CN114167721A

CN114167721A - 一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器

Info

Publication number: CN114167721A
Application number: CN202111314017.0A
Authority: CN
Inventors: 高庆吉; 岳凤发; 罗其俊; 侯世昊
Original assignee: Civil Aviation University of China
Current assignee: Civil Aviation University of China
Priority date: 2021-11-08
Filing date: 2021-11-08
Publication date: 2022-03-11
Anticipated expiration: 2041-11-08
Also published as: CN114167721B

Abstract

本发明公开了一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器，其中自抗扰轨迹跟踪控制方法包括：设计线性扩张状态观测器；设计反馈控制律，在线性自抗扰控制器的基础上引入非线性反馈控制律；对线性扩张状态观测器进行渐进稳定性分析。根据仿真曲线、误差分析和调整时间对比，本申请采用的改进后的自抗扰跟踪控制器控制效果较好，初始时刻超调量较小，系统响应速度较快。达到稳态后，稳态误差较小，几乎无误差波动，控制精度较高，控制过程较为平稳；抗扰能力较强。引入扰动后，本申请方法的抗扰能力对引入内扰有较强抑制能力。所采用的踪控制器对于载人机器人的敏捷通行目标实现，提高了运行安全性、敏捷性和舒适性。

Description

一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器

技术领域

本发明实施例涉及控制工程技术领域，具体涉及一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器。

背景技术

随着科技发展，在航站楼、商场等公共室内环境中载人机器人的应用成为人们关注的热点问题。载人机器人的应用需满足运行的安全性、敏捷性以及旅客乘载的舒适性，因而需要从乘载的视角研究机器人的轨迹跟踪控制方法。轨迹规划算法主要是通过在线修改机器人轨迹规划中的加速度值，以优化速度空间得到需求轨迹。正是由于其中包含有加速度变化，即机器人动力学输出存在变化，所以在轨迹跟踪过程中极易出现机器人动力学变化而引起的内扰，导致机器人轨迹跟踪不稳定。并且面向载人应用的移动机器人，还需要考虑在人机共存环境中也极有可能受到其它外界干扰。此外，在轨迹规划过程中参考轨迹发生跳变时，机器人则需要快速精确地跟踪参考轨迹。因此，载人机器人轨迹跟踪过程中较强抗扰能力和较高敏捷跟踪性能是保证其稳定跟踪的必要条件。设计合理的轨迹跟踪控制方法，可以有效的抑制干扰，为载人机器人的敏捷通行和旅客乘载舒适性加以保障。

现有技术中，在日常生活中的跟踪控制层面，PID因其结构简单、控制性能优越得而到广泛应用，但由于PID是一种仅靠控制目标和实际结果之间的误差就可以消除总体误差的简易、快速方法，所以在某些特殊工况下，其无法满足高性能的控制需求。为此，韩京清研究员提出了自抗扰控制的思想，对传统PID控制的缺陷进行了合理的弥补，使得自抗扰控制器具有了较强的抗干扰性能。自抗扰控制器在工程应用中取得了良好的效果，但也因其较为巧妙的设计，使得在参数调整工作中，相较于PID等非依赖于模型的控制器较为复杂。所以，高志强教授在韩京清研究员的基础上进行了优化，得到了线性自抗扰控制器，简化了原有自抗扰控制器的参数整定问题，但同时，由于其采用了典型PD组合的反馈控制律，反馈增益的配置不够灵活，有效抑制超调的同时快速跟踪期望曲线的效果不够理想。

因此，如何提供新型的线性自抗扰轨迹跟踪控制方法和控制器，提高自抗扰性能，是本领域技术人员亟待解决的技术问题。

发明内容

为此，本发明实施例提供一种载人机器人的线性自抗扰轨迹跟踪控制方法和控制器，以解决现有技术中存在的相关技术问题。

为了实现上述目的，本发明实施例提供如下技术方案：

根据本发明实施例的第一方面，一种载人机器人的线性自抗扰轨迹跟踪控制方法，应用线性自抗扰控制器，其中，所述线性自抗扰控制器至少包括线性扩张状态观测器，包括如下步骤：

