CN112947072B - 基于滑模变结构的移动机器人驱动控制方法、系统和设备 - Google Patents
基于滑模变结构的移动机器人驱动控制方法、系统和设备 Download PDFInfo
- Publication number
- CN112947072B CN112947072B CN202110121789.6A CN202110121789A CN112947072B CN 112947072 B CN112947072 B CN 112947072B CN 202110121789 A CN202110121789 A CN 202110121789A CN 112947072 B CN112947072 B CN 112947072B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- driving
- sliding mode
- sliding
- variable structure
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013459 approach Methods 0.000 claims abstract description 40
- 238000005070 sampling Methods 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 37
- 230000014509 gene expression Effects 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 19
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于滑模变结构的移动机器人驱动控制方法、系统和设备,包括建立移动机器人动力学模型;采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;构建滑动超平面和滑模趋近律;根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制;本发明采用δ算子对移动机器人动力学模型进行离散化处理,保证了离散驱动控制系统的稳定性;根据构建的滑动超平面及滑模趋近律,建立离散滑模变结构控制器系统,有效保证了系统的稳定控制能力,无抖震且系统鲁棒性好。
Description
技术领域
本发明属于控制系统设计技术领域,特别涉及一种基于滑模变结构的移动机器人驱动控制方法、系统和设备。
背景技术
随着生产技术的发展,对机器人的驱动能力提出的更高的要求,更加合理的控制策略才能满足移动机器人在复杂环境下的控制要求;在移动机器人运动控制系统中,电机的驱动能力及抗扰动能力是机器人运动控制性能的保障,而由于导航定位信息大多以非连续的数据形式采集得到;现有连续的移动机器人驱动控制系统在采样后,可能存在驱动控制系统发散,系统易抖动,稳定较差;因此,以离散化的方式实现驱动控制器的设计是很有必要的。
发明内容
针对现有技术中存在的技术问题,本发明提供了一种基于滑模变结构的移动机器人驱动控制方法、系统和设备,以解决采用现有连续的机器人驱动控制系统,存在系统发散,系统易抖动,稳定性较差的技术问题。
为达到上述目的,本发明采用的技术方案为:
本发明提供了一种基于滑模变结构的移动机器人驱动控制方法,包括以下步骤:
步骤1、建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;
步骤2、采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;
步骤3、构建滑动超平面和滑模趋近律;
步骤4、根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;
步骤5、利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制。
进一步的,步骤1中,移动机器人为两轮差速移动机器人;建立移动机器人运动学模型过程具体如下:
步骤11、建立两轮差速移动机器人的Lagrange动力学模型;
步骤12、根据两轮差速移动机器人的Lagrange动力学模型、直流驱动电机的输出方程及直流驱动电机的工作参数,求解移动机器人的运动控制量与直流驱动电机的输入电压的数学模型,即得到所述的移动机器人动力学模型。
进一步的,步骤1中,移动机器人动力学模型的表达式为:
V=[v w]T
Ua=[Ual Uar]T
其中,为V的微分项,V为移动机器人的运动控制向量;v为移动机器人的线速度,w为移动机器人的旋转角速度;Ua为移动机器人的直流驱动电机的驱动电压,Ual为移动机器人的左轮驱动电机的驱动电压;Uar为移动机器人的右轮驱动电机的驱动电压;A和B分别为常数矩阵。
进一步的,常数矩阵A和常数矩阵B的表达式分别为:
K1=nKτ/Ra,K2=nKbK1,/>
