CN111324146A - 一种水下巡检机器人的轨迹跟踪控制方法 - Google Patents
一种水下巡检机器人的轨迹跟踪控制方法 Download PDFInfo
- Publication number
- CN111324146A CN111324146A CN202010156115.5A CN202010156115A CN111324146A CN 111324146 A CN111324146 A CN 111324146A CN 202010156115 A CN202010156115 A CN 202010156115A CN 111324146 A CN111324146 A CN 111324146A
- Authority
- CN
- China
- Prior art keywords
- track
- tracking
- inspection robot
- control
- constraint
- 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 18
- 230000014509 gene expression Effects 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 7
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 238000001514 detection method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
Images
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
- G05D1/10—Simultaneous control of position or course in three dimensions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种水下巡检机器人的轨迹跟踪控制方法。包括如下步骤:(1)、预设水下巡检机器人轨迹跟踪的参考轨迹,参考轨迹用导航路径规划算法得到从起始点到目标点的最优路径,将其作为机器人轨迹跟踪的预设参考轨迹;(2)、结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器;(3)、对水下巡检机器人作受力分析,建立动力学模型,并设计轨迹跟踪的动力学控制器;(4)、将运动学控制器的控制值作为动力学控制器的输入,得到满足轨迹跟踪所需的推力及转矩,实现水下巡检机器人平滑稳定的轨迹跟踪控制。本发明通过设计动态的目标函数,不仅解决了速度跳变问题,还减小了实际轨迹与参考轨迹之间的滞后,在目标函数中加入的最短跟踪步长优化函数项,减小了实际轨迹的路径长度,进而降低了轨迹跟踪能耗;此外还考虑实际水下环境对轨迹跟踪的影响,最终实现了平滑稳定的轨迹跟踪控制。
Description
技术领域
本发明属于机器人轨迹跟踪控制技术领域,具体涉及一种水下巡检机器人的轨迹跟踪控制方法。
背景技术
自主水下机器人是海洋世界探索、海底资源开发及完成其他各项水下作业的重要工具。水下巡检机器人作为机器人的一个重要分支,在海底资源勘测、水下目标探测、水下管道检查、大坝裂缝检测等任务中发挥着重要的作用。三维水下环境中的轨迹跟踪控制问题是水下巡检机器人研究领域的热点及难点问题。水流等干扰因素的存在,对机器人的精确建模增加了难度,同时高度非线性和交叉耦合的系统动力学和不可预测的复杂水下环境,给控制器的设计带来相当大的困扰和不确定性。近年来,国内外研究机构在该课题上投入了大量精力,取得的科研成果也为其实际应用提供了重要的理论依据,进一步促进了水下机器人的发展与进步。但是,传统轨迹跟踪控制算法已不能满足当今水下机器人应用拓展的需要,例如反演控制、滑模控制和神经网络控制等,依然存在速度跳变、模型参数不确定以及控制律复杂度高等问题,并且没有考虑真实轨迹与期望轨迹间的滞后和轨迹跟踪能耗等问题。因此,实现水下机器人平滑稳定的轨迹跟踪控制具有重要的研究价值。
发明内容
本发明的目的是:提供一种基于改进模型预测控制的水下巡检机器人轨迹跟踪控制方法。既能解决速度跳变问题,且能减小实际轨迹与参考轨迹之间的滞后和降低轨迹跟踪能耗;实现了水下巡检机器人平滑稳定的轨迹跟踪控制。
为了达到上述目的,本发明的技术方案是:
一种水下巡检机器人的轨迹跟踪控制方法,包括如下步骤:
(1)、预设水下巡检机器人轨迹跟踪的参考轨迹,参考轨迹用导航路径规划算法得到从起始点到目标点的最优路径,将其作为机器人轨迹跟踪的预设参考轨迹;
(2)、结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器;
(3)、对水下巡检机器人作受力分析,建立动力学模型,设计轨迹跟踪的动力学控制器;