机器人开机运行，

步骤1：对控制参数和基本运动参数进行设定，同时接收到来自各类机载传感器的障碍物位置信息；

步骤2：对所处环境中的障碍物密度和障碍物危险性进行评估，采用对应的约束关系计算机器人需要更新的加速度值，并动态修改局部轨迹规划自适应动态窗口法的速度空间，得到优化后的参考轨迹；

步骤3：以参考轨迹作为自抗扰控制的参考输入，并采用线性扩张状态观测器对参考轨迹中加速度变化，以及在运行场景中的扰动进行估计和补偿；

步骤4：根据自抗扰控制的输出和参考位姿对比，判断机器人当前是否到达参考轨迹和目标点，并进行循环执行轨迹规划和跟踪控制。

在上述步骤3中，还包括了下述步骤：

步骤3-1：设计线性扩张状态观测器；

步骤3-2：设计反馈控制律，在线性自抗扰控制器的基础上引入非线性反馈控制律；

步骤3-3：对线性扩张状态观测器进行渐进稳定性分析。

需要说明的是，步骤3中包含3个步骤，分别为步骤3-1、步骤3-2和步骤3-3，步骤3-1和步骤3-2是设计线性自抗扰控制器的基础，步骤3-3是证明线性扩张状态观测器的稳定性，进而可以得到线性自抗扰控制器的稳定性。

进一步的，在步骤3-1中，设计线性扩张状态观测器如下：

在载人机器人的轨迹跟踪控制时，跟踪目标为机器人已有轨迹的参考位姿(x_d，y_d，θ_d)，实现实时位姿(x_t，y_t，θ_t)向参考位姿(x_d，y_d，θ_d)的精确接近；

载人机器人系统在轨迹跟踪控制时，对位姿矢量中的其中一项跟踪时，将视作单输入单输出的二阶系统，以对全局坐标下X坐标跟踪，可写作下式：

其中，f是系统总扰动，u是控制量，x是状态变量，b是控制器增益。假设f可微，y是被控输出，将其扩展为一个新的状态量，可得：

其中，x₁＝y，

其中，x₁表示沿X方向的位移，x₂表示沿X方向的速度，x₃表示总扰动，由Luenberger提出的状态观测器理论，得到的LESO方程如下：

其中，

为是LESO的状态变量，β₁，β₂，β₃是观测器增益。

进一步的，在步骤3-2中，设计反馈控制律，在线性自抗扰控制器的基础上引入非线性反馈控制律如下：

依据建立的动力学模型，将输入和输出进行做差，以载人机器人的参考速度矩阵v作为输入量，实际速度v_c作为系统输出，构建系统的反馈误差公式：

v_e＝v-v_c (4)

对速度误差矩阵进行求导可得：

其中，B代表一个矩阵，即

其中，

上式中

M(q)为惯量矩阵，E(q)为转换矩阵，τ_d力矩常数，τ代表输入力矩矢量，

代表总扰动的导数；

故整理后可得到载人机器人的输入力矩表达式如下：

载人机器人系统，在轨迹跟踪控制时，针对位姿矢量的跟踪，可将其视作二阶系统，且构建的线性扩张状态观测器如下所示：

其中，

即为载人机器人的速度矩阵v的分量。采用状态观测器理论展开后所得到的观测值

如下式所示，即为对速度矩阵分量的观测值：

上式中假设了虚拟控制量u₀，将其定义为：

其中，

代表沿X方向的位移的估计；

代表沿X方向的速度的估计；

代表总扰动的估计，

代表沿X方向位移的估计的导数；

代表沿X方向速度的估计的导数；

代表总扰动估计的导数；

由于线性扩张状态观测器可以对系统的内外扰动进行实时轨迹，所以在虚拟控制量中，去除了积分环节；为了避免给定信号急变时导致系统的震荡，且可以保持闭环传函没有零点时为纯二阶系统，直接忽略

的作用，故可以将二阶系统下的误差反馈控制律u表示为如下式所示：

其中，b是控制器增益；

将载人机器人视作纯二阶系统时，可以根据公式(7)得到系统采用扩张状态观测器下的传递函数：

将控制器的两个极点配置到s平面左半实轴-ω_c处，从而可以确定控制器增益：

(s+ω_c)²＝s²+ξ₂s+ξ₁ (10)