其中,K1及K2为移动机器人的系统参数,X为与移动机器人驱动轮有关的参数矩阵;m为移动机器人的质量,Im为移动机器人相对于其中心点M的转动惯量,r为移动机器人的驱动轮半径,L为驱动轮到移动动机器人中心点M的距离,n为移动机器人的机械齿轮减速比,Kτ为直流驱动电机的转矩常数,Ra为直流驱动电机的电阻,Kb为直流驱动电机的反电动常数。
进一步的,离散后的移动机器人的动力学模型的表达式为:
其中,为第k个采样时刻离散后的移动机器人的动力学模型;V(k)为第k个采样时刻移动机器人的运动控制向量;U(k)为第k个采样时刻直流驱动电机的驱动电压;Aσ和Bσ分别为离散后的移动机器人的系统参数;k为当前采样时刻,T为采样周期,I为单位矩阵。
进一步的,步骤3中,滑动超平面s(k)的表达式为:
s(k)=cTx(k)-cTE(k)x(0)
其中,c为滑态参数矩阵;E(k)为第k个采样时刻的时变衰减矩阵,和/>为分别第k个采样时刻的时变衰减矩阵向量;β1和β2分别为预设滑动参数;x(k)为移动机器人在第k个采样时刻的驱动输入;x(0)为移动机器人初始采样时刻的驱动输入。
进一步的,步骤3中,滑模趋近律的表达式为:
sf=c|V|
其中,ξ为常系数,且ξ>0;q为与δ算子有关的前向位移算子,q>0;为趋近律变量,sf为中间变量;τ为计算参数;Φ为滑模变结构稳定性分析参量;Ω为中间变量。
进一步的,步骤4中,滑模变结构移动机器人驱动控制量的表达式为:
u(k)=(cTTBσ)-1(TΦs(k)-cTTAσx(k)-cTE(k)x(0)+s(k))。
其中,u(k)为移动机器人在第k个采样时刻的运动控制量。
本发明还提供了一种基于滑模变结构的移动机器人驱动控制系统,包括模型模块、离散模块、构建模块、控制量模块及驱动模块;
模型模块,用于建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;
离散模块,用于采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;
构建模块,用于构建滑动超平面和滑模趋近律;
控制量模块,用于根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;
驱动模块,用于利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制。
本发明还提供了一种基于滑模变结构的移动机器人驱动控制设备,其特征在于,包括存储器、处理器及存储在所述处理器中并可在处理器中运行的可执行指令;所述处理器执行所述可执行指令时实现所述的一种基于滑模变结构的移动机器人驱动控制方法。
与现有技术相比,本发明的有益效果为:
本发明提供了一种基于滑模变结构的移动机器人驱动控制方法、系统和设备,采用δ算子对移动机器人动力学模型进行离散化处理,保证了离散驱动控制系统的稳定性;根据构建的滑动超平面及滑模趋近律,建立离散滑模变结构控制器系统,有效保证了系统的稳定控制能力,无抖震且系统鲁棒性好。
进一步的,通过基于δ算子的趋近律描述,在确保系统稳定的前提下,实现反推给出控制系统稳定的控制参数的选取原则,给出控制量的求解算法,保证离散驱动控制系统的无抖震性。
附图说明
图1为本发明所述的基于滑模变结构的移动机器人驱动控制方法的流程示意图;
图2为本发明中的两轮差速移动机器人模型示意图;
图3为本发明中的直流驱动电机的电路示意图;
图4为实施例中的δ算子离散化的驱动控制器的状态曲线图;
图5为实施例中的滑动超平面曲线图;
图6为传统零阶保持器离散化系统状态曲线图;
图7为传统零阶保持器离散化系统滑动超平面曲线图。
具体实施方式
为了使本发明所解决的技术问题,技术方案及有益效果更加清楚明白,以下具体实施例,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仅用以解释本发明,并不用于限定本发明。
本发明提供了一种基于滑模变结构的移动机器人驱动控制方法,包括以下步骤:
步骤1、建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压,移动机器人为两轮差速移动机器人;具体包括以下步骤:
步骤11、建立两轮差速移动机器人的Lagrange动力学模型;
步骤12、根据两轮差速移动机器人的Lagrange动力学模型、直流驱动电机的输出方程及直流驱动电机的工作参数,求解移动机器人的运动控制量与直流驱动电机的输入电压的数学模型,即得到所述的移动机器人动力学模型;其中,移动机器人动力学模型的表达式为:
V=[v w]T
Ua=[Ual Uar]T
其中,为V的微分项,V为移动机器人的运动控制向量;v为移动机器人的线速度,w为移动机器人的旋转角速度;Ua为移动机器人的直流驱动电机的驱动电压,Ual为移动机器人的左轮驱动电机的驱动电压;Uar为移动机器人的右轮驱动电机的驱动电压;A和B分别为常数矩阵。
常数矩阵A和常数矩阵B的表达式分别为:
K1=nKτ/Ra
K2=nKbK1
其中,K1及K2为移动机器人的系统参数,X为与移动机器人驱动轮有关的参数矩阵;m为移动机器人的质量,Im为移动机器人相对于其中心点M的转动惯量,r为移动机器人的驱动轮半径,L为驱动轮到移动动机器人中心点M的距离,n为移动机器人的机械齿轮减速比,Kτ为直流驱动电机的转矩常数,Ra为直流驱动电机的电阻,Kb为直流驱动电机的反电动常数。