(4)、将运动学控制器的控制值作为动力学控制器的输入,得到满足轨迹跟踪所需的推力及转矩,实现水下巡检机器人平滑稳定的轨迹跟踪控制。
上述步骤(2)中结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器步骤如下:
(2a)、结合参考轨迹与运动学方程建立轨迹跟踪的离散状态空间模型,具体算法如下:
将水下巡检机器人轨迹跟踪控制系统看作是带有输入量u=[u v w q r]T和状态量ε=[x y z θ ψ]T的控制系统,其运动学方程表示为对于给定的参考轨迹,轨迹上每个点都满足运动学方程,其形式表示为其中εd=[xd yd zd θd ψd]T表示水下巡检机器人的期望位姿,ud=[ud vd wd qd rd]T表示水下巡检机器人的期望速度;将式的右端项在点(εd,ud)处进行泰勒级数展开,忽略高阶项只保留一次项,得到:
式中Jf(ε)和Jf(u)分别表示f相对于ε和u的雅可比矩阵;
然后将式(1)减去一般形式的运动学方程,并将其近似离散化得到离散的状态空间模型为:
假定系统的预测时域和控制时域分别为Np和Nc,系统在未来时刻的预测输出表示如下:
Y(k)=ψkξ(k|k)+ΘkΔU(k) (5)
在预测时域内的系统状态量和输出量通过系统的当前状态量ξ(k|k)和控制时域内的控制增量ΔU(k)计算得到;
(2b)、设定合适的优化目标函数并对其求解得到系统的控制增量,具体算法如下:
设计目标函数:
式中Q和R分别表示系统状态量和控制量的权重矩阵,S表示J3项的权重矩阵,Δx(k+i)=u(k)·T、Δy(k+i)=v(k)·T和Δz(k+i)=w(k)·T,T表示采样时间间隔;
设定函数项||ε(k+i|k)-εd(k+i|k)||2和||Δx(k+i)||2+||Δy(k+i)||2+||Δz(k+i)||2的权重矩阵Q与S都是固定的单位矩阵;而函数项||Δu(k+i|k)||2的权重矩阵R随轨迹跟踪误差在线调整;
跟随轨迹跟踪误差在线调整的权重矩阵R表示如为:
R=λI (7)
式中I表示m×m的单位矩阵,λ是跟随当前轨迹跟踪误差而在线动态调整的系数,表示为:
式中emin和emax分别表示参考跟踪精度要求而确定的两个轨迹跟踪误差边界,e表示当前轨迹跟踪的误差,ex、ey和ez表示当前跟踪误差分别在x轴、y轴和z轴上的分量;
(2c)、在实际的水下巡检机器人轨迹跟踪控制系统中,需要满足系统状态量和控制量的一些约束条件:
控制量约束:umin(k+i)≤u(k+i)≤umax(k+i),i=0,1,…,Nc-1
控制增量约束:Δumin(k+i)≤Δu(k+i)≤Δumax(k+i),i=0,1,…,Nc-1;
(2d)、在每个控制周期内求解优化目标函数,得到控制时域内的一系列控制输入增量为根据模型预测控制的基本原理,将该控制序列中第一个元素作为实际的控制输入增量作用于水下巡检机器人轨迹跟踪控制系统,即该系统执行上述控制量直至下一时刻;在新的时刻,该系统根据状态信息重新预测下一段时域的输出,通过优化求解得到一个新的控制增量序列。
上述步骤(3)中对水下巡检机器人作受力分析,建立动力学模型,设计轨迹跟踪的动力学控制器步骤如下:
(3a)、考虑重力、浮力、水动力和推力对水下巡检机器人系统控制的影响,应用力、力矩平衡和牛顿第二运动定律得到水下巡检机器人轨迹跟踪的动力学方程表示如下:
式中FT=(Tx Ty Tz MT NT)T,mo表示水下巡检机器人质量,和分别表示x轴、y轴和z轴方向上的附加质量,和分别表示沿y轴和z轴旋转方向的附加质量,Iy和Iz是分别对应于y轴和z轴的转动惯量;FT表示由水下巡检机器人推进器产生的推力和力矩向量;假定水下巡检机器人重心与载体坐标系原点重合,(xb yb zb)表示浮力中心在载体坐标系中的坐标;ρ为水的密度,Cd为阻力系数,Sx、Sy和Sz分别表示水下巡检机器人垂直于x轴、y轴和z轴的投影区域面积,uIf=(uIf vIf wIf)T表示水流相对于水下巡检机器人的速度,uBf=(uBf vBf wBf)T表示水流在载体坐标系下的速度,Ky和Kz表示阻力矩系数;
(3b)、根据Udwadia-Kalaba理论,通过将非完整约束和完整约束分别对时间t做一次和两次微分获得一组约束表达式,其矩阵形式表示如下:
约束系统的显示运动方程表示如下:
式中上标“+”表示穆尔-彭罗斯广义逆;
(3c)、求解约束系统的显示运动方程,具体算法如下:
针对轨迹跟踪控制问题,Udwadia-Kalaba理论将期望轨迹视为系统约束,因此将式(15)对时间t做一次求导,得到如下的系统约束:
通过比较分析式(12)与(16),得到:
将式(17)代入式(14),得到满足轨迹跟踪的理想约束力。
本发明的有益效果如下:
(1)为减小实际轨迹与期望轨迹间的滞后,发明了随跟踪误差在线调整的控制增量权重