可得：

ξ₂＝2ω_c，

根据实际需求和扩张状态观测器特性，在典型PD组合反馈控制律基础上，引入非线性反馈控制律，配置反馈增益，即根据估计误差大小动态调整控制律大小，误差较大时输出较大控制量，误差较小时输出较小控制量，从而达到有效抑制超调的同时快速跟踪期望曲线：

其中，

和

分别为位置误差信号和速度误差信号；k₀和n₀分别为比例环节和微分环节虚拟控制量；α和ζ为调节因子。

进一步的，在步骤3-3中，对线性扩张状态观测器进行渐进稳定性分析如下：

将系统视作二阶单输入单输出形式时，所构建的线性扩张状态观测器如下式所示：

令LESO的状态变量

作为状态矩阵

观测增益β₁、β₂、β₃作为增益矩阵G；控制参数b作为参数矩阵B，化简公式(3)可得：

假设观测器误差：

e＝(e₁，e_z，e₃)^T (17)

将

以多元形式展开得：

计算该式特征方程得：

λ³+β₁λ²+β₂λ+β₃＝0 (19)

根据特征根与系统稳定性的关系可知，在配置特征方程的有限根时，将其配置在实轴负半轴的-ω₀处；故可得转化后的特征方程：

(λ-ω₀)³＝0 (20)

解之得：β₁＝3ω₀，

令

则简化

可得：

设|w|≤δ，初始时刻e(0)＝e₀，得误差方程的解：

将系统的观测器状态初始值设定为零状态响应，即e₀＝0，可得

当s³+β₁s²+β₂s+β₃＝(s+ω₀)＝0时，解得β₁＝3ω₀，

时

综上可得：

其中，

代表沿X方向的位移的估计；

代表沿X方向的速度的估计；

代表总扰动的估计，

代表沿X方向位移的估计的导数；

代表沿X方向速度的估计的导数；

代表总扰动估计的导数，δ代表总扰动导数的最大值，e和e(t)是误差，ω₀是观测器带宽，b是控制器增益，β₁、β₂、β₃是观测增益；

根据式(30)可知，适当的调整β₁，β₂，β₃可实现观测器对系统中各个状态变量的稳定跟踪，即

达到LESO的渐进稳定。

根据本发明实施例的第二方面，提供了一种载人机器人的线性自抗扰轨迹跟踪控制器，配置为用于执行如上中任一项所述方法的步骤。

根据本发明实施例的第三方面，提供了一种服务器，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如上中任意一项所述方法的步骤。

根据本发明实施例的第四方面，一个或多个存储有计算机可读指令的计算机可读非易失性存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上中任意一项所述方法的步骤。

本发明实施例具有如下优点：

根据仿真曲线、误差分析和调整时间对比，本申请采用的改进后的自抗扰跟踪控制器其优势为以下两点：(1)控制效果较好。初始时刻超调量较小，系统响应速度较快。达到稳态后，稳态误差较小，几乎无误差波动，控制精度较高，控制过程较为平稳。(2)抗扰能力较强。引入扰动后，本申请方法的抗扰能力明显优于对比的其它两种算法，对引入内扰有较强抑制能力。

所采用的改进后的自抗扰轨迹跟踪控制器对于载人机器人的敏捷通行目标实现，具有有效抑制了载人机器人运行时轨迹跟踪过程中的超调，提高了运行安全性；缩短了轨迹跟踪时扰动调整时间，使移动机器人更迅速跟踪参考轨迹，提高了机器人运行的敏捷性；具有较高的跟踪精度，可以有效跟踪所参考的相对舒适轨迹，保证了整体运行的较高舒适性。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。

图1为本发明的载人机器人结构示意图；

图2为本发明的载人机器人的整体算法实现流程图；

图3为本发明的模拟加入内部扰动的波形图；

图4为本发明的X轴方向轨迹跟踪曲线图；

图5为本发明的加入外部推阻扰动跟踪曲线局部放大图；

图6为本发明的加入内部扰动跟踪曲线局部放大图；

图7为本发明的参考轨迹骤变跟踪曲线局部放大图；

图8为本发明的X方向轨迹跟踪误差曲线图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的在于提供一种室内载人机器人改进线性自抗扰轨迹跟踪控制方法和控制器。

