机器人和跟随机器人的当前角度，ψ^d为领航机器人和跟随机器人的期望角度；

S2、基于公式计算跟随机器人控制量，其中，f和g为计算参数，v₁表示领航机器人线速度，ω₁表示领航机器人角速度，d表示机器人后轴到前端的距离，γ＝θ_e+ψ，θ_e＝θ₁-θ₂，θ₁表示领航机器人的方向角，θ₂表示跟随机器人的方向角，k₁为控制参数，及均为估计参数；

S3、基于跟随机器人控制量控制跟随机器人；

S4、返回步骤S1并循环执行步骤S1至S3直到控制过程结束。

优选地，步骤S1及S2之间还包括：

更新及

综上所述，本发明公开了一种轮式移动机器人编队的神经网络自适应控制方法，包括如下步骤：S1、获取编队误差e，S2、基于公式计算跟随机器人控制量；S3、基于跟随机器人控制量控制跟随机器人；S4、返回步骤S1并循环执行步骤S1至S3直到控制过程结束。能够在打滑和不打滑两种情况下，自动控制移动机器人形成并保持编队，以及继续前行。

附图说明