在设计合适的优化目标函数时,为确保机器人始终沿着期望轨迹航行,需要尽可能地减小实际轨迹与期望轨迹上对应点的横向偏移最小;同时考虑到机器人的加速与转向性能受到推进器性能和环境的影响,需要尽可能减小控制输入增量。在传统模型预测控制算法中,上述优化目标函数项的权重矩阵Q和R在整个控制过程中是固定不变的,本发明设计的目标函数主要考虑以下几个关键点:在整个控制过程中尽可能减少实际轨迹与期望轨迹之间的偏差,其次,控制增量在系统过渡阶段应该比它在稳定阶段更值得关注,并且控制增量在过渡阶段得到的关注度与它在稳定阶段得到的关注度应该是不同的。因此,本发明设计了随轨迹跟踪误差在线调整的控制增量权重,可以减少实际轨迹与期望轨迹之间的滞后。
(2)为降低轨迹跟踪能耗,在设计的优化目标函数中加入了最短步长优化函数项
在设计合适的优化目标函数时,在每两个连续采样点间,如果机器人行进的距离是单个预测区间内可行进的最短距离,就可以有效地减少实际轨迹的路径长度,进而降低轨迹跟踪能耗。在传统轨迹跟踪控制算法中,尚未考虑其轨迹跟踪能耗问题。本发明在设计目标函数时,考虑了轨迹跟踪能耗问题,在目标函数中加入了最短步长优化函数项。此外,在降低轨迹跟踪误差、限制推进器动作和降低轨迹跟踪能耗之间建立了折中的方案,在确保轨迹跟踪误差渐进稳定的同时,降低速度跳变值,减小实际轨迹与期望轨迹间的滞后,并降低了轨迹跟踪能耗。
(3)考虑实际的水下环境对机器人轨迹跟踪控制的影响
考虑重力、浮力、水动力和推力对机器人系统控制的影响,应用力、力矩平衡和牛顿第二运动定律得到机器人轨迹跟踪的动力学方程,并基于Udwadia-Kalaba理论设计了机器人轨迹跟踪的动力学控制器。
附图说明
图1水下巡检机器人的轨迹跟踪控制方法流程。
具体实施方式
围绕发明内容,本发明的具体实施方式(如图1所示)如下:
(1)、预设水下机器人轨迹跟踪的参考轨迹
参考轨迹用导航路径规划算法得到从起始点到目标点的最优路径,将其作为机器人轨迹跟踪的预设参考轨迹;
(2)、结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器
(2a)、结合参考轨迹与运动学方程建立轨迹跟踪的离散状态空间模型,具体算法如下:
将水下巡检机器人轨迹跟踪控制系统看作是带有输入量u=[u v w q r]T和状态量ε=[x y z θ ψ]T的控制系统,其运动学方程表示为对于给定的参考轨迹,轨迹上每个点都满足该运动学方程,其形式表示为其中εd=[xd yd zd θd ψd]T表示水下巡检机器人的期望位姿,ud=[ud vd wd qd rd]T表示水下巡检机器人的期望速度;将式的右端项在点(εd,ud)处进行泰勒级数展开,忽略高阶项只保留一次项,可以得到:
式中Jf(ε)和Jf(u)分别表示f相对于ε和u的雅可比矩阵;
然后将式(1)减去一般形式的运动学方程,并将其近似离散化得到离散的状态空间模型为:
假定系统的预测时域和控制时域分别为Np和Nc,那么系统在未来时刻的预测输出可以表示如下:
Y(k)=ψkξ(k|k)+ΘkΔU(k) (5)
在预测时域内的系统状态量和输出量通过系统的当前状态量ξ(k|k)和控制时域内的控制增量ΔU(k)计算得到;
(2b)、设定合适的优化目标函数并对其求解得到系统的控制增量,具体算法如下:
设计目标函数:
式中Q和R分别表示系统状态量和控制量的权重矩阵,S表示J3项的权重矩阵,Δx(k+i)=u(k)·T、Δy(k+i)=v(k)·T和Δz(k+i)=w(k)·T,T表示采样时间间隔;
设定函数项||ε(k+i|k)-εd(k+i|k)||2和||Δx(k+i)||2+||Δy(k+i)||2+||Δz(k+i)||2的权重矩阵Q与S都是固定的单位矩阵;而函数项||Δu(k+i|k)||2的权重矩阵R随轨迹跟踪误差在线调整;
跟随轨迹跟踪误差在线调整的权重矩阵R表示如为:
R=λI (7)
式中I表示m×m的单位矩阵,λ是跟随当前轨迹跟踪误差而在线动态调整的系数,表示为:
式中emin和emax分别表示参考跟踪精度要求而确定的两个轨迹跟踪误差边界,e表示当前轨迹跟踪的误差,ex、ey和ez表示当前跟踪误差分别在x轴、y轴和z轴上的分量;
(2c)、在实际的水下巡检机器人轨迹跟踪控制系统中,需要满足系统状态量和控制量的一些约束条件:
控制量约束:umin(k+i)≤u(k+i)≤umax(k+i),i=0,1,…,Nc-1;
控制增量约束:Δumin(k+i)≤Δu(k+i)≤Δumax(k+i),i=0,1,…,Nc-1;
(2d)、在每个控制周期内求解优化目标函数,得到控制时域内的一系列控制输入增量为根据模型预测控制的基本原理,将该控制序列中第一个元素作为实际的控制输入增量作用于水下巡检机器人轨迹跟踪控制系统,即该系统执行上述控制量直至下一时刻;在新的时刻,该系统根据状态信息重新预测下一段时域的输出,通过优化求解得到一个新的控制增量序列。
(3)、对水下巡检机器人作受力分析,建立动力学模型,设计轨迹跟踪的动力学控制器