本发明基于高志强教授改进的线性自抗扰控制器。将ADRC线性化的过程中，主要是在原有基础上省略了跟踪微分器(TD)，并在扩张状态观测器ESO和非线性控制组合SEF两个方向上进行了简化。主要的改动设计思想是：将ESO线性化，并将状态观测器的带宽设计为调整参数；原有的非线性组合控制律简化采用简单的PD组合控制，并将比例环节系数和微分时间与控制器带宽相关联，从整体上简化了原有ADRC的参数整定问题。本申请中采用现有技术中的线性自抗扰控制器结构，具体可参照“高志强.自抗扰控制思想探究[J].控制理论与应用，2013，30(12)：1498-1510”，在此不再赘述。

首先，建立载人机器人运动学模型

本申请中轮式载人机器人依据非完整约束的双轮差速形式，研究其在二维平面的轨迹规划及运动控制问题，具体结构如图1所示。载人机器人系统包括中部两侧左右驱动轮和其它4个从动万向轮。机器人的行进方向靠左右两侧驱动轮的转速差来控制，并可以控制驱动轮转速大小，改变机器人的前进速度。其它从动轮为机器人的平稳运行提供支撑和引导转向功能。假设载人机器人不会发生机械形变，运行过程中不会发生打滑和侧滑。

图1中包含了全局坐标系XOY和局部坐标系x_pcy_p；由于机器人的左右轮速度不一样，所以设定V_l为左轮前进速度，V_r为右轮前进速度，

为左右轮转动角速度，θ为机器人与X轴正向的夹角，车轮半径为r，两轮之间间距为W。

分别为机器人得左右轮速度的具体表达形式，机器人的前向速度V为左右轮的平均速度，即为：

同时可得左右轮速度与前向速度、转向角速度的关系为：

得转向角速度为：

ω＝(V_l-V_r)/W (1.4)

令机器人的几何中心坐标为两轮中心，根据以上分析可得运动方程如式(1.5)所示：

定义机器人广义位姿矢量为q＝(x，y，θ)^T，速度矢量为v＝(v，ω)^T，则机器人的运动学模型可表述为：

其中：矩阵

将公式(1.6)展开为下式所示：

由上述分析可知，机器人运动学的变量有三个，分别为左轮速度，右轮速度和转向角速度，当调节机器人的位姿时，要同时考虑到这三个量的变化。

然后，建立机器人动力学模型

动力学模型与运动学模型不同。动力学模型描述了载人机器人的速度和位姿的动力学推导关系，其不仅包含了机器人在机械结构上运动学换算关系和机器人的基本运动学模型关系，还包含了机器人受力与机器人位姿之间的关系。建立载人机器人的动力学模型，是从机器人运动控制的更加深入、更加全面的角度进行机器人系统剖析。

对机器人进行动力学分析时，一般采用Lagrange方程式进行逐步推导，Lagrange方程主要是通过对机器人进行综合受力分析，形成包含机器人动能和势能的关系式，可表达为下式：

L＝T-P (1.8)

其中：T为机器人的动能总和，P为机器人的势能总和；机器人动能和势能做差，即为机器人的拉格朗日函数。

本文中研究的载人机器人所处人机共存环境，视作地面平整无较大坡度变化且不发生侧滑的硬质地面，所以不考虑机器人的势能变化，即P＝0。在进行载人机器人的动力学分析时仅考虑机器人的动能，可表述为公式(1.9)：

将载人机器人的动力学模型构建拉格朗日标准形式，可表示为公式(1.10)所示：

其中：M为惯量矩阵，

V为哥氏力和离心力矩阵，

E为转换矩阵，

A为非完整约束矩阵，

τ为输入力矩矢量，τ＝[τ₁，τ₂]^T；λ为对应于约束力的拉格朗日乘数因子矩阵。矩阵参数m为载人机器人的总质量；I为转向过程中机器人的转动惯量；d为载人机器人几何中心与质心之间的距离。

