[发明专利]一种液压转向阿克曼型机器人的自动回充控制方法

权利要求书

1.一种液压转向阿克曼型机器人的自动回充控制方法，其特征在于：包括步骤：

(1)分别构建液压转向和电机驱动的输入输出动态模型，并据此构建机器人系统动态预测模型；

构建的液压转向和电机驱动的输入输出动态模型具体如下：

(11)一阶系统在复频域下的传递函数φ(s)由下列函数描述：

其中，s为复频域里的变量表示，k为比例系数，τ为一阶系统的时间常数，y(s)是表示的输出信号，x(s)表示系统的输入信号；

则转为时域得到：

其中，t为当前时刻，x(t)表示系统的输入信号，y(t)表示系统的输出信号，表示输出信号的一阶导数；

整理得到：

(12)构建液压转向的输入输出动态模型；

假设液压转向阿克曼型机器人的控制转向角为δ_control(t)，实际的转向角为δ_actual(t)，k＝1，则根据前述一阶常系数微分方程计算得到：

其中，表示机器人的实际转向角速度，τ_steering表示机器人转向一阶近似时间常数；

(13)构建电机驱动的输入输出动态模型；

根据前述一阶常系数微分方程计算得到：

其中，表示机器人的实际前进加速度，v_control表示机器人的前进控制速度，v_actual表示机器人实际的前进速度，τ_velocity表示机器人速度一阶近似时间常数；

(14)设计阶跃函数输入信号：

通过选择不同的c，记录机器人系统的输出y(t)，并通过最小二乘法计算得到使得预测阿克曼型机器人的输出轨迹与理论输出轨迹差异最小的系数τ_steering和τ_velocity；

构建的机器人系统动态模型具体为：

机器人的阿克曼底盘在里程计坐标系中的运动描述如下：

其中，L_wheelbase表示机器人的轴距，即后轮到前轮的距离；

根据步骤(1)得到：

定义机器人系统状态变量为x_state＝[x,y,θ,δ,v]，机器人系统的控制量为u＝[v_control,δ_control]，则将其离散化为N时间段之后得到：

x_state(i+1)＝H[x_state(i),u(i)]

其中，x_state(i)表示i时刻的机器人系统状态，x_state(i+1)表示i+1时刻的机器人系统状态；u(i)表示i时刻机器人系统的控制量；i∈[1,2,...,N]；N表示总的预测控制总时间步长；

(2)根据回充任务要求计算得到期望机器人系统状态，并结合步骤(1)构建模型预测控制的目标函数，并依据阿克曼底盘性能建立约束；

根据回充任务要求计算得到期望机器人系统状态具体为：

假设整个回充过程在里程计坐标系下进行，充电桩位置和姿态由机器人感知系统计算给出，由此计算得到当前充电桩在里程计坐标系下的位姿^odomP_dock如下：

^odomP_dock＝[x_dock,y_dock,θ_dock]^T

其中，(x_dock,y_dock)表示充电桩在里程计坐标系下的坐标，θ_dock表示充电桩在里程计坐标系下的朝向；

根据充电桩在里程计坐标系下的位姿计算得到机器人的目标位姿：

^odomP_target＝F(^odomP_dock)＝[x_target,y_target,θ_target]

其中，F(^odomP_dock)为变换函数，根据机器人上充电口的位置将当前充电桩在里程计坐标系下的位姿变换为机器人的目标位姿；

根据自动回充任务要求得到充电桩在里程计坐标系下的目标位姿，据此得到机器人的目标位姿，进而得到期望的机器人系统状态：

x_target(i)＝[^odomP_target,0,0]^T；

构建的模型预测控制的目标函数，并依据阿克曼底盘性能建立约束具体为：

构建模型预测控制的目标函数：

通过求取控制量序列[u(1),u(2),...u(N)]使得目标函数最小；

其中，控制量序列中各时刻控制量的初始值均为0；Q_N是轨迹末端权重矩阵，对角矩阵Q和R分别是系统状态轨迹权重矩阵和控制轨迹权重矩阵；

建立约束：

其中，X_min,X_max分别表示最小和最大允许的系统状态；△X_min,△X_max分别表示最小和最大允许的系统状态变化步长；U_min,U_max分别表示最小和最大允许的输入力矩；△U_min,△U_max分别表示最小和最大允许的直接力矩变化步长；

(3)在当前时刻求解步骤(2)的目标函数得到下一时刻的控制量，并据此控制机器人；

(4)重复步骤(3)，直至完成机器人的自动回充控制。

2.根据权利要求1所述的液压转向阿克曼型机器人的自动回充控制方法，其特征在于：所述步骤(3)具体为：

在某个控制周期i时刻，控制器求解步骤(2)的目标函数，得到i+1时刻的控制量序列u^＊＝[u(1),u(2),...u(N)]，则取u(1)下发到移动机器人底层控制器中，在该周期内采集系统状态信息，更新系统约束方程，将i时刻的控制量序列代入目标函数中求解得到第i+2时刻的控制量。