(3a)、考虑重力、浮力、水动力和推力对水下巡检机器人系统控制的影响,应用力、力矩平衡和牛顿第二运动定律得到水下巡检机器人轨迹跟踪的动力学方程表示如下:
式中FT=(Tx Ty Tz MT NT)T,mo表示水下巡检机器人质量,和分别表示x轴、y轴和z轴方向上的附加质量,和分别表示沿y轴和z轴旋转方向的附加质量,Iy和Iz是分别对应于y轴和z轴的转动惯量;FT表示由水下巡检机器人推进器产生的推力和力矩向量;假定水下巡检机器人重心与载体坐标系原点重合,(xb yb zb)表示浮力中心在载体坐标系中的坐标;ρ为水的密度,Cd为阻力系数,Sx、Sy和Sz分别表示水下巡检机器人垂直于x轴、y轴和z轴的投影区域面积,uIf=(uIf vIf wIf)T表示水流相对于水下巡检机器人的速度,uBf=(uBf vBf wBf)T表示水流在载体坐标系下的速度,Ky和Kz表示阻力矩系数;
(3b)、根据Udwadia-Kalaba理论,通过将非完整约束和完整约束分别对时间t做一次和两次微分获得一组约束表达式,其矩阵形式表示如下:
约束系统的显示运动方程可以表示如下:
式中上标“+”表示穆尔-彭罗斯广义逆;
(3c)、求解约束系统的显示运动方程,具体算法如下:
针对轨迹跟踪控制问题,Udwadia-Kalaba理论将期望轨迹视为系统约束,因此将式(15)对时间t做一次求导,得到如下的系统约束:
通过比较分析式(12)与(16),可以得到:
将式(17)代入式(14),得到满足轨迹跟踪的理想约束力。
(4)、将运动学控制器的控制值作为动力学控制器的输入,得到满足轨迹跟踪所需的推力及转矩,实现水下巡检机器人平滑稳定的轨迹跟踪控制。
Claims (3)
1.一种水下巡检机器人的轨迹跟踪控制方法,其特征在于:包括如下步骤:
(1)、预设水下巡检机器人轨迹跟踪的参考轨迹,参考轨迹用导航路径规划算法得到从起始点到目标点的最优路径,将其作为机器人轨迹跟踪的预设参考轨迹;
(2)、结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器;
(3)、对水下巡检机器人作受力分析,建立动力学模型,设计轨迹跟踪的动力学控制器;
(4)、将运动学控制器的控制值作为动力学控制器的输入,得到满足轨迹跟踪所需的推力及转矩,实现水下巡检机器人平滑稳定的轨迹跟踪控制。
2.根据权利要求1所述的一种水下巡检机器人的轨迹跟踪控制方法,其特征在于:所述步骤(2)中结合参考轨迹与运动学模型设计轨迹跟踪的运动学控制器步骤如下:
(2a)、结合参考轨迹与运动学方程建立轨迹跟踪的离散状态空间模型,具体算法如下:
将水下巡检机器人轨迹跟踪控制系统看作是带有输入量u=[u v w q r]T和状态量ε=[x y z θ ψ]T的控制系统,其运动学方程表示为对于给定的参考轨迹,轨迹上每个点都满足运动学方程,其形式表示为其中εd=[xd yd zd θd ψd]T表示水下巡检机器人的期望位姿,ud=[ud vd wd qd rd]T表示水下巡检机器人的期望速度;将式的右端项在点(εd,ud)处进行泰勒级数展开,忽略高阶项只保留一次项,得到:
式中Jf(ε)和Jf(u)分别表示f相对于ε和u的雅可比矩阵;
然后将式(1)减去一般形式的运动学方程,并将其近似离散化得到离散的状态空间模型为:
假定系统的预测时域和控制时域分别为Np和Nc,系统在未来时刻的预测输出表示如下:
Y(k)=ψkξ(k|k)+ΘkΔU(k) (5)
在预测时域内的系统状态量和输出量通过系统的当前状态量ξ(k|k)和控制时域内的控制增量ΔU(k)计算得到;
(2b)、设定合适的优化目标函数并对其求解得到系统的控制增量,具体算法如下:
设计目标函数:
式中Q和R分别表示系统状态量和控制量的权重矩阵,S表示J3项的权重矩阵,Δx(k+i)=u(k)·T、Δy(k+i)=v(k)·T和Δz(k+i)=w(k)·T,T表示采样时间间隔;设定函数项||ε(k+i|k)-εd(k+i|k)||2和||Δx(k+i)||2+||Δy(k+i)||2+||Δz(k+i)||2的权重矩阵Q与S都是固定的单位矩阵;而函数项||Δu(k+i|k)||2的权重矩阵R随轨迹跟踪误差在线调整;
跟随轨迹跟踪误差在线调整的权重矩阵R表示如为:
R=λI (7)
式中I表示m×m的单位矩阵,λ是跟随当前轨迹跟踪误差而在线动态调整的系数,表示为:
式中emin和emax分别表示参考跟踪精度要求而确定的两个轨迹跟踪误差边界,e表示当前轨迹跟踪的误差,ex、ey和ez表示当前跟踪误差分别在x轴、y轴和z轴上的分量;
(2c)、在实际的水下巡检机器人轨迹跟踪控制系统中,需要满足系统状态量和控制量的一些约束条件:
控制量约束:umin(k+i)≤u(k+i)≤umax(k+i),i=0,1,…,Nc-1;
控制增量约束:Δumin(k+i)≤Δu(k+i)≤Δumax(k+i),i=0,1,…,Nc-1;
3.根据权利要求1所述的一种水下巡检机器人的轨迹跟踪控制方法,其特征在于:所述步骤(3)中对水下巡检机器人作受力分析,建立动力学模型,设计轨迹跟踪的动力学控制器步骤如下:
(3a)、考虑重力、浮力、水动力和推力对水下巡检机器人系统控制的影响,应用力、力矩平衡和牛顿第二运动定律得到水下巡检机器人轨迹跟踪的动力学方程表示如下:
式中FT=(Tx Ty Tz MT NT)T,mo表示水下巡检机器人质量,和分别表示x轴、y轴和z轴方向上的附加质量,和分别表示沿y轴和z轴旋转方向的附加质量,Iy和Iz是分别对应于y轴和z轴的转动惯量;FT表示由水下巡检机器人推进器产生的推力和力矩向量;假定水下巡检机器人重心与载体坐标系原点重合,(xb yb zb)表示浮力中心在载体坐标系中的坐标;ρ为水的密度,Cd为阻力系数,Sx、Sy和Sz分别表示水下巡检机器人垂直于x轴、y轴和z轴的投影区域面积,uIf=(uIf vIf wIf)T表示水流相对于水下巡检机器人的速度,uBf=(uBf vBf wBf)T表示水流在载体坐标系下的速度,Ky和Kz表示阻力矩系数;
(3b)、根据Udwadia-Kalaba理论,通过将非完整约束和完整约束分别对时间t做一次和两次微分获得一组约束表达式,其矩阵形式表示如下:
式中上标“+”表示穆尔-彭罗斯广义逆;
(3c)、求解约束系统的显示运动方程,具体算法如下:
针对轨迹跟踪控制问题,Udwadia-Kalaba理论将期望轨迹视为系统约束,因此将式(15)对时间t做一次求导,得到如下的系统约束:
通过比较分析式(12)与(16),得到:
将式(17)代入式(14),得到满足轨迹跟踪的理想约束力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010156115.5A CN111324146B (zh) | 2020-03-09 | 2020-03-09 | 一种水下巡检机器人的轨迹跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010156115.5A CN111324146B (zh) | 2020-03-09 | 2020-03-09 | 一种水下巡检机器人的轨迹跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324146A true CN111324146A (zh) | 2020-06-23 |
CN111324146B CN111324146B (zh) | 2023-06-13 |
Family
ID=71167585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010156115.5A Active CN111324146B (zh) | 2020-03-09 | 2020-03-09 | 一种水下巡检机器人的轨迹跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324146B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540536A (zh) * | 2020-11-27 | 2021-03-23 | 南京航空航天大学 | 一种蠕虫管道机器人滑模优化控制器设计方法 |
CN112684793A (zh) * | 2020-12-03 | 2021-04-20 | 南京理工大学 | 一种离散系统中的机器人零半径过弯的轨迹跟踪控制方法 |
CN112904897A (zh) * | 2021-01-26 | 2021-06-04 | 华中科技大学 | 一种用于水下精确投放海洋传感器的轨迹优化方法及设备 |
CN113050653A (zh) * | 2021-03-26 | 2021-06-29 | 合肥工业大学 | 一种处理状态不等式约束的线控转向系统建模控制方法 |
CN113093804A (zh) * | 2021-04-06 | 2021-07-09 | 上海海事大学 | 基于反演滑模控制的无人艇编队控制方法和控制系统 |
CN113359448A (zh) * | 2021-06-03 | 2021-09-07 | 清华大学 | 一种针对时变动力学的自主水下航行器轨迹跟踪控制方法 |
CN113467470A (zh) * | 2021-07-23 | 2021-10-01 | 西安理工大学 | 一种无人自主小车的轨迹跟踪控制方法 |
CN113485390A (zh) * | 2021-08-26 | 2021-10-08 | 湖南大学 | 一种抗洋流扰动的自主水下机器人动力定位方法和系统 |
CN113485120A (zh) * | 2021-08-01 | 2021-10-08 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN114019798A (zh) * | 2021-11-03 | 2022-02-08 | 中国科学院深圳先进技术研究院 | 机器人轨迹跟踪控制方法、磁性医疗机器人及存储介质 |