步骤2、采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;其中,离散后的移动机器人的动力学模型的表达式为:
其中,为第k个采样时刻离散后的移动机器人的动力学模型;V(k)为第k个采样时刻移动机器人的运动控制向量;U(k)为第k个采样时刻直流驱动电机的驱动电压;Aσ和Bσ分别为离散后的移动机器人的系统参数;k为当前采样时刻,T为采样周期,I为单位矩阵。
步骤3、构建滑动超平面和滑模趋近律;
滑动超平面s(k)的表达式为:
s(k)=cTx(k)-cTE(k)x(0)
其中,c为滑态参数矩阵;E(k)为第k个采样时刻的时变衰减矩阵,和/>为分别第k个采样时刻的时变衰减矩阵向量;β1和β2分别为预设滑动参数;x(k)为移动机器人在第k个采样时刻的驱动输入;x(0)为移动机器人初始采样时刻的驱动输入。
滑模趋近律的表达式为:
sf=c|V|
其中,ξ为常系数,且ξ>0;q为与δ算子有关的前向位移算子,q>0;为为趋近律变量;sf为中间变量;τ为计算参数;Φ为滑模变结构稳定性分析参量;Ω为中间变量。
步骤4、根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;其中,滑模变结构移动机器人驱动控制器的表达式为:
u(k)=(cTTBσ)-1(TΦs(k)-cTTAσx(k)-cTE(k)x(0)+s(k))
其中,u(k)为移动机器人在第k个采样时刻的运动控制量。
步骤5、利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制。
本发明还提供了一种基于滑模变结构的移动机器人驱动控制系统,包括模型模块、离散模块、构建模块、控制量模块及驱动模块;
模型模块,用于建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;离散模块,用于采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;构建模块,用于构建滑动超平面和滑模趋近律;控制量模块,用于根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;驱动模块,用于利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制。
本发明还提供了一种基于滑模变结构的移动机器人驱动控制设备,其特征在于,包括存储器、处理器及存储在所述处理器中并可在处理器中运行的可执行指令;所述处理器执行所述可执行指令时实现如下方法:
建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;构建滑动超平面和滑模趋近律;根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制。
本发明提供的一种基于滑模变结构的移动机器人驱动控制系统和设备中相关部分的说明,可以参见本发明所述的一种基于滑模变结构的移动机器人驱动控制方法中对应部分的详细说明,在此不再赘述。
实施例
如附图1-3所示,本实施例提供了一种基于滑模变结构的移动机器人驱动控制方法及系统,包括以下步骤:
步骤1、建立移动机器人动力学模型;其中,移动机器人为两轮差速移动机器人,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压。
具体包括以下步骤:
步骤11、根据Lagrange方程,建立两轮差速移动机器人的Lagrange动力学模型;其中,两轮差速移动机器人的Lagrange动力学模型:
其中,q为移动机器人的广义坐标;为q的一次微分项;/>为q的二次微分项;M(q)为系统惯性矩阵;/>为参考点的向心力和哥氏力矩阵;/>为表面动态摩擦力项;G(q)为万有引力项;τ为移动机器人驱动轮上的驱动力矩向量;A(q)为与约束条件相关的矩阵;λ为附加约束;B(q)为输入变换矩阵。
步骤12、根据两轮差速移动机器人的Lagrange动力学模型、直流驱动电机的输出方程及直流驱动电机的工作参数,求解移动机器人的运动控制量与直流驱动电机的输入电压的数学模型,即得到所述的移动机器人动力学模型;
其中,移动机器人动力学模型的表达式为:
V=[v w]T
Ua=[Ual Uar]T
其中,为V的微分项,V为移动机器人的运动控制向量;v为移动机器人的线速度,w为移动机器人的旋转角速度;Ua为移动机器人的直流驱动电机的驱动电压,Ual为移动机器人的左轮驱动电机的驱动电压;Uar为移动机器人的右轮驱动电机的驱动电压;A和B分别为常数矩阵。
常数矩阵A和常数矩阵B的表达式分别为:
K1=nKτ/Ra
K2=nKbK1
其中,K1及K2为移动机器人的系统参数,分别通过Lagrange方程与机器人参数;X为与移动机器人驱动轮有关的参数矩阵;m为移动机器人的质量,Im为移动机器人相对于其中心点M的转动惯量,r为移动机器人的驱动轮半径,L为驱动轮到移动动机器人中心点M的距离,n为移动机器人的机械齿轮减速比,Kτ为直流驱动电机的转矩常数,Ra为直流驱动电机的电阻,Kb为直流驱动电机的反电动常数。
