CN108983786A - 一种通讯范围约束下移动机器人的编队控制方法 - Google Patents
一种通讯范围约束下移动机器人的编队控制方法 Download PDFInfo
- Publication number
- CN108983786A CN108983786A CN201810894993.XA CN201810894993A CN108983786A CN 108983786 A CN108983786 A CN 108983786A CN 201810894993 A CN201810894993 A CN 201810894993A CN 108983786 A CN108983786 A CN 108983786A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- error
- design
- formation
- indicate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004891 communication Methods 0.000 title claims abstract description 30
- 238000013461 design Methods 0.000 claims abstract description 58
- 230000003044 adaptive effect Effects 0.000 claims abstract description 22
- 230000001052 transient effect Effects 0.000 claims abstract description 18
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000013016 damping Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 7
- 239000011717 all-trans-retinol Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
- G05D1/0295—Fleet control by at least one leading vehicle of the fleet
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种通讯范围约束下移动机器人的编队控制方法,该方法针对移动机器人的模型不确定设计编队控制器,并保证编队误差最终收敛到零点。本发明步骤包括:构建移动机器人的动态模型;定义在领导者‑跟随者编队结构中第i个移动机器人与其领导者之间的距离变量与方位角变量;设计针对编队距离误差与方位角误差的性能函数;结合性能函数与tan型障碍李雅普诺夫函数及反步设计法设计编队控制器;运用自适应控制技术解决控制器设计中的模型不确定问题。本发明方法设计的编队控制器能使得在领导者‑跟随者编队结构中的每个移动机器人既能测量到其领导者的信息同时能避免与其领导者发生碰撞,编队误差满足预设的暂态性能,同时最终可以收敛到零点。
Description
技术领域
本发明涉及移动机器人的编队控制领域,特别涉及一种通讯范围约束下移动机器人的编队控制方法。
背景技术
近些年来,移动机器人的编队控制越来越成为研究的热点,主要原因在于相对于单个移动机器人,具有一定编队结构的一群移动机器人在完成某些复杂危险操作时效率更高,诸如目标搜寻、环境保护、资源测量等。在众多的编队结构中,领导者-跟随者编队结构因为其结构简单并易于扩展,因而得到了更多的关注,目前关于此编队结构已有一定的研究成果。在领导者-跟随者编队结构中,每个移动机器人跟随其领导者,与此同时其自身也作为其跟随者的领导者,整个编队跟随给定的参考轨迹运动。
由于每个移动机器人需要通过自身的车载传感器测量其领导者的运动信息来在线计算自身控制器的输出,而车载传感器的测量范围却是有限的,因此所设计的控制器应使得在编队运动的整个过程中每个移动机器人都能始终测量到其领导者,还需要与其领导者保持一定的安全距离以避免发生碰撞。为了解决这个问题,首先定义出每个移动机器人与其领导者之间的距离变量与方位角变量,距离变量与方位角变量在编队运动期间需一直处于安全有效的范围内。然后定义相应的距离误差变量与方位角误差变量,在控制器设计过程中考虑将误差限制在对应的安全范围内,因此将输出受限问题转化成了误差受限问题。
同时,编队误差的暂态性能也是需要考虑的问题,因为若编队误差收敛太慢则每个移动机器人需要更长的时间才能达到其期望位置,而编队误差的超调量过大,则可能会导致每个移动机器人在调整其位置的过程中测量不到其领导者或者与其领导者发生碰撞。因此需对编队误差的暂态性能,如收敛速度与超调量等进行限制。本方设计了一种指数递减的性能函数,若保证编队误差始终在性能函数所规定的界内,则编队误差的收敛速度大于性能函数的收敛速度且超调量不会超过性能函数,通过改变性能函数的设计参数可以调节对误差的暂态性能的限制。将性能函数设计为在误差的安全范围内,则保证误差在性能函数规定的界内就不仅可保证每个移动机器人都能始终测量到其领导者且与其领导者避免发生碰撞,还可保证误差的暂态性能满足要求。