CN114253279A (zh) * | 2021-10-26 | 2022-03-29 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN114488810A (zh) * | 2022-01-25 | 2022-05-13 | 上海交通大学 | 机器人末端姿态跟踪预测控制方法及系统和机器人 |
CN115657689A (zh) * | 2022-12-26 | 2023-01-31 | 安徽大学 | 一种基于轨迹预测的自主水下航行器目标跟踪控制方法 |
CN116309552A (zh) * | 2023-05-12 | 2023-06-23 | 西南交通大学 | 既有线老旧挡墙的健康状态评估方法、装置、设备及介质 |
CN117075604A (zh) * | 2023-08-18 | 2023-11-17 | 山东科技大学 | 一种基于广义性能度量的轮式移动机器人控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267953A (zh) * | 2017-12-11 | 2018-07-10 | 西北工业大学 | 一种基于领航者-跟踪者水下机器人位置跟踪方法 |
CN108454623A (zh) * | 2018-01-22 | 2018-08-28 | 大连理工大学 | 一种四轮独立驱动无人驾驶电动车辆轨迹跟踪控制方法 |
CN109669463A (zh) * | 2019-01-10 | 2019-04-23 | 上海海事大学 | 一种考虑agv速度和前轮偏向角可变的区间轨迹跟踪方法 |
CN109799814A (zh) * | 2018-12-29 | 2019-05-24 | 中国北方车辆研究所 | 基于运动学模型的履带无人车辆轨迹跟踪控制器设计方法 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
-
2020
- 2020-03-09 CN CN202010156115.5A patent/CN111324146B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108267953A (zh) * | 2017-12-11 | 2018-07-10 | 西北工业大学 | 一种基于领航者-跟踪者水下机器人位置跟踪方法 |
CN108454623A (zh) * | 2018-01-22 | 2018-08-28 | 大连理工大学 | 一种四轮独立驱动无人驾驶电动车辆轨迹跟踪控制方法 |
CN109799814A (zh) * | 2018-12-29 | 2019-05-24 | 中国北方车辆研究所 | 基于运动学模型的履带无人车辆轨迹跟踪控制器设计方法 |
CN109669463A (zh) * | 2019-01-10 | 2019-04-23 | 上海海事大学 | 一种考虑agv速度和前轮偏向角可变的区间轨迹跟踪方法 |
CN110780674A (zh) * | 2019-12-04 | 2020-02-11 | 哈尔滨理工大学 | 一种提高自动驾驶轨迹跟踪控制的方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112540536A (zh) * | 2020-11-27 | 2021-03-23 | 南京航空航天大学 | 一种蠕虫管道机器人滑模优化控制器设计方法 |
CN112684793A (zh) * | 2020-12-03 | 2021-04-20 | 南京理工大学 | 一种离散系统中的机器人零半径过弯的轨迹跟踪控制方法 |
CN112904897A (zh) * | 2021-01-26 | 2021-06-04 | 华中科技大学 | 一种用于水下精确投放海洋传感器的轨迹优化方法及设备 |
CN112904897B (zh) * | 2021-01-26 | 2022-02-15 | 华中科技大学 | 一种用于水下精确投放海洋传感器的轨迹优化方法及设备 |
CN113050653A (zh) * | 2021-03-26 | 2021-06-29 | 合肥工业大学 | 一种处理状态不等式约束的线控转向系统建模控制方法 |
CN113050653B (zh) * | 2021-03-26 | 2024-02-20 | 合肥工业大学 | 一种处理状态不等式约束的线控转向系统建模控制方法 |
CN113093804A (zh) * | 2021-04-06 | 2021-07-09 | 上海海事大学 | 基于反演滑模控制的无人艇编队控制方法和控制系统 |