针对以上载人机器人的拉格朗日标准形式，若考虑载人机器人如图1所示结构中机器人的几何中心和质心相互重合，则拉格朗日标准形式中的几何中心和质心之间的距离d可以忽略不计，则哥氏力和离心力矩阵V将不存在。故可以将动力学模型的拉格朗日标准形式进行简化得到：

并且，机器人所处人机共存环境，地面平整不发生侧滑或打滑现象，则载人移动机器人的非完整约束矩阵A满足公式(1.12)所示关系。

且根据公式(1.6)中机器人的运动学模型求得：

将公式(1.11)与公式(1.12)，(1.13)联立，得到速度矩阵和加速度矩阵的拉格朗日标准形式如下式所示：

公式两端同时乘以S^T(q)，并将各个参数矩阵的具体内容带入，进行计算并化简得到：

化简后，可得S^T(q)A^T(q)＝0，

整理得公式(1.16)得到：

令

即有：

其中，

为了达到上述目的，本发明提供的室内载人机器人改进线性自抗扰轨迹跟踪控制方法，应用自抗扰控制器，其中，所述自抗扰控制器至少包括线性扩张状态观测器，主要涉及以下步骤：

1)设计线性扩张状态观测器(LESO)

扩张状态观测器(ESO)，是在60年代初期Luenberger提出的状态观测器理论基础上发展而来的。同时，也是自抗扰控制器中核心组成部分。扩张状态观测器利用反馈机制可以估计出系统的状态和总扰动，其中总扰动是指系统自身模型的不确定性(内扰)和系统的外部扰动(外扰)的综合作用。将ESO估计出来的总扰动量补偿到控制器中去，可以使原来的非线性系统转变为线性的积分器串联型控制系统。扩张状态观测器可以估计系统内外扰动的实时作用值，并在反馈中给予补偿，用补偿的方法消除扰动的影响，从而具有抗干扰的作用。

在研究载人机器人的轨迹跟踪控制时，主要跟踪目标为机器人已有轨迹的参考位姿(x_d，y_d，θ_d)，实现实时位姿(x_t，y_t，θ_t)向参考位姿的精确接近。

载人机器人系统在轨迹跟踪控制时，对位姿矢量中的其中一项跟踪时，将视作单输入单输出的二阶系统，以对全局坐标下X坐标跟踪为例，可写作下式：

其中，x₁＝y，

其中，x₁表示沿X方向的位移，x₂表示沿X方向的速度，x₃表示总扰动，由Luenberger提出的状态观测器理论，解决了在确定性条件下受控系统的状态重构问题，得到的LESO方程如下：

其中，

为是LESO的状态变量，β₁，β₂，β₃是观测器增益。

2)设计反馈控制律，在线性自抗扰控制器的基础上引入非线性反馈控制律

在轨迹跟踪过程中，由实际值向参考值的跟进过程中，需要避免参考轨迹产生骤变时跟踪曲线的局部抖动带来的不稳定。此时，需要使跟踪曲线尽量输出为临界阻尼或过阻尼状态，不出现系统超调。线性自抗扰控制器的反馈控制律设计和PID控制的反馈控制律设计具有相像之处，均为通过输出和输入的误差量作为反馈基础设计反馈控制律。依据建立的动力学模型，将输入和输出进行做差。以载人机器人的参考速度矩阵v作为输入量，实际速度v_c作为系统输出，构建系统的反馈误差公式：

v_e＝v-v_c (4)

对速度误差矩阵进行求导可得：

其中，B代表一个矩阵，即

其中，

上式中

代表总扰动的导数；

故整理后可得到载人机器人的输入力矩表达式如下：

其中，

如下式所示，即为对速度矩阵分量的观测值。

上式中假设了虚拟控制量u₀，将其定义为：

其中，

代表沿X方向的位移的估计；

代表沿X方向的速度的估计；

代表总扰动的估计，

代表沿X方向位移的估计的导数；

代表沿X方向速度的估计的导数；

代表总扰动估计的导数；

由于线性扩张状态观测器可以对系统的内外扰动进行实时轨迹，所以在虚拟控制量中，去除了积分环节。此外，为了避免给定信号急变时导致系统的震荡，且可以保持闭环传函没有零点时为纯二阶系统，直接忽略