关于误差受限问题,目前已有一定的研究成果,如可采用预设性能控制方法。预设性能控制方法通过一个映射函数将需要受限的误差转化成非受限的新误差,该映射函数具有这样的特点,若转化后的误差有界则转化前的误差始终在规定的范围内,这样就可以针对转化后的误差设计控制器,保证转化后的误差有界即可。另一种方法是障碍李雅普诺夫函数,障碍李雅普诺夫函数是关于误差与边界的正定函数,有各种不同的形式,但都有一个共同特点,即保证该障碍李雅普诺夫函数有界就可保证误差一直在边界函数规定的范围内。本方法采用一种具有对称指数递减边界的tan型障碍李雅普诺夫函数来处理误差受限问题。
在移动机器人的领导者-跟随者编队控制中另一个重要的问题就是移动机器人的模型不确定问题。针对移动机器人所设计的编队控制器中需对模型中的部分进行补偿,模型不确定会影响系统的性能,甚至导致测量的失败或者碰撞的发生。解决模型不确定问题可以采用自适应控制方法或者神经网络控制方法。自适应控制技术主要解决模型参数不确定,在控制器中用对未知参数的估计值来补偿模型中的对应部分;神经网络控制方法一般采用RBF神经网络对模型未知部分进行拟合,在控制器中用神经网络的拟合值补偿模型中的未知部分。本方法采用自适应控制技术解决移动机器人的模型不确定问题,编队误差最终可以收敛到零点。
发明内容
本发明的目的在于克服现有技术中的缺点与不足,提供一种通讯范围约束下移动机器人的编队控制方法,本方法采用自适应控制技术针对模型参数不确定的移动机器人设计控制器,既能保证在领导者-跟随者编队结构中,每个移动机器人都能始终通过自身的车载传感器测量到其领导者并避免与其领导者发生碰撞,还保证了编队误差的暂态性能,且编队误差最终可收敛到零点。
为实现以上目的,本发明采取如下技术方案:
一种通讯范围约束下移动机器人的编队控制方法,包含以下步骤:
步骤(1):建立领导者-跟随者编队结构中移动机器人的动态模型,并将向量形式的动态模型展开成标量形式;
步骤(2):定义在领导者-跟随者编队结构中第i个移动机器人与其领导者之间的距离变量di与方位角变量θi,i=1,2,3…N,并确保距离变量di与方位角变量θi及其对应的误差满足移动机器人的通讯范围约束;
步骤(3):针对编队距离误差和方位角误差的通讯范围约束条件,设计指数递减的性能函数βji;
步骤(4):采用tan型障碍李雅普诺夫函数并结合性能函数βji,来确保编队距离误差和方位角误差满足暂态性能的约束条件;
步骤(5):运用反步设计法针对距离误差系统和方位角误差系统进行虚拟控制器设计;
步骤(6):运用自适应控制技术解决移动机器人动态模型未知参数的不确定问题:根据步骤(5)设计的虚拟控制器来定义运动误差,并估计移动机器人模型中的未知参数Θli,并设计未知参数Θli估计值的自适应更新率;
步骤(7):基于步骤(4)到步骤(6)中的反步设计法、自适应控制技术与tan型障碍李雅普诺夫函数,设计编队控制器。
作为优选的技术方案,步骤(1)中,第i个移动机器人的标量形式的动态模型为:
其中,(xi,yi)和分别为第i个移动机器人的位置和方向,为相应的导数;vi,wi分别为第i个移动机器人的线速度和角速度,为相应的导数;表示转化为标量形式后线速度动态中的惯性系数;表示转化为标量形式后角速度动态中的惯性系数;Φvi表示转化为标量形式后线速度动态中的向心力、科氏力与阻尼部分;Φwi表示转化为标量形式后角速度动态中的向心力、科氏力与阻尼部分;τvi表示转化为标量形式后线速度动态中的控制力矩;τwi表示转化为标量形式后角速度动态中的控制力矩;其中:
τvi=τ1i+τ2i,τwi=τ1i-τ2i
式中,bi表示第i个移动机器人的两驱动轮之间的距离的二分之一;ci表示第i个移动机器人的向心力与科氏力系数;ri表示第i个移动机器人的驱动轮的半径;d11i表示第i个移动机器人动态模型阻尼矩阵中的左上角未知常系数;d22i表示第i个移动机器人动态模型阻尼矩阵中的右下角未知常系数;m11i表示第i个移动机器人的对称惯性矩阵中的左上角和右下角未知常系数;m12i表示第i个移动机器人的对称惯性矩阵中的右上角和左下角未知常系数;表示转化为标量形式后线速度动态中的惯性系数;表示转化为标量形式后角速度动态中的惯性系数;τ1i表示施加在第i个移动机器人左驱动轮上的力矩;τ2i表示施加在第i个移动机器人右驱动轮上的力矩。
作为优选的技术方案,步骤(2)中,所述第i个移动机器人与其领导者之间的距离变量di与方位角变量θi,具体由如下公式定义:
其中,表示将第i-1个移动机器人与第i个移动机器人在大地坐标系中的纵坐标之差转化为在体坐标系中的误差;表示将第i-1个移动机器人与第i个移动机器人在大地坐标系中的横坐标之差转化为在体坐标系中的误差;
为保持移动机器人的通讯连接,要求在整个编队的运动过程中距离变量di与方位角变量θi满足以下通讯范围约束条件:
dcol,i<di(t)<dcon,i,-θcon,i<θi(t)<θcon,i
其中,dcol,i、dcon,i、θcon,i分别为设计的第i个移动机器人的碰撞距离、测量距离、测量角度;
对应的距离误差edi=di-ddes,i和方位角误差eθi=θi-θdes,i要求满足的通讯范围约束条件为:
dcol,i-ddes,i<edi(t)<dcon,i-ddes,i,-θcon,i-θdes,i<eθi(t)<θcon,i-θdes,i
其中,ddes,i、θdes,i分别为设计的第i个移动机器人的期望距离和期望方位角。
作为优选的技术方案,步骤(3)中,所述设计指数递减的性能函数βji,βji具体形式为:
其中,βji,0=ddes,i-dcol,i=dcon,i-ddes,i,βθi,0=θcon,i-θdes,i为性能函数的初始值,βji,∞为性能函数的稳态值,κji为性能函数的设计参数。