CN113359448A (zh) * | 2021-06-03 | 2021-09-07 | 清华大学 | 一种针对时变动力学的自主水下航行器轨迹跟踪控制方法 |
CN113467470A (zh) * | 2021-07-23 | 2021-10-01 | 西安理工大学 | 一种无人自主小车的轨迹跟踪控制方法 |
CN113467470B (zh) * | 2021-07-23 | 2023-03-03 | 西安理工大学 | 一种无人自主小车的轨迹跟踪控制方法 |
CN113485120A (zh) * | 2021-08-01 | 2021-10-08 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN113485120B (zh) * | 2021-08-01 | 2022-07-05 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN113485390B (zh) * | 2021-08-26 | 2022-05-03 | 湖南大学 | 一种抗洋流扰动的自主水下机器人动力定位方法和系统 |
CN113485390A (zh) * | 2021-08-26 | 2021-10-08 | 湖南大学 | 一种抗洋流扰动的自主水下机器人动力定位方法和系统 |
CN114253279A (zh) * | 2021-10-26 | 2022-03-29 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN114253279B (zh) * | 2021-10-26 | 2024-02-02 | 西北工业大学 | 一种考虑海流环境的水下滑翔机运动规划方法 |
CN114019798A (zh) * | 2021-11-03 | 2022-02-08 | 中国科学院深圳先进技术研究院 | 机器人轨迹跟踪控制方法、磁性医疗机器人及存储介质 |
CN114019798B (zh) * | 2021-11-03 | 2023-08-11 | 中国科学院深圳先进技术研究院 | 机器人轨迹跟踪控制方法、磁性医疗机器人及存储介质 |
CN114488810A (zh) * | 2022-01-25 | 2022-05-13 | 上海交通大学 | 机器人末端姿态跟踪预测控制方法及系统和机器人 |
CN114488810B (zh) * | 2022-01-25 | 2023-12-12 | 上海交通大学 | 机器人末端姿态跟踪预测控制方法及系统和机器人 |
CN115657689A (zh) * | 2022-12-26 | 2023-01-31 | 安徽大学 | 一种基于轨迹预测的自主水下航行器目标跟踪控制方法 |
CN116309552A (zh) * | 2023-05-12 | 2023-06-23 | 西南交通大学 | 既有线老旧挡墙的健康状态评估方法、装置、设备及介质 |
CN116309552B (zh) * | 2023-05-12 | 2023-08-29 | 西南交通大学 | 既有线老旧挡墙的健康状态评估方法、装置、设备及介质 |
CN117075604A (zh) * | 2023-08-18 | 2023-11-17 | 山东科技大学 | 一种基于广义性能度量的轮式移动机器人控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111324146B (zh) | 2023-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111324146B (zh) | 一种水下巡检机器人的轨迹跟踪控制方法 | |
Yu et al. | Finite-time PLOS-based integral sliding-mode adaptive neural path following for unmanned surface vessels with unknown dynamics and disturbances | |
Wu et al. | Depth control of model-free AUVs via reinforcement learning | |
Chen et al. | An output feedback approach for regulation of 5-DOF offshore cranes with ship yaw and roll perturbations | |
Campos et al. | Saturation based nonlinear depth and yaw control of underwater vehicles with stability analysis and real-time experiments | |