的作用，故可以将二阶系统下的误差反馈控制律u表示为如下式所示。

其中，b是控制器增益；

将载人机器人视作纯二阶系统时，可以根据公式(7)得到系统采用扩张状态观测器下的传递函数。

(s+ω_c)²＝s²+ξ₂s+ξ₁ (10)

可得：

ξ₂＝2ω_c。

根据实际需求和扩张状态观测器特性，在典型PD组合反馈控制律基础上，引入非线性反馈控制律，灵活配置反馈增益，即根据估计误差大小动态调整控制律大小，误差较大时输出较大控制量，误差较小时输出较小控制量，从而达到有效抑制超调的同时快速跟踪期望曲线。

其中，

和

3)对线性扩张状态观测器进行渐进稳定性分析

将系统视作二阶单输入单输出形式时。所构建的线性扩张状态观测器如下式所示：

令LESO的状态变量

作为状态矩阵

观测增益β₁、β₂、β₃作为增益矩阵G；控制参数b作为参数矩阵B。化简公式(3)可得：

假设观测器误差：

e＝(e₁，e₂，e₃)^T (17)

将

以多元形式展开得：

计算该式特征方程得：

λ³+β₁λ²+β₂λ+β₃＝0 (19)

(λ-ω₀)³＝0 (20)

解之得：β₁＝3ω₀，

令

则简化

可得：

设|w|≤δ，初始时刻e(0)＝e₀，得误差方程的解：

当s³+β₁s²+β₂s+β₃＝(s+ω₀)＝0时，解得β₁＝3ω₀，

时

综上可得：

其中，

代表沿X方向的位移的估计；

代表沿X方向的速度的估计；

代表总扰动的估计，

代表沿X方向位移的估计的导数；

代表沿X方向速度的估计的导数；

达到LESO的渐进稳定。

为了验证本发明方法的效果，本发明进行了如下实验：

仿真实验以双轮差速结构机器人为原型，机器人左右轮半径r＝0.10m，左右轮间距W＝0.55m，车体等效圆形半径R＝0.8m，设定最大线速度v＝1.80m/s，最大角速度ω＝0.35rad/s，初始线加速度范围

角加速度范围

不考虑打滑和侧滑，且运行地面平整无坡度或颠簸。

载人机器人的整体算法实现流程如图2所示。

其中，步骤1是对系统的参数进行初始化，并接受各种传感器的数据，接下来执行步骤2，对传感器得到的数据进行处理，判断出障碍物的密度和危险性信息，给步骤3的线性自抗扰控制器提供数据来源，通过步骤3的控制，得到步骤4中的轨迹规划和跟踪控制。

1)引入扰动分析

根据载人机器人人在复杂的人机共存环境中实际运行状况，以及参考轨迹中存在的轨迹跳变和加速度骤变，将轨迹跟踪过程中的扰动进行分类：

(1)内部扰动：主要体现在乘载质量的变化引起的扰动，以及机器人采用的参考轨迹输入引起的自身加速度跳变内扰等；在仿真实验过程中，将此部分扰动等效为模型内部加入扰动，波形如图3所示。

(2)外部扰动：机器人在航站楼等类似场景中，可能会受到外部的瞬间碰撞或推阻，进而影响实际输出轨迹，故将此部分扰动等效在控制器的输出端加入扰动。为验证抗扰性能，加入幅度为0.05m的阶跃扰动。

(3)轨迹更新：机器人所处公共环境较为复杂，故需要考虑到有突发或突现的障碍物运动状态改变，从而引起参考轨迹突变，此部分干扰模拟从控制器的参考输入端加入幅度为0.05m阶跃扰动。