作为优选的技术方案,步骤(4)中,采用tan型障碍李雅普诺夫函数:
其中e为误差,β为误差对应的性能函数,当设计的编队控制器能保证tan型障碍李雅普诺夫函数V始终有界,则误差e始终满足-β<e<β;因此结合设计的性能函数βji可确保编队距离误差edi和方位角误差eθi始终满足暂态性能的约束条件:
-βji<eji<βji,j=d,θ
约束条件表明编队误差eji的收敛速度始终大于性能函数βji的收敛速度,编队误差eji的超调量始终小于性能函数βji所构造的边界,因此采用tan型障碍李雅普诺夫函数并结合步骤(3)设计的性能函数,可保证编队误差的暂态性能。
作为优选的技术方案,步骤(5)中,运用反步设计法针对误差系统进行虚拟控制器设计,得到的虚拟控制器为:
其中kji和kj1i均为正常数且满足αvi表示针对线速度动态模型设计的虚拟控制器;αwi表示针对角速度动态模型设计的虚拟控制器;di表示第i个移动机器人与第i-1个移动机器人之间的距离。
作为优选的技术方案,步骤(6)中,具体过程如下:
定义运动误差:
z21i=vi-αvi,z22i=wi-αwi
其中z21i表示第i个移动机器人的线速度与针对线速度动态模型设计的虚拟控制器之差,z22i表示第i个移动机器人的角速度与针对角速度动态模型设计的虚拟控制器之差;
根据移动机器人的运动学方程,即根据步骤(1)中,第i个移动机器人的标量形式的动态模型中线速度和角速度方程,可得:
其中,显然Θli,l=1,2为未知参数向量,其中包括移动机器人模型中的部分未知参数,设计自适应参数估计器来估计移动机器人模型中的未知参数向量Θli,参数估计器的自适应更新率设计为:
其中,ΓΘli为自适应增益矩阵且满足ΓΘli=ΓT Θli>0。
作为优选的技术方案,步骤(7)中,所述设计编队控制器,具体为:
其中,τvi和τwi分别表示第i个移动机器人的线速度控制输入和角速度控制输入;k1i表示线速度控制输入τvi中可设计的正常数系数;k2i表示角速度控制输入τwi中可设计的正常数系数;τ1i和τ2i分别为施加在第i个移动机器人左右轮上的控制力矩。
本发明相对于现有技术具有如下的优点和效果:
1、本发明方法结合tan型障碍李雅普诺夫函数和指数递减性能函数,可保证编队误差始终在性能函数规定的界内,这既能确保在领导者-跟随者编队结构中,每个移动机器人都能始终测量到其领导者并避免与其领导者发生碰撞,还保证了编队误差的暂态性能,使得每个移动机器人能较快的到达各自的期望位置。
2、本发明方法采用自适应控制技术解决移动机器人的模型参数不确定问题,在控制器中采用对未知参数的估计值来补偿模型的对应部分,并选择合适的参数估计值更新率,参数估计值根据系统动态实时在线更新,可保证编队误差最终收敛到零点。
3、本发明方法所设计的编队控制器为分散式编队控制器,即在领导者-跟随者编队结构中每个移动机器人只根据自身及其领导者的本地信息计算自己的控制信号,便于扩展编队结构中的移动机器人个数。
附图说明
图1为本发明实施例领导者-跟随者编队示意图。
图2为本发明实施例移动机器人的编队控制的整体控制框图。
图3为本发明实施例移动机器人编队运动的相平面图。
图4为本发明实施例编队距离变量仿真图。
图5为本发明实施例编队方位角变量仿真图。
图6为本发明实施例参数估计值的范数仿真图。
图7为本发明实施例参数估计值的范数仿真图。
图8为本发明实施例编队控制器τ1i输出仿真图。
图9为本发明实施例编队控制器τ2i输出仿真图。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不限于本发明。
实施例
通讯范围约束下移动机器人的领导者-跟随者编队控制,编队中一共有4个移动机器人,图1为通讯范围约束下移动机器人的领导者-跟随者编队示意图。
如图2所示为通讯范围约束下移动机器人的领导者-跟随者编队控制方法的整体控制框图,该控制方法的详细实施过程包括下述步骤:
步骤(1):建立领导者-跟随者编队结构中移动机器人的动态模型,并将向量形式的动态模型展开成标量形式;
建立领导者-跟随者编队结构中的第i(i=1,2,3,4)个移动机器人的系统模型,其向量形式为:
其中,为第i个移动机器人的位置(xi,yi)与方向ωi=[ω1i,ω2i]T为移动机器人两轮的角速度,τi=[τ1i,τ2i]T为施加在移动机器人左右两轮上的控制力矩,Ji(ηi)为旋转矩阵,Mi为正定的对称矩阵,Ci为科氏力与向心力矩阵,Di为阻尼矩阵;其中Ji(ηi)、Mi、Ci、Di的具体形式为:
其中,
mci表示第i个移动机器人的车体质量,mwi表示第i个移动机器人的带电机的驱动轮的质量,Ici表示第i个移动机器人的车体关于通过重心的垂直轴的转动惯量,Imi表示第i个移动机器人的带电机的驱动轮关于驱动轮直径的转动惯量,Iwi表示第i个移动机器人的带电机的驱动轮关于驱动轮轮轴的转动惯量,ai表示第i个移动机器人的重心与两驱动轮连线的中点之间的距离,bi表示第i个移动机器人的两驱动轮之间距离的二分之一,ci表示第i个移动机器人的向心力科氏力系数,ri表示第i个移动机器人的驱动轮的半径,d11i表示第i个移动机器人动态模型阻尼矩阵中的左上角未知常系数,d22i表示第i个移动机器人动态模型阻尼矩阵中的右下角未知常系数,m11i表示第i个移动机器人的对称惯性矩阵中的左上角和右下角未知常系数,m12i表示第i个移动机器人的对称惯性矩阵中的右上角和左下角未知常系数。
移动机器人两轮的角速度ωi与移动机器人整体的线速度vi、角速度wi关系如下:
其中vi=[vi,wi]T,为转换矩阵。