推导过程如下:
本实施例中,考虑移动机器人在平面上运行时,其势能保持不变,忽略两轮差速移动机器人的Lagrange动力学模型中的表面动态摩擦力项及万有引力项,并联立移动驱动方程,进行消项处理,得到所述移动机器人动力学模型;
其中,为移动机器人横坐标的微分项;/>为移动机器人纵坐标的微分项;/>为移动机器人的旋转角微分项;θ为移动机器人的旋转角;J为中间参数;d为移动机器人两驱动轮间距的一半。
将两轮差速移动机器人在广义坐标系中的动力学模型整理为:
τ=[τl τr]T
其中,及/>分别为中间参量;τ为移动机器人的驱动轮旋转力矩向量;τl为移动机器人的左轮旋转力矩;τr为移动机器人的右轮旋转力矩。
对于移动机器人的小车驱动部分,移动机器人的直流驱动电机的驱动电压Ua、输出转矩向量τm及机械齿轮减速比n的表达式如下:
τm=Kτia
ωm=nω
τ=nτm
Ua=[Ual Uar]T
ia=[ial iar]T
ω=[ωwl ωwr]T
τ=[τl τr]T
其中,La为直流驱动电机的电感;ia为直流驱动电机的电枢电流向量,ial为移动机器人左轮直流驱动电机驱动电流,iar为移动机器人右轮直流驱动电机驱动电流;ωm为直流驱动电机的电机角速度向量;ωwl为移动机器人的左轮角速度,ωwr为移动机器人的右轮角速度。
利用移动机器人的动力学方程及移动机器人的直流驱动电机的工作参数,计算得到移动机器人的驱动轮旋转力矩向量τ与直流驱动电机的驱动电压Ua的关系为:
τ=K1Ua-K2ω=K1Ua-K2XVM
K1=nKτ/Ra
K2=nKbK1
因此,将上式代入入,即得到移动机器人动力学模型的表达式为:
步骤2、采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;其中,离散后的移动机器人的动力学模型的表达式为:
步骤1中,获取的移动机器人的动力学模型为线性连续系统,本实施例采用δ算子,对移动机器人的动力学模型进行离散化处理,得到离散化的移动机器人动力学模型。
其中,为第k个采样时刻离散后的移动机器人的动力学模型;V为第k个采样时刻移动机器人的运动控制向量;U(k)为第k个采样时刻移动机器人的直流驱动电机的驱动电压;Aσ和Bσ分别为系统参数;k为当前采样时刻,T为采样周期;I为单位矩阵。
步骤3、构建滑动超平面和滑模趋近律;
步骤31、建立滑动超平面
对于滑模变结构控制系统,只有当机器人动力学模型处于滑动平面上时,才具有最良好的鲁棒性;为使机器人动力学模型在初始时刻即处于滑动平面上,确保其具有良好的鲁棒性,建立的滑动超平面满足s(0)=0,即机器人动力学模型在初始时刻就处于滑动模态,因此,滑动超平面s(k)的表达式为:
s(k)=cTx(k)-cTE(k)x(0)
其中,c为滑态参数矩阵;E(k)为第k个采样时刻的时变衰减矩阵,和/>为分别第k个采样时刻的时变衰减矩阵向量;β1和β2分别为预设滑动参数;x(k)为移动机器人在第k个采样时刻的驱动输入;x(0)为移动机器人初始采样时刻的驱动输入。
步骤32、建立趋近律
趋近律的设计是离散变结构控制的核心,对于传统的趋近律,存在抖震问题,抖震对于直流驱动电机产生较大的伤害;本实施例中,基于对抖震原因的分析,在使得系统稳定的前提下,采用基于δ算子描述的趋近律;其中,基于δ算子描述的趋近律的表达式为:
sf=c|V|
其中,s(k)为第k个采样时刻的系统超平面;ξ为常系数,且ξ>0;q为与δ算子有关的前向位移算子,q>0;为趋近律的变量,sf为中间变量;τ为计算参数;Φ为滑模变结构稳定性分析参量;Ω为中间变量。
以下对本实施例中,基于δ算子描述的趋近律进行验证,具体过程如下:
首先,证明该趋近律能在满足系统的稳定前提下能做到减小系统抖振,具体如下:
对arctan(sf)部分进行分析,由罗必达法则可以得出
当s较小时,本实施例中的趋近率可以表示为δs(k)≈-qs(k)-μs(k),相当于指数趋近率;其中,μ为与sf有关的计算参数。
在s较大的时候,μ≈εsfπ/2,从而保证快速的到达准滑模带s={x(k):||s(k)||<μT};其中,ε为大于零的参数。
当s在原点附近时,μ≈εsf 2,准滑模带宽度不断减小,从而保证系统运动最终到达原点,减少抖振。
其次,给出离散滑模控制系统稳定的条件:
对于传统离散滑模控制系统的趋近律描述:
s(k+1)=(1-qT)s(k)-ξTsign(s(k))
采用如下的δ算子对上式进行描述:
δs(k)=-qs(k)-ξsign(s(k))=ψs(k)
其中,s(k+1)为第k+1个采样时刻的系统超平面;Ψ为中间变量。
为了使得系统稳定,需使得到达条件δs(k)·s(k)<0,即Ψs(k)·s(k)<0,从而得出Ψ<0时系统稳定。
而欲使得s(k+1)<s(k),且系统不会产生抖震现象,即:
Δs=s(k+1)-s(k)=δs(k)T<0
即,δs(k)=Ψs(k)<0;
即,Ψ和s(k)存在反符号的情况下,系统不会出现抖振,此时q或ξ为可变参数。