2)跟踪控制仿真实验

截取动态窗口法轨迹规划的其中一段轨迹，并将改进线性自抗扰轨迹跟踪控制器与不依赖于模型的自适应PID控制器以及传统自抗扰控制器进行抗干扰性能对比。外部干扰性能对比实验分别沿全局地图X，Y方向进行抗干扰测试。跟踪控制仿真以轨迹X轴方向跟踪为例，结果如图4所示，截取自适应动态窗口法的其中一段轨迹，并将本文跟踪控制方法与不依赖于模型的自适应PID控制器以及传统自抗扰控制器进行抗干扰性能对比。外部干扰性能对比实验分别沿全局地图X，Y方向进行抗干扰测试。对于轨迹跟踪过程中其它参量跟踪曲线分析不在此赘述。在时间t＝5s时，加入外部推阻扰动；t＝10s时加入内扰；t＝15s时参考轨迹发生突变。

如图5至图7分别对引入不同扰动时轨迹跟踪曲线进行了局部放大。

如图5所示，在模拟加入外部推阻扰动时，本文对反馈控制律做了非线性修改之后的X坐标曲线跟踪效果，相对于传统ADRC和自适应PID跟踪效果基本无超调现象，并且在短时间内的可以达到较高的跟踪精度。本文方法的跟踪曲线出现折线状，是因为所采用的非线性反馈控制律给定反馈量机制为误差量加大给定较大控制量，误差量较小给定较小控制量，故出现折线状跟踪轨迹；仿真结果本文所采用的改进后的自抗扰控制器可以有效抑制在输出端加入的外部扰动。

加入内扰后的轨迹跟踪效果图如图6所示。根据所加入状态量扰动波形具有数值存在正负两值，峰值和谷值波动较大，单位时间内的数值变化范围较大等特点，故其可以充分模拟在轨迹跟踪过程中的加速度骤变，乘载质量变化以及其它动力学内扰。

根据图6中的轨迹跟踪仿真实验结果，分析的三类控制方法均具有一定的抗内扰能力，但因自抗扰技术的自身特性，传统ADRC和本文采用的改进后的ADRC抗内扰能力明显优于自适应PID方法。

在复杂的大型室内公共环境中，实时轨迹规划需要考虑参考轨迹发生骤变的情形，故设计了在参考输入端加入阶跃性扰动。如图7所示为在输入端模拟加入参考轨迹骤变时的轨迹跟踪控制效果。本申请所采用的改进后的自抗扰控制器，可以无超调、快速的跟踪参考轨迹，并且在调整时间和跟踪精度上均优于传统ADRC和自适应PID方法。

3)误差曲线与调整时间

误差曲线可以最直观的体现轨迹跟踪精度，并可以利用轨迹跟踪误差曲线进行跟踪控制方法调整时间的计算。

根据跟踪误差曲线及各扰动分析曲线，计算得到在±5％误差带时的调整时间Ts分布如表1所示。其中，加入内扰时，由于系统输出出现两次较大波动，所以分别记录了前后两次调整时间。

表1为调节时间对比

据图8轨迹跟踪误差结果及表1中调整时间对比可以看出，本申请采用的改进自抗扰轨迹跟踪控制方法控制效果明显优于传统ADRC和自适应PID，具有较强的抗干扰能力和较快速的跟踪性能，可以较准确地跟踪参考轨迹。

根据仿真曲线、误差分析和调整时间对比，本申请采用的改进后的自抗扰跟踪控制器其优势为以下两点：

(1)控制效果较好。初始时刻超调量较小，系统响应速度较快。达到稳态后，稳态误差较小，几乎无误差波动，控制精度较高，控制过程较为平稳。

(2)抗扰能力较强。引入扰动后，本申请方法的抗扰能力明显优于对比的其它两种算法，对引入内扰有较强抑制能力。

所采用的改进后的自抗扰轨迹跟踪控制器对于载人机器人的敏捷通行目标实现，具有的优势可以总结为：

(1)有效抑制了载人机器人运行时轨迹跟踪过程中的超调，提高了运行安全性。

(2)缩短了轨迹跟踪时扰动调整时间，使移动机器人更迅速跟踪参考轨迹，提高了机器人运行的敏捷性。

(3)具有较高的跟踪精度，可以有效跟踪所参考的相对舒适轨迹，保证了整体运行的较高舒适性。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算机包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储、量子存储器、基于石墨烯的存储介质或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本申请中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

在本说明书一个或多个实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本说明书一个或多个实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。