[发明专利]一种基于反步滑模的移动机器人轨迹跟踪方法

说明书

本发明属于机器控制领域，涉及轮式移动机器人轨迹跟踪控制技术，更具体地，是一种基于反步滑模的移动机器人轨迹跟踪方法。包括如下步骤：步骤1：建立移动机器人的运动学模型和动力学模型；步骤2：基于反步法设计移动机器人的运动学控制器；步骤3：基于组合趋近律的滑模变结构设计移动机器人的动力学控制器；步骤4：根据机器人的运动学模型，得到移动机器人的实际位姿和实际速度；将移动机器人的期望位姿和实际位姿输入反步法运动学控制器，得到虚拟控制变量，将虚拟控制变量和实际速度输入到动力学控制器，得到控制力矩，将控制力矩和外界扰动输入动力学模型，输出加速度，使得移动机器人的实际位姿达到期望位姿。

技术领域

本发明属于机器控制领域，涉及轮式移动机器人轨迹跟踪控制技术，更具体地，是一种基于反步滑模的移动机器人轨迹跟踪方法。

背景技术

轮式移动机器人是集环境感知、动态决策与规划和行为控制与执行等多种功能于一体的智能移动平台，相对于传统的工业机器人，移动机器人具有运动灵活、承载能力强和工作效率高等特点，近年来在服务业、航空航天和抗震救灾等领域得到了广泛应用。

机器人技术是自动化与控制领域中的一个重要分支，在工业生产和日常生活中获得了广泛的应用。其中轮式移动机器人是日常生活中最常见的一类移动机器人，无论是在工业、军事、民用还是科学探索中都发挥着重要作用，能够在深海勘测、灾难勘测等恶劣环境中能够代替人执行信息采集与处理任务。当前，探索移动机器人在复杂环境中的运动性能，是研究的热门话题。

非完整轮式移动机器人是典型的多输入多输出的非线性系统，因此轨迹跟踪是移动机器人运动控制的基础，目的在于设计合理的控制方法得移动机器人快速稳定地跟踪预先设定的以时间为变量函数的曲线。传统上解决移动机器人轨迹跟踪的方法有PID控制、反步法控制、滑动模态控制或者自适应控制等，这些方法都取得了不错的跟踪效果，但是在系统中存在不确定因素或者路径存在拐点或者初始误差较大等条件下时，其运动往往达不到理想的跟踪效果。近年来，随着人工智能的发展，模糊神经网络的应用技术在控制领域体现了很好的应用前景，为解决机器人控制中存在的高度非线性、耦合性及未建模的不确定性方面提供了有效的途径。

发明内容

为了克服现有技术的不足，本发明提供了一种基于反步滑模的移动机器人轨迹跟踪方法，首先对移动机器人进行运动学和动力学建模；然后采用反步方法实现移动机器人的轨迹跟踪；然后基于移动机器人的动力学模型利用滑模变结构方法设计速度跟踪控制律；最后根据设计的控制律实现对移动机器人的精准轨迹跟踪。该方法能够有效削弱控制系统的抖振现象，并可以提高移动机器人在期望路径存在拐点时的运动性能，并提高了移动机器人的抗干扰能力和轨迹跟踪的运动精度。

为实现上述目的，本发明采用如下技术方案：

一种基于反步滑模的移动机器人轨迹跟踪方法，包括如下步骤：

步骤1：建立移动机器人的运动学模型和动力学模型；

步骤2：基于反步法设计移动机器人的运动学控制器；

步骤3：基于组合趋近律的滑模变结构设计移动机器人的动力学控制器；

步骤4：根据机器人的运动学模型，得到移动机器人的实际位姿和实际速度；将移动机器人的期望位姿和实际位姿输入反步法运动学控制器，得到虚拟控制变量，将虚拟控制变量和实际速度输入到动力学控制器，得到控制力矩，将控制力矩和外界扰动输入动力学模型，输出加速度，使得移动机器人的实际位姿达到期望位姿。

本技术方案进一步的优化，所述移动机器人的运动学模型：

移动机器人在任意时刻的实际位姿为：

公式(1)中的x，y和分别表示移动机器人横向、纵向以及航向角的位姿。移动机器人在任意时刻的实际速度为：