为了便于控制系统的设计,将移动机器人的动态模型转换为标量形式:
其中,
τvi=τ1i+τ2i,τwi=τ1i-τ2i
其中,表示转化为标量形式后线速度动态中的惯性系数;表示转化为标量形式后角速度动态中的惯性系数;τ1i表示施加在第i个移动机器人左驱动轮上的力矩;τ2i表示施加在第i个移动机器人右驱动轮上的力矩。
在本实施例中,移动机器人的系统参数分别为bi=0.75m,ai=0.3m,ri=0.15m,mci=30kg,mwi=1kg,Ici=15.625kg·m2,Iwi=0.005kg·m2,Imi=0.0025kg·m2,d11i=d12i=5N/(m/s)需要注意的是在设计控制器时,系统参数m11i,m12i,bi,ri,ci,d11i,d12i都是未知的。
在本实例中,移动机器人的初始位置与初始速度分别为:
η1(0)=[-3,-3,π/8]T,η2(0)=[-6,-6,π/8]T,η3(0)=[-9,-9,π/8]T,η4(0)=[-12,-12,π/8]T,vi(0)=[3,0.5]T,i=1,2,3,4
步骤(2):定义在领导者-跟随者编队结构中第i个移动机器人与其领导者之间的距离变量di与方位角变量θi,i=1,2,3…N,并确保距离变量di与方位角变量θi及其对应的误差满足移动机器人的通讯范围约束;
所述第i个移动机器人与其领导者之间的距离变量di为第i个移动机器人的两轮连线中点与其领导者的两轮连线中点之间的距离;方位角变量θi为第i个移动机器人与其领导者之间距离连线和该移动机器人的航向之间的夹角;具体由如下公式定义:
其中,
参考轨迹为第1个移动机器人的领导者,本实施例中,选取参考轨迹为:
其中t'=0.05(t-tc)且tc为正时间常数,选取tc=20s。如图3所示为领导者-跟随者编队中4个移动机器人运动轨迹的相平面图。
第i个移动机器人通过其车载传感器测量其领导者的信息,移动机器人的车载传感器的通讯范围约束要求在整个编队的运动过程中距离变量di与方位角变量θi需满足条件:
dcol,i<di(t)<dcon,i,-θcon,i<θi(t)<θcon,i
在本实施例中,选取第i个移动机器人的碰撞距离dcol,i=3m,测量距离dcon,i=5m,测量角度θcon,i=1rad。
步骤(3):针对编队距离误差和方位角误差的通讯范围约束条件,设计指数递减的性能函数βji,βji具体形式为:
其中,βji,0=ddes,i-dcol,i=dcon,i-ddes,i,βθi,0=θcon,i-θdes,i为性能函数的初始值,βji,∞为性能函数的稳态值,κji为性能函数的设计参数。设计的性能函数βji为指数递减函数,若设计控制器能使得-βji<eji<βji,j=d,θ,则不仅可以使误差满足有限测量限制条件,还可以通过设计参数κji对误差的暂态性能,如收敛速度与超调量等进行限制。在本实施例中,选取βdi,∞=0.1m,βθi,∞=0.1rad,κji=0.2。
如图4所示为编队距离变量di随时间的变化图,图5所示为编队方位角变量θi随时间的变化图,可见距离变量di与方位角变量θi在经过一段时间的波动后最终能分别到达期望距离ddes,i与期望方位角θdes,i,且在调节过程中始终满足约束条件,各个移动机器人在运动过程中既能测量到其领导者同时能避免与其领导者发生碰撞。
步骤(4):采用tan型障碍李雅普诺夫函数并结合性能函数βji,来确保编队距离误差和方位角误差满足暂态性能的约束条件;
所述tan型障碍李雅普诺夫函数为:
其中e为误差,β为误差对应的性能函数,当设计的编队控制器能保证tan型障碍李雅普诺夫函数V始终有界,则误差e始终满足-β<e<β;因此结合设计的性能函数βji可确保编队距离误差edi和方位角误差eθi始终满足暂态性能的约束条件:
-βji<eji<βji,j=d,θ
约束条件表明编队误差eji的收敛速度始终大于性能函数βji的收敛速度,编队误差eji的超调量始终小于性能函数βji所构造的边界,因此采用tan型障碍李雅普诺夫函数并结合步骤(3)设计的性能函数,可保证编队误差的暂态性能。
步骤(5):运用反步设计法针对距离误差系统和方位角误差系统进行虚拟控制器设计,得到的虚拟控制器为:
其中kji和kj1i均为正常数且满足αvi表示针对线速度动态模型设计的虚拟控制器;αwi表示针对角速度动态模型设计的虚拟控制器;di表示第i个移动机器人与第i-1个移动机器人之间的距离;在本实施例中,选取kdi=kθi=18,kd1i=kθ1i=6。
步骤(6):运用自适应控制技术解决移动机器人动态模型未知参数的不确定问题:根据步骤(5)设计的虚拟控制器来定义运动误差,并估计移动机器人模型中的未知参数Θli,并设计未知参数Θli估计值的自适应更新率,具体过程如下:
定义运动误差:
z21i=vi-αvi,z22i=wi-αwi
其中z21i表示第i个移动机器人的线速度与针对线速度动态模型设计的虚拟控制器之差,z22i表示第i个移动机器人的角速度与针对角速度动态模型设计的虚拟控制器之差;
根据移动机器人的运动学方程,即步骤(1)中,第i个移动机器人的标量形式的动态模型中的线速度和角速度方程,可得:
其中,显然Θli,l=1,2为未知参数向量,其中包括移动机器人模型中的部分未知参数,估计移动机器人模型中的未知参数向量Θli,参数估计器的自适应更新率设计为:
其中,ΓΘli为自适应增益矩阵且满足ΓΘli=ΓT Θli>0;针对模型未知参数的估计值设计在线更新率,说明未知参数的估计值在编队运动过程中根据状态不断进行更新的。