本实施例中,按照如下分析进行驱动控制抖振减弱的滑模变结构趋近律的参数选择。
现对K+1时刻的稳定性进行分析,根据Lyapunov直接法,当V(k)的导数δV(k)<0,系统渐进稳定,选定正定函数:
V(k)=sT(k)s(k)
V(k+1)=sT(k+1)s(k+1)=(T·δs(k)+s(k))T(T·δs(k)+s(k))=T2·δsT(k)·δs(k)+T·δsT(k)·s(k)+T·sT(k)·δs(k)+sT(k)s(k)
取:
δV(k)=[V(k+1)-V(k)]/T
得到:
δV(k)=TΦ2 s 2(k)+2Φs2(k)=(TΦ2+2Φ)s2(k)
进而可得:
δV(k)=TΦ2s2(k)+2Φs2(k)=(TΦ2+2Φ)s2(k)
欲使得δV(k)<0使得系统稳定,则应取TΦ2+2Φ<0;则当系统满足时,系统稳定;即,当满足/>时,系统稳定。
且,取该取值范围的中间值时系统必然稳定,即:
步骤4、根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制量;
由滑动超平面可得,系统的第k+1个采样时刻状态为:
s(k+1)=cTx(k+1)-cTE(k)x(0)
x(k+1)=TAσx(k)+TBσu(k)+x(k)
s(k+1)=cTTAσx(k)+cTTBσu(k)+cTx(k)-cTE(k)x(0)
其中,x(k+1)为移动机器人在第k+1个采样时刻的驱动输入,u(k)为移动机器人在第k个采样时刻的运动控制量。
将上式代入滑模趋近律,分离运动控制量u(k),可得满足稳定性与无抖振的滑模变结构移动机器人驱动控制器的表达式为:
u(k)=(cTTBσ)-1(TΦs(k)-cTTAσx(k)-cTE(k)x(0)+s(k)
步骤5、利用滑模变结构移动机器人驱动控制量,对移动机器人进行驱动控制。
仿真结果
本实施例中,仿真选择离散化采样周期T=0.001s,选择RS380-ST/3545型电机、小车模型如附图2所示;其中,RS380-ST/3545型电机参数如下;电枢电流ia为8A,电感La为0.2mH,电阻Ra为0.476Ω,转矩常数Kτ为3.87×10-3N·mA,反电动势常数Kb为0.04N/(rad·s-1);移动机器人的质量为1.2kg,车轮半径r为0.05m,相对于其中心点M的转动惯量Im为4.4×10-5kg·m2,车轮到移动动机器人中心点M的距离L为0.1m。
其中,常数矩阵A和常数矩阵B分别为:
选择控制系统参数为:ε=1,τ=0.005,q=1/T=1000,预设滑动参数β1=5,预设滑动参数β2=8。
从附图4-5中可以看出,采用δ算子离散化后的电机控制系统是稳定可控的;其中,如图5所示,由于连续系统存在干扰,使得测量值x(0)存在误差,从而滑动超平面s(k)=cTx(k)-cTE(k)x(0)在一开始不能完全等于0,但也在一个很小的范围内,并且在很快的时间即完全进入超平面并不在抖震;如图6-7所示,相对于采用零阶保持器的离散化控制方法,可以看出本实施例提出的算法在控制稳定性上是优于传统方法的。
本发明所述的驱动控制方法、系统及设备,使用采样原连续驱动系统得到离散化的系统,为了避免离散后系统发散,采用δ算子对原连续系统进行离散化,保证了离散驱动控制系统的稳定性,并且设计了离散滑模变结构控制系统,给出控制量的求解算法,保证离散驱动控制系统的无抖震性;滑模变结构控制作为一种能实现系统鲁棒控制的有效方法,以其对外部扰动良好的鲁棒性、快速的动态响应能力;滑模变结构控制本质是一种特殊的非线性控制结构,其非线性表现为控制的不连续性;该控制策略与其他控制的不同之处在于系统的“结构”并不固定,而是可以在动态过程中根据系统的当前状态有目的地变化,使系统按照预定的“滑动模态”的状态轨迹运动;本发明通过使控制系统稳定的控制参数的选取原则,设计了离散化的滑动超平面,使得电机驱动控制系统一开始就处于滑动模态附近,并根据此推导了离散驱动控制系统的输入方程,有效的保证系统的稳态控制能力,工程意义重大。
上述实施例仅仅是能够实现本发明技术方案的实施方式之一,本发明所要求保护的范围并不仅仅受本实施例的限制,还包括在本发明所公开的技术范围内,任何熟悉本技术领域的技术人员所容易想到的变化、替换及其他实施方式。
Claims (8)
1.一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,包括以下步骤:
步骤1、建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;
步骤2、采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;
步骤3、构建滑动超平面和滑模趋近律;
步骤4、根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;
步骤5、利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制;
步骤1中,移动机器人为两轮差速移动机器人;建立移动机器人运动学模型过程具体如下:
步骤11、建立两轮差速移动机器人的Lagrange动力学模型;
步骤12、根据两轮差速移动机器人的Lagrange动力学模型、直流驱动电机的输出方程及直流驱动电机的工作参数,求解移动机器人的运动控制量与直流驱动电机的输入电压的数学模型,即得到所述的移动机器人动力学模型;
步骤1中,移动机器人动力学模型的表达式为:
V=[v w]T
Ua=[Ual Uar]T
其中,为V的微分项,V为移动机器人的运动控制向量;v为移动机器人的线速度,w为移动机器人的旋转角速度;Ua为移动机器人的直流驱动电机的驱动电压,Ual为移动机器人的左轮驱动电机的驱动电压;Uar为移动机器人的右轮驱动电机的驱动电压;A和B分别为常数矩阵。
2.根据权利要求1所述的一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,常数矩阵A和常数矩阵B的表达式分别为:
K1=nKτ/Ra,K2=nKbK1,/>
其中,K1及K2为移动机器人的系统参数,X为与移动机器人驱动轮有关的参数矩阵;m为移动机器人的质量,Im为移动机器人相对于其中心点M的转动惯量,r为移动机器人的驱动轮半径,L为驱动轮到移动动机器人中心点M的距离,n为移动机器人的机械齿轮减速比,Kτ为直流驱动电机的转矩常数,Ra为直流驱动电机的电阻,Kb为直流驱动电机的反电动常数。
3.根据权利要求1所述的一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,离散后的移动机器人的动力学模型的表达式为:
其中,为第k个采样时刻离散后的移动机器人的动力学模型;V(k)为第k个采样时刻移动机器人的运动控制向量;U(k)为第k个采样时刻直流驱动电机的驱动电压;Aσ和Bσ分别为离散后的移动机器人的系统参数;k为当前采样时刻,T为采样周期,I为单位矩阵。
4.根据权利要求1所述的一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,步骤3中,滑动超平面s(k)的表达式为:
s(k)=cTx(k)-cTE(k)x(0)
其中,c为滑态参数矩阵;E(k)为第k个采样时刻的时变衰减矩阵,为第k个采样时刻且预设滑动参数为β1的时变衰减矩阵向量;/>为第k个采样时刻且预设滑动参数为Bσ的时变衰减矩阵向量;x(k)为移动机器人在第k个采样时刻的驱动输入;x(0)为移动机器人初始采样时刻的驱动输入。
5.根据权利要求1所述的一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,步骤3中,滑模趋近律的表达式为:
sf=c|V|
其中,ξ为常系数,ξ>0;s(k)为滑动超平面;q为与δ算子有关的前向位移算子,g>0;为趋近律变量,sf为中间变量;τ为计算参数;Φ为滑模变结构稳定性分析参量;Ω为中间变量;c为滑态参数矩阵。
6.根据权利要求1所述的一种基于滑模变结构的移动机器人驱动控制方法,其特征在于,步骤4中,滑模变结构移动机器人驱动控制量的表达式为:
u(k)=(cTTBσ)-1(TΦs(k)-cTTAσx(k)-cTE(k)x(0)+s(k))
其中,u(k)为移动机器人在第k个采样时刻的运动控制量;c为滑态参数矩阵;T为采样周期;Aσ和Bσ分别为离散后的移动机器人的系统参数;Φ为滑模变结构稳定性分析参量;s(k)为滑动超平面;x(k)为移动机器人在第k个采样时刻的驱动输入;x(0)为移动机器人初始采样时刻的驱动输入;E(k)为第k个采样时刻的时变衰减矩阵。
7.一种基于滑模变结构的移动机器人驱动控制系统,其特征在于,包括模型模块、离散模块、构建模块、控制量模块及驱动模块;
模型模块,用于建立移动机器人动力学模型;其中,移动机器人动力学模型的控制输入为直流驱动电机的驱动电压;
离散模块,用于采用δ算子对移动机器人动力学模型进行离散化处理,得到离散后的移动机器人动力学模型;
构建模块,用于构建滑动超平面和滑模趋近律;
控制量模块,用于根据离散后的移动机器人动力学模型、滑动超平面及滑模趋近律,得到滑模变结构移动机器人驱动控制器;
驱动模块,用于利用滑模变结构移动机器人驱动控制器,对移动机器人进行驱动控制;
步骤1中,移动机器人为两轮差速移动机器人;建立移动机器人运动学模型过程具体如下:
步骤11、建立两轮差速移动机器人的Lagrange动力学模型;
步骤12、根据两轮差速移动机器人的Lagrange动力学模型、直流驱动电机的输出方程及直流驱动电机的工作参数,求解移动机器人的运动控制量与直流驱动电机的输入电压的数学模型,即得到所述的移动机器人动力学模型;
步骤1中,移动机器人动力学模型的表达式为:
V=[v w]T
Ua=[Ual Uar]T
其中,为V的微分项,V为移动机器人的运动控制向量;v为移动机器人的线速度,w为移动机器人的旋转角速度;Ua为移动机器人的直流驱动电机的驱动电压,Ual为移动机器人的左轮驱动电机的驱动电压;Uar为移动机器人的右轮驱动电机的驱动电压;A和B分别为常数矩阵。
8.一种基于滑模变结构的移动机器人驱动控制设备,其特征在于,包括存储器、处理器及存储在所述处理器中并可在处理器中运行的可执行指令;所述处理器执行所述可执行指令时实现如权利要求1-6任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121789.6A CN112947072B (zh) | 2021-01-28 | 2021-01-28 | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110121789.6A CN112947072B (zh) | 2021-01-28 | 2021-01-28 | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112947072A CN112947072A (zh) | 2021-06-11 |
CN112947072B true CN112947072B (zh) | 2024-04-05 |
Family
ID=76239020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110121789.6A Active CN112947072B (zh) | 2021-01-28 | 2021-01-28 | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112947072B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114851171B (zh) * | 2022-05-24 | 2023-09-05 | 浙江工业大学 | 下肢外骨骼康复机器人步态轨迹跟踪控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880051A (zh) * | 2012-09-24 | 2013-01-16 | 上海大学 | 轮式移动机器人的模糊滑模驱动控制方法 |
CN105116729A (zh) * | 2015-08-17 | 2015-12-02 | 杭州电子科技大学 | 一种两轮自平衡机器人自适应滑模变结构控制方法及系统 |
CN105811826A (zh) * | 2016-03-30 | 2016-07-27 | 中车永济电机有限公司 | 一种感应电机新型趋近律滑模控制方法 |
CN107037808A (zh) * | 2016-09-09 | 2017-08-11 | 东莞理工学院 | 基于滑模控制器的输送车寻迹方法 |
CN107168340A (zh) * | 2017-07-11 | 2017-09-15 | 江南大学 | 一种基于滑模变结构的移动机器人轨迹跟踪控制方法 |
CN107490963A (zh) * | 2017-08-16 | 2017-12-19 | 哈尔滨工业大学深圳研究生院 | 基于最新估计的动态线性化自适应滑模控制方法 |
-
2021
- 2021-01-28 CN CN202110121789.6A patent/CN112947072B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880051A (zh) * | 2012-09-24 | 2013-01-16 | 上海大学 | 轮式移动机器人的模糊滑模驱动控制方法 |
CN105116729A (zh) * | 2015-08-17 | 2015-12-02 | 杭州电子科技大学 | 一种两轮自平衡机器人自适应滑模变结构控制方法及系统 |
CN105811826A (zh) * | 2016-03-30 | 2016-07-27 | 中车永济电机有限公司 | 一种感应电机新型趋近律滑模控制方法 |
CN107037808A (zh) * | 2016-09-09 | 2017-08-11 | 东莞理工学院 | 基于滑模控制器的输送车寻迹方法 |
CN107168340A (zh) * | 2017-07-11 | 2017-09-15 | 江南大学 | 一种基于滑模变结构的移动机器人轨迹跟踪控制方法 |
CN107490963A (zh) * | 2017-08-16 | 2017-12-19 | 哈尔滨工业大学深圳研究生院 | 基于最新估计的动态线性化自适应滑模控制方法 |
Non-Patent Citations (1)
Title |
---|
基于dSPACE的PMSM反演滑模控制;杨前;刘卫国;张明慧;;微电机(第03期);34-37 * |
Also Published As
Publication number | Publication date |
---|---|
CN112947072A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Multirate estimation and control of body slip angle for electric vehicles based on onboard vision system | |