Tianyu et al. | Local path planning algorithm for blind-guiding robot based on improved DWA algorithm | |
CN114047773B (zh) | 一种基于扩张状态观测器的水下集矿机器人反步滑模自适应姿态控制方法 | |
Zhang et al. | Improved composite learning path-following control for the underactuated cable-laying ship via the double layers logical guidance | |
CN114115262B (zh) | 基于方位角信息的多auv执行器饱和协同编队控制系统和方法 | |
Zhang et al. | Disturbance observer-based composite neural learning path following control of underactuated ships subject to input saturation | |
Wang et al. | Dynamic feedback robust stabilization of nonholonomic mobile robots based on visual servoing | |
Liang et al. | Swarm velocity guidance based distributed finite-time coordinated path-following for uncertain under-actuated autonomous surface vehicles | |
CN110110342A (zh) | 一种基于邻近算法的组合体航天器数据驱动控制方法 | |
CN117250971A (zh) | 一种微小型auv的控制方法 | |
Wang et al. | ABA*–Adaptive Bidirectional A* Algorithm for Aerial Robot Path Planning | |
Zhan et al. | A novel collision-free detumbling strategy for a space robot with a 7-DOF manipulator in postcapturing phase | |
Gao et al. | The study for path following of robot fish based on ADRC | |
Yang et al. | Robust trajectory control for an autonomous underwater vehicle | |
Zheng et al. | A coordinated trajectory tracking method with active utilization of drag for underwater vehicle manipulator systems | |
Yu et al. | Attitude adjustment of a multi-joint auv using an improved ladrc | |
Liu et al. | Operated ROV thrust distribution control system based on adaptive back-stepping controller | |
Tan et al. | High Precision Attitude Control of Space Maneuvering Platform Based on Model Predictive and Inversive Method | |
Tian et al. | Research on the dynamic positioning of remotely operated vehicles applied to underwater inspection and repair of hydraulic structures | |
Zhu et al. | Attitude Control Method of Six Degree of Freedom Autonomous Underwater Vehicle Based on RBF Neural Network | |
Cheng et al. | Reinforcement Learning for Underwater Navigation Subject to Infrequent Position Measurements |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |