[发明专利]基于事件触发机制的移动机器人轨迹跟踪最优控制方法

说明书

本发明公开一种基于事件触发机制的机器人轨迹跟踪最优控制方法，包括：结合最优控制理论，定义参考机器人与跟踪机器人的轨迹误差为机器人系统误差状态，使系统误差状态为零；通过动作‑评判网络框架去求解机器人的最优跟踪轨迹，利用评判网络来逼近非线性系统的代价函数，并用动作网络来估计最优控制律；通过采用事件触发方法，控制信号以非周期方式传输，评判网络和动作网络两个神经网络仅在由事件触发条件决定的更新时刻更新自身权值；定义Lyapunov函数，基于此函数设计事件触发条件，并利用最优控制理论，保证机器人跟踪系统的误差状态收敛到零。本发明方便求解最优轨迹，且极大的减少了机器人跟踪系统内部的通信损耗，减少了系统资源不必要的浪费。

技术领域

本发明涉及机器人跟踪系统的事件触发和最优控制领域，尤其涉及一种基于事件触发与最优控制相结合以控制非完整机器人轨迹跟踪的方法。

背景技术

近年来，非完整机器人越来越受到控制界的重视。非完整机器人是一种运动约束用不可积微分方程表示的机器人。非完整机器人的设计与控制涉及机器人学、分析力学、非线性控制理论等学科的综合。传统的非完整移动机器人跟踪控制方法主要有Taylor线性化或基于跟踪误差模型的动态反馈线性化，得到局部跟踪结果。最近，最优控制广泛应用于航空航天、机器人和飞行器等领域。随着神经网络的发展，自适应动态规划(ADP)在求解控制约束下的最优控制问题方面受到了广泛的关注。从数学的角度看，找到最优控制器等价于求解非线性HJB方程。然而，ADP方法一般采用时间触发控制。这往往会导致大量的网络通信资源的使用。所以，本发明将基于事件触发的ADP策略应用于机器人轨迹跟踪控制的问题中，以提高非完整机器人系统的网络带宽利用率和轨迹跟踪精度。

与本发明相关的现有技术一：

公开号为CN103631142A的专利申请公开了一种用于轮式机器人轨迹跟踪的跌代学习算法

现有技术一的技术方案

该方法涉及一种用于移动机器人轨迹跟踪的控制方法，解决增益参数的选取问题。

1)在常规PID迭代学习控制的基础上，将实际轨迹的状态参与到每一次的迭代运算中使的控制效果更接近于期望值；

2)将模型算法学习律中学习增益矩阵的形式引入到PID算法的学习增益矩阵中，解决了增益矩阵较难获取的问题。

现有技术一的缺点

1)没有考虑机器人轨迹跟踪的最优路径.

2)没有考虑减少机器人跟踪系统的通信损耗。

与本发明相关的现有技术二：

公开号为CN109960150A的专利申请公开了一种巡检机器人轨迹跟踪控制方法

现有技术二的技术方案

该发明公开了一种巡检机器人轨迹跟踪控制方法，具体步骤为：建立车轮轴中心与机器人参考位置不重合时的机器人前轮转向后轮驱动的运动学模型；根据机器人前轮转向后轮驱动的运动学模型建立机器人的原地转向模型；确定轨迹跟踪控制率，完成巡检机器人轨迹跟踪控制。

现有技术二的缺点

1)巡检机器人轨迹跟踪运动学模型特别复杂，计算复杂度高；

2)没有考虑减少巡检机器人轨迹跟踪系统的通信损耗；

3)未考虑最优轨迹跟踪路径。

与本发明相关的现有技术三：

公开号为CN111290408A公开了一种移动机器人轨迹跟踪控制方法

现有技术三的技术方案