在本实施例中,选取ΓΘ11=15,ΓΘ21=5,ΓΘ12=15,ΓΘ22=22.5,ΓΘ13=20,ΓΘ23=25,ΓΘ14=5,
ΓΘ24=15;如图6和图7所示为未知参数估计值和的范数,可知对未知参数的估计值是有界的。
步骤(7):基于步骤(4)到步骤(6)中的反步设计法、自适应控制技术与tan型障碍李雅普诺夫函数,设计编队控制器:
其中,τvi和τwi分别表示第i个移动机器人的线速度控制输入和角速度控制输入;k1i表示线速度控制输入τvi中可设计的正常数系数;k2i表示角速度控制输入τwi中可设计的正常数系数;τ1i和τ2i分别为施加在第i个移动机器人左右轮上的控制力矩,如图8和图9所示为施加在每个移动机器人左右轮上的控制力矩输入。
本实施例的编队控制器使得在领导者-跟随者编队结构中的每个移动机器人既能测量到其领导者的信息同时能避免与其领导者发生碰撞,编队误差满足预设的暂态性能,同时最终可以收敛到零点。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以权利要求所述为准。
Claims (8)
1.一种通讯范围约束下移动机器人的编队控制方法,其特征在于,包含以下步骤:
步骤(1):建立领导者-跟随者编队结构中移动机器人的动态模型,并将向量形式的动态模型展开成标量形式;
步骤(2):定义在领导者-跟随者编队结构中第i个移动机器人与其领导者之间的距离变量di与方位角变量θi,i=1,2,3…N,并确保距离变量di与方位角变量θi及其对应的误差满足移动机器人的通讯范围约束;
步骤(3):针对编队距离误差和方位角误差的通讯范围约束条件,设计指数递减的性能函数βji;
步骤(4):采用tan型障碍李雅普诺夫函数并结合性能函数βji,来确保编队距离误差和方位角误差满足暂态性能的约束条件;
步骤(5):运用反步设计法针对距离误差系统和方位角误差系统进行虚拟控制器设计;
步骤(6):运用自适应控制技术解决移动机器人动态模型未知参数的不确定问题:根据步骤(5)设计的虚拟控制器来定义运动误差,并估计移动机器人模型中的未知参数Θli,并设计未知参数Θli估计值的自适应更新率;
步骤(7):基于步骤(4)到步骤(6)中的反步设计法、自适应控制技术与tan型障碍李雅普诺夫函数,设计编队控制器。
2.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(1)中,第i个移动机器人的标量形式的动态模型为:
其中,(xi,yi)和分别为第i个移动机器人的位置和方向,为相应的导数;vi,wi分别为第i个移动机器人的线速度和角速度,为相应的导数;表示转化为标量形式后线速度动态中的惯性系数;表示转化为标量形式后角速度动态中的惯性系数;Φvi表示转化为标量形式后线速度动态中的向心力、科氏力与阻尼部分;Φwi表示转化为标量形式后角速度动态中的向心力、科氏力与阻尼部分;τvi表示转化为标量形式后线速度动态中的控制力矩;τwi表示转化为标量形式后角速度动态中的控制力矩;其中:
τvi=τ1i+τ2i,τwi=τ1i-τ2i
式中,bi表示第i个移动机器人的两驱动轮之间的距离的二分之一;ci表示第i个移动机器人的向心力与科氏力系数;ri表示第i个移动机器人的驱动轮的半径;d11i表示第i个移动机器人动态模型阻尼矩阵中的左上角未知常系数;d22i表示第i个移动机器人动态模型阻尼矩阵中的右下角未知常系数;m11i表示第i个移动机器人的对称惯性矩阵中的左上角和右下角未知常系数;m12i表示第i个移动机器人的对称惯性矩阵中的右上角和左下角未知常系数;表示转化为标量形式后线速度动态中的惯性系数;表示转化为标量形式后角速度动态中的惯性系数;τ1i表示施加在第i个移动机器人左驱动轮上的力矩;τ2i表示施加在第i个移动机器人右驱动轮上的力矩。
3.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(2)中,所述第i个移动机器人与其领导者之间的距离变量di与方位角变量θi,具体由如下公式定义:
其中,表示将第i-1个移动机器人与第i个移动机器人在大地坐标系中的纵坐标之差转化为在体坐标系中的误差;表示将第i-1个移动机器人与第i个移动机器人在大地坐标系中的横坐标之差转化为在体坐标系中的误差;
为保持移动机器人的通讯连接,要求在整个编队的运动过程中距离变量di与方位角变量θi满足以下通讯范围约束条件:
dcol,i<di(t)<dcon,i,-θcon,i<θi(t)<θcon,i
其中,dcol,i、dcon,i、θcon,i分别为设计的第i个移动机器人的碰撞距离、测量距离、测量角度;
对应的距离误差edi=di-ddes,i和方位角误差eθi=θi-θdes,i要求满足的通讯范围约束条件为:
dcol,i-ddes,i<edi(t)<dcon,i-ddes,i,-θcon,i-θdes,i<eθi(t)<θcon,i-θdes,i
其中,ddes,i、θdes,i分别为设计的第i个移动机器人的期望距离和期望方位角。
4.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(3)中,所述设计指数递减的性能函数βji,βji具体形式为:
其中,βji,0=ddes,i-dcol,i=dcon,i-ddes,i,βθi,0=θcon,i-θdes,i为性能函数的初始值,βji,∞为性能函数的稳态值,κji为性能函数的设计参数。
5.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(4)中,采用tan型障碍李雅普诺夫函数:
其中e为误差,β为误差对应的性能函数,当设计的编队控制器能保证tan型障碍李雅普诺夫函数V始终有界,则误差e始终满足-β<e<β;因此结合设计的性能函数βji可确保编队距离误差edi和方位角误差eθi始终满足暂态性能的约束条件:
-βji<eji<βji,j=d,θ
约束条件表明编队误差eji的收敛速度始终大于性能函数βji的收敛速度,编队误差eji的超调量始终小于性能函数βji所构造的边界,因此采用tan型障碍李雅普诺夫函数并结合步骤(3)设计的性能函数,可保证编队误差的暂态性能。
6.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(5)中,运用反步设计法针对误差系统进行虚拟控制器设计,得到的虚拟控制器为:
其中kji和kj1i均为正常数且满足αvi表示针对线速度动态模型设计的虚拟控制器;αwi表示针对角速度动态模型设计的虚拟控制器;di表示第i个移动机器人与第i-1个移动机器人之间的距离。
7.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(6)中,具体过程如下:
定义运动误差:
z21i=vi-αvi,z22i=wi-αwi
其中z21i表示第i个移动机器人的线速度与针对线速度动态模型设计的虚拟控制器之差,z22i表示第i个移动机器人的角速度与针对角速度动态模型设计的虚拟控制器之差;
根据移动机器人的运动学方程,即根据步骤(1)中,第i个移动机器人的标量形式的动态模型中线速度和角速度方程,可得:
其中,显然Θli,l=1,2为未知参数向量,其中包括移动机器人模型中的部分未知参数,设计自适应参数估计器来估计移动机器人模型中的未知参数向量Θli,参数估计器的自适应更新率设计为:
其中,ΓΘli为自适应增益矩阵且满足ΓΘli=ΓT Θli>0。
8.根据权利要求1所述的通讯范围约束下移动机器人的编队控制方法,其特征在于,步骤(7)中,所述设计编队控制器,具体为:
其中,τvi和τwi分别表示第i个移动机器人的线速度控制输入和角速度控制输入;k1i表示线速度控制输入τvi中可设计的正常数系数;k2i表示角速度控制输入τwi中可设计的正常数系数;τ1i和τ2i分别为施加在第i个移动机器人左右轮上的控制力矩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810894993.XA CN108983786A (zh) | 2018-08-08 | 2018-08-08 | 一种通讯范围约束下移动机器人的编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810894993.XA CN108983786A (zh) | 2018-08-08 | 2018-08-08 | 一种通讯范围约束下移动机器人的编队控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108983786A true CN108983786A (zh) | 2018-12-11 |
Family
ID=64555520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810894993.XA Pending CN108983786A (zh) | 2018-08-08 | 2018-08-08 | 一种通讯范围约束下移动机器人的编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983786A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828580A (zh) * | 2019-02-27 | 2019-05-31 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN109857115A (zh) * | 2019-02-27 | 2019-06-07 | 华南理工大学 | 一种基于视觉反馈的移动机器人的有限时间编队控制方法 |
CN110196599A (zh) * | 2019-06-26 | 2019-09-03 | 华南理工大学 | 一种避碰与连接保持约束下的无人艇分布式编队控制方法 |
CN110362075A (zh) * | 2019-06-26 | 2019-10-22 | 华南理工大学 | 一种具有预设性能的无人艇输出反馈编队控制设计方法 |
CN110488606A (zh) * | 2019-07-25 | 2019-11-22 | 中北大学 | 一种多四旋翼主从式保性能神经自适应协同编队控制方法 |
CN110568845A (zh) * | 2019-08-26 | 2019-12-13 | 广东工业大学 | 一种协同机器人的相互碰撞规避方法 |
CN111142562A (zh) * | 2019-12-27 | 2020-05-12 | 北京理工大学 | 基于应力矩阵的混合条件约束下的编队变换控制方法 |
CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
CN111506114A (zh) * | 2020-05-25 | 2020-08-07 | 北京理工大学 | 一种飞行器编队控制方法 |
CN111552293A (zh) * | 2020-05-13 | 2020-08-18 | 湖南大学 | 一种视野约束下基于图像的移动机器人编队控制方法 |
CN111736593A (zh) * | 2020-04-09 | 2020-10-02 | 浙江工业大学 | 一种防不确定DoS攻击的舞台移动机器人编队异步控制方法 |
CN112363393A (zh) * | 2020-10-27 | 2021-02-12 | 华中科技大学 | 无人艇动力定位的无模型自适应预设性能控制方法 |
CN115542904A (zh) * | 2022-09-27 | 2022-12-30 | 安徽对称轴智能安全科技有限公司 | 群组式协同消防机器人火场内编组队列行驶控制方法 |
CN117850433A (zh) * | 2024-01-15 | 2024-04-09 | 齐鲁工业大学(山东省科学院) | 受扰通信受限移动机器人避撞编队控制方法和系统 |
CN117850433B (zh) * | 2024-01-15 | 2024-06-21 | 齐鲁工业大学(山东省科学院) | 受扰通信受限移动机器人避撞编队控制方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076821A (zh) * | 2014-06-19 | 2014-10-01 | 哈尔滨工程大学 | 基于模糊自适应观测器的欠驱动水面艇轨迹跟踪控制系统 |
CN105068427A (zh) * | 2015-08-31 | 2015-11-18 | 哈尔滨工业大学 | 一种多机器人系统有限时间鲁棒协同跟踪控制方法 |
CN106054884A (zh) * | 2016-06-16 | 2016-10-26 | 哈尔滨工程大学 | 基于神经网络的l1自适应船舶动力定位双环控制系统 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN108008720A (zh) * | 2017-10-31 | 2018-05-08 | 哈尔滨理工大学 | 一种轮式移动机器人的模糊滑模轨迹跟踪控制及方法 |
-
2018
- 2018-08-08 CN CN201810894993.XA patent/CN108983786A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076821A (zh) * | 2014-06-19 | 2014-10-01 | 哈尔滨工程大学 | 基于模糊自适应观测器的欠驱动水面艇轨迹跟踪控制系统 |
CN105068427A (zh) * | 2015-08-31 | 2015-11-18 | 哈尔滨工业大学 | 一种多机器人系统有限时间鲁棒协同跟踪控制方法 |
CN106054884A (zh) * | 2016-06-16 | 2016-10-26 | 哈尔滨工程大学 | 基于神经网络的l1自适应船舶动力定位双环控制系统 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN108008720A (zh) * | 2017-10-31 | 2018-05-08 | 哈尔滨理工大学 | 一种轮式移动机器人的模糊滑模轨迹跟踪控制及方法 |
Non-Patent Citations (3)
Title |
---|
SHI-LU DAI等: "Finite-Time Formation Control of Mobile Robots Under Limited Sensing Range", 《2018 CHINESE CONTROL AND DECISION CONFERENCE (CCDC)》 * |
孙棣华等: "具有参数不确定性的轮式移动机器人自适应backstepping控制", 《控制理论与应用》 * |
尹贵等: "模型不确定的下肢康复机器人轨迹跟踪自适应控制", 《电子测量与仪器学报》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109857115A (zh) * | 2019-02-27 | 2019-06-07 | 华南理工大学 | 一种基于视觉反馈的移动机器人的有限时间编队控制方法 |
CN109828580A (zh) * | 2019-02-27 | 2019-05-31 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN109828580B (zh) * | 2019-02-27 | 2022-05-24 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN110196599B (zh) * | 2019-06-26 | 2020-08-18 | 华南理工大学 | 一种避碰与连接保持约束下的无人艇分布式编队控制方法 |
CN110196599A (zh) * | 2019-06-26 | 2019-09-03 | 华南理工大学 | 一种避碰与连接保持约束下的无人艇分布式编队控制方法 |
CN110362075A (zh) * | 2019-06-26 | 2019-10-22 | 华南理工大学 | 一种具有预设性能的无人艇输出反馈编队控制设计方法 |
CN110488606A (zh) * | 2019-07-25 | 2019-11-22 | 中北大学 | 一种多四旋翼主从式保性能神经自适应协同编队控制方法 |
CN110488606B (zh) * | 2019-07-25 | 2022-04-19 | 中北大学 | 一种多四旋翼主从式保性能神经自适应协同编队控制方法 |
CN110568845A (zh) * | 2019-08-26 | 2019-12-13 | 广东工业大学 | 一种协同机器人的相互碰撞规避方法 |
CN111142562A (zh) * | 2019-12-27 | 2020-05-12 | 北京理工大学 | 基于应力矩阵的混合条件约束下的编队变换控制方法 |
CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
CN111736593A (zh) * | 2020-04-09 | 2020-10-02 | 浙江工业大学 | 一种防不确定DoS攻击的舞台移动机器人编队异步控制方法 |
CN111552293A (zh) * | 2020-05-13 | 2020-08-18 | 湖南大学 | 一种视野约束下基于图像的移动机器人编队控制方法 |
CN111552293B (zh) * | 2020-05-13 | 2021-01-15 | 湖南大学 | 一种视野约束下基于图像的移动机器人编队控制方法 |
CN111506114A (zh) * | 2020-05-25 | 2020-08-07 | 北京理工大学 | 一种飞行器编队控制方法 |
CN112363393A (zh) * | 2020-10-27 | 2021-02-12 | 华中科技大学 | 无人艇动力定位的无模型自适应预设性能控制方法 |
CN115542904A (zh) * | 2022-09-27 | 2022-12-30 | 安徽对称轴智能安全科技有限公司 | 群组式协同消防机器人火场内编组队列行驶控制方法 |
CN115542904B (zh) * | 2022-09-27 | 2023-09-05 | 安徽对称轴智能安全科技有限公司 | 群组式协同消防机器人火场内编组队列行驶控制方法 |
CN117850433A (zh) * | 2024-01-15 | 2024-04-09 | 齐鲁工业大学(山东省科学院) | 受扰通信受限移动机器人避撞编队控制方法和系统 |
CN117850433B (zh) * | 2024-01-15 | 2024-06-21 | 齐鲁工业大学(山东省科学院) | 受扰通信受限移动机器人避撞编队控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108983786A (zh) | 一种通讯范围约束下移动机器人的编队控制方法 | |
CN109857115A (zh) | 一种基于视觉反馈的移动机器人的有限时间编队控制方法 | |
CN113189979B (zh) | 一种无人船的分布式队列有限时间控制方法 | |
CN108153309B (zh) | 用于履带机器人的控制方法以及履带机器人 | |
CN106959610B (zh) | 桥式吊车系统apd-smc控制器、桥式吊车系统及控制方法 | |
CN107491081A (zh) | 一种抗干扰四旋翼无人机姿态控制方法 | |
CN110362075B (zh) | 一种具有预设性能的无人艇输出反馈编队控制设计方法 | |
CN111506081B (zh) | 一种机器人轨迹跟踪方法、系统及存储介质 | |
CN107160398B (zh) | 基于确定学习的全状态受限刚性机械臂安全可靠控制方法 | |
CN108942924A (zh) | 基于多层神经网络的模型不确定性机械臂运动控制方法 | |
CN109901403A (zh) | 一种自主水下机器人神经网络s面控制方法 | |
CN108241292B (zh) | 一种基于扩张状态观测器的水下机器人滑模控制方法 | |
CN112859596B (zh) | 一种考虑编队避障的非线性遥操作多边控制方法 | |
CN110202574A (zh) | 基于环境刚度估计的机器人自适应混合阻抗/导纳控制方法 | |
CN107505841B (zh) | 一种基于干扰估计器的机械臂姿态鲁棒控制方法 | |
CN103558857A (zh) | 一种btt飞行器的分布式复合抗干扰姿态控制方法 | |
CN106338918B (zh) | 一种微陀螺自适应动态面双神经网络控制方法 | |
CN106406098B (zh) | 一种机器人系统在未知环境下的人机交互控制方法 | |
CN108358062A (zh) | 欠驱动吊车全局稳定控制方法 | |
CN109857100B (zh) | 一种基于反演法和快速终端滑模的复合轨迹跟踪控制算法 | |
CN105652667B (zh) | 一种模型不确定双关节机械手的高精度轨迹跟踪控制方法 | |
CN109605377A (zh) | 一种基于强化学习的机器人关节运动控制方法及系统 | |
CN109032128B (zh) | 离散多agv非质点系统的三角编队控制方法 | |
CN112148036A (zh) | 网络化机器人系统的固定时间估计器的双边跟踪控制方法 | |
Li et al. | Multi-UUV formation coordination control based on combination of virtual structure and leader |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181211 |