CN107121932B (zh) | 电机伺服系统误差符号积分鲁棒自适应控制方法 | |
Hashemi et al. | Model-based PI–fuzzy control of four-wheeled omni-directional mobile robots | |
Nasir et al. | The control of a highly nonlinear two-wheels balancing robot: A comparative assessment between LQR and PID-PID control schemes | |
CN110116409B (zh) | 一种基于扰动观测器的四通道遥操作双边控制方法 | |
CN108459605B (zh) | 基于agv系统的轨迹跟踪控制方法 | |
Zheng et al. | Fuzzy-set theory based optimal robust constraint-following control for permanent magnet synchronous motor with uncertainties | |
Liu et al. | A hierarchical anti-disturbance path tracking control scheme for autonomous vehicles under complex driving conditions | |
CN112947072B (zh) | 基于滑模变结构的移动机器人驱动控制方法、系统和设备 | |
Yang et al. | Neural network dynamic surface position control of n‐joint robot driven by PMSM with unknown load observer | |
Dai et al. | Finite-time trajectory tracking for marine vessel by nonsingular backstepping controller with unknown external disturbance | |
Zhao et al. | Nonlinear model predictive control-based guidance algorithm for quadrotor trajectory tracking with obstacle avoidance | |
Zhang et al. | Variable gain based composite trajectory tracking control for 4-wheel skid-steering mobile robots with unknown disturbances | |
Yuan et al. | Differential flatness-based adaptive robust tracking control for wheeled mobile robots with slippage disturbances | |
CN111413996B (zh) | 一种基于事件触发eso的四旋翼保性能轨迹跟踪控制方法 | |
Eghtesad et al. | Study of the internal dynamics of an autonomous mobile robot | |
CN110378057B (zh) | 一种内置式永磁同步电机抗干扰控制器及其设计方法 | |
CN116560375A (zh) | 基于神经网络观测器的轮式移动机器人轨迹跟踪控制方法 | |
Gao et al. | Receding horizon tracking control for wheeled mobile robots with time-delay | |
CN112147894B (zh) | 基于运动学和动力学模型的轮式移动机器人主动控制方法 | |
CN112051736B (zh) | 一种基于单控制器的轨迹跟踪控制系统 | |
Miah et al. | Universal dynamic tracking control law for mobile robot trajectory tracking | |
CN104734591A (zh) | 汽车电动转向电机磁场定向控制的串级系统稳定调速方法 | |
Li et al. | A hierarchical path tracking method for high-speed unmanned tracked vehicle | |
Yu et al. | Experiment and controller design for two-wheeled robot with nonlinear damping and road disturbance |
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 |