CN115123581A - 可变轴距星球车的高地形适应性蠕动控制方法及系统 - Google Patents
可变轴距星球车的高地形适应性蠕动控制方法及系统 Download PDFInfo
- Publication number
- CN115123581A CN115123581A CN202210829734.5A CN202210829734A CN115123581A CN 115123581 A CN115123581 A CN 115123581A CN 202210829734 A CN202210829734 A CN 202210829734A CN 115123581 A CN115123581 A CN 115123581A
- Authority
- CN
- China
- Prior art keywords
- wheel
- strategy
- wheeled robot
- index
- vehicle
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64G—COSMONAUTICS; VEHICLES OR EQUIPMENT THEREFOR
- B64G1/00—Cosmonautic vehicles
- B64G1/16—Extraterrestrial cars
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Vehicle Body Suspensions (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了可变轴距星球车的高地形适应性蠕动控制方法及系统,包括:获取轮式机器人的车辆位姿信息和车轮受力信息;基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距,保证轮式机器人具有松软地形降低轮间内里对抗、崎岖地形稳定车体姿态、以及部分车轮沉陷时的主动脱陷能力。
Description
技术领域
本发明涉及机器人控制领域,具体而言,涉及可变轴距星球车的高地形适应性蠕动控制方法及系统。
背景技术
作为科学探测仪器的有效载体平台,星球车在星球探测工程中起着举足轻重的作用。在星球车执行探测任务的过程中,会遇到各种复杂地形,需要星球车具有针对地形的适应能力和一定的越障避障能力。
在现有技术中,在天体表面执行勘测任务的星球车大多为多轮移动机器人,在不确定以及未知的环境下执行复杂的任务,更需要一个有效的运动控制算法来充分发挥车轮对车体的牵引能力,实现悬架和多轮之间的协调控制,进而提高星球车在复杂地形下的通过性问题。
发明内容
本发明解决的问题是如何提高轮式机器人的通过性。
为解决上述问题,本发明提供可变轴距星球车的高地形适应性蠕动控制方法,包括:
获取轮式机器人的车辆位姿信息和车轮受力信息;基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
可选地,所述跟随车轮变化模式包括:
第一策略,包括通过预设的映射关系调节所述轮式机器人的前后轮的轮距以改变其内力和内力矩,以增加所述前后轮之间挂钩牵引力的匹配度;第二策略,包括当所述轮式机器人的至少一个前轮发生沉陷时,通过改变轴距与至少一个车轮运动朝向,控制所述轮式机器人整体旋转产生扭转力矩;第三策略,包括当所述轮式机器人的至少两个前轮同时发生沉陷时,控制所述轮式机器人的后轮向后加速运动,并碰撞机械限位。
可选地,所述指定轴距模式包括:
第四策略,包括在所述轮式机器人处于非平坦地形时,增加所述轮式机器人前轮和后轮之间的轴距;第五策略,包括在所述轮式机器人转向时,减小所述轴距;第六策略,包括在所述轮式机器人处于平地到坡地的过渡过程时,减小所述轴距;第七策略,包括在所述轮式机器人处于坡地到平地的过渡过程时,增大所述轴距;第八策略,包括在所述轮式机器人上坡时,减小所述轴距;第九策略,包括在所述轮式机器人下坡时,增大所述轴距;其中,每条策略的执行优先级随编号的增大而降低。
可选地,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
判断所述轮式机器人是否发生沉陷;若所述轮式机器人发生沉陷,则执行所述第二策略和所述第三策略;若所述轮式机器人未发生沉陷,则执行所述第一策略或切换为所述指定轴距模式,其中,所述第一策略还包括通过挂钩牵引力、侧向力和可转向车轮的转向角确定内力对抗值,根据所述内力对抗值确定所述轮距。
可选地,所述基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标包括:
根据所述轮式机器人的各个轮所受到的侧向力确定侧向力指标,根据车体横滚角和所述侧向力指标确定地形粗糙度指标;根据所述轮式机器人的各个轮所受到的法向力确定法向力指标,根据车体俯仰角和所述法向力指标确定地形坡度指标;根据所述地形粗糙度指标和所述地形坡度指标确定所述轴距长度指标;根据所述轮式机器人的车轮沉陷量确定车轮下沉差;根据所述轮式机器人的车轮转速确定车体滑移率;根据各个车轮的沉陷量之差和所述车体滑移率确定所述可移动性指标。
可选地,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
建立模糊逻辑系统;通过所述模糊逻辑系统确定可移动性指标语言值;当所述可移动性指标语言值处于第一区间时,执行所述第二策略;当所述可移动性指标语言值处于第二区间时,执行所述第三策略;当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式。
可选地,所述当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式包括:
通过所述模糊逻辑系统确定轴距长度指标语言值;当所述轴距长度指标语言值处于第一区间时,执行所述第六策略和所述第八策略;当所述轴距长度指标语言值处于第二区间和第三区间时,执行所述第五策略;当所述轴距长度指标语言值处于第四区间和第五区间时,执行所述第四策略、所述第七策略和所述第九策略的其中一种策略。
可选地,所述基于所述车辆控制指标确定对应的蠕动控制策略还包括:
基于所述车体横滚角和所述车体俯仰角获得车体姿态角融合值;以离散归一化方法分别处理所述法向力指标、所述车体滑移率和所述车体姿态角融合值并求和,获得运动模式切换指标;当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式;当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式。
可选地,在所述当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式或所述当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式之后,还包括:
基于所述运动模式切换指标触发控制信号并对所述控制信号进行平滑处理;判断是否满足驻留条件;若不满足所述驻留条件,则将平滑处理后的所述控制信号作为输出信号;若满足所述驻留条件,则直接输出所述控制信号。
相对于现有技术,本发明通过将轮式机器人的车辆位姿信息与车轮受力信息处理成车辆控制指标,保证基于车辆自身的信息即可获得车辆自身状态与车辆所处环境,进而获得对应的控制指标;根据车辆控制指标获得对应的蠕动控制策略,基于车辆控制指标,从设置好的规则库中确定对应的蠕动控制策略,然后基于蠕动控制策略控制轮式机器人的运动状态,保证轮式机器人可以准确识别当前是否发生沉陷或是否处于其他不平坦地形,并可以根据当前车辆状态确定对应的蠕动控制策略,保证轮式机器人具有主动脱陷能力。
另一方面,本发明还提供可变轴距星球车的高地形适应性蠕动控制系统,包括:
获取模块,其用于获取轮式机器人的车辆位姿信息和车轮受力信息;信息处理模块,其用于基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;策略指定模块,其用于基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;控制模块,其用于基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
所述可变轴距星球车的高地形适应性蠕动控制系统相对于现有技术的有益效果与所述可变轴距星球车的高地形适应性蠕动控制方法的效果相同,在此不再赘述。
附图说明
图1为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的流程示意图;
图2为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法步骤S300细化后的流程示意图;
图3为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法步骤S300细化后的又一流程示意图;
图4为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法步骤S300细化后的第三流程示意图;
图5为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法步骤S300细化后的第四流程示意图;
图6为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法步骤S300细化后的第五流程示意图;
图7为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的可移动性指标的隶属度函数示意图;
图8为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的地形粗糙度指标的隶属度函数示意图;
图9为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的地形坡度指标的隶属度函数示意图;
图10为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的轴距长度指标的隶属度函数示意图;
图11为本发明实施例的可变轴距星球车的高地形适应性蠕动控制方法的其他指标的隶属度函数示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”;术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
如图1所示,本发明实施例基于变轴距轮式机器人与环境交互的思想,提供可变轴距星球车的高地形适应性蠕动控制方法,包括:
步骤S100,获取轮式机器人的车辆位姿信息和车轮受力信息;
为了准确观察和获得轮式机器人的运动状态,在一实施例中,通过在轮式机器人上挂载传感器,获得轮式机器人的原始车辆数据,其中,所述原始车辆数据包括车身姿态信息、地形信息和车辆在静止或运动状态下的车轮受力信息,在获取到车辆的位姿信息、受力信息和地形信息后,可将上述信息进行进一步处理,以实现对轮式机器人的主动控制。
步骤S200,基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标。
因收集到的信息的单位及其取值数量级不同,故将信息进行处理,将信息进行融合,转换为统一的可控的指标,将指标组合在一个框架中,即将信息处理获得车辆控制指标。
具体地,车辆位姿信息以及车轮受力信息包括车辆的姿态角、车辆受到的各种力以及车辆速度,因姿态角、力和速度单位不相同,且三者在实际使用环境中的取值范围也不相同,故将角度、力的大小以及速度大小转换为同一维度下的值,统一量纲,进而组合在一个框架中,获得车辆控制指标。
在一实施例中,将不同指标统一量纲后,按预设权重组合,将组合后的指标作为车辆控制指标。
可选地,将车辆位姿信息和车轮受力信息组合在一个模糊逻辑框架中。
建立模糊逻辑系统,通过模糊逻辑系统处理轴距长度指标和可移动性指标(或通过模糊逻辑系统直接处理车辆位姿信息和车轮受力信息),将其转化为同一标准的结果。
步骤S300,基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式。
预先设立逻辑规则,当车辆控制指标满足条件时,根据逻辑规则确定对应的蠕动控制策略。
具体地,在轴距长度指标满足条件时,执行蠕动控制策略中的指定轴距模式,根据指定轴距模式中的策略规则确定具体策略;在可移动性指标满足条件时,执行蠕动控制策略中的跟随车轮变化模式,然后根据策略规则确定具体策略。
在满足切换条件时,将蠕动控制策略与普通策略相互切换,或将蠕动控制策略中的跟随车轮变化模式和指定轴距模式相互切换。
跟随车轮变化模式保证在平坦地形以减小内力对抗为目的进行控制;指定轴距模式保证在崎岖地形以提高通过性和平稳性为目的进行控制。
步骤S400,基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
具体地,对于跟随车轮变化模式,调整轮式机器人的车轮的转速和力矩,以进一步增加轮间挂钩牵引力的匹配程度,在轮式机器人陷入松软地形时进行主动脱陷动作,保证减小车轮滑转率,使轮式机器人可以正常移动;对于指定轴距模式,调整轮式机器人的轴距大小,以进一步增加轮式机器人在不同地形下的通过性,在通过姿态角等信息计算获得地形信息后,主动变换轮式机器人的轴距大小,保证增加轮式机器人的姿态稳定性,防止倾覆。
可选地,所述跟随车轮变化模式包括:
第一策略,包括通过预设的映射关系调节所述轮式机器人的前后轮的轮距以改变其内力和内力矩,以增加所述前后轮之间挂钩牵引力的匹配度;
第二策略,包括当所述轮式机器人的至少一个前轮发生沉陷时,通过改变轴距与至少一个车轮运动朝向,控制所述轮式机器人整体旋转产生扭转力矩;
第三策略,包括当所述轮式机器人的至少两个前轮同时发生沉陷时,控制所述轮式机器人的后轮向后加速运动,并碰撞机械限位。
其中,在初始状态下,根据轮式机器人的尺寸和重量分布确定初始轴距,以便在通过不平坦且不触发蠕动控制策略的情况下具有足够的轴距调整空间。轮式机器人的轴距长度在变化时,轮载与车轮挂钩牵引力呈非单调关系,故在一实施例中,将轮式机器人的初始轴距控制在轮载与车轮挂钩牵引力呈单调关系的变化段。
第一策略是在一般情况下的控制策略,通过协调前后轮的内力和内力矩以减小由于轮间挂钩牵引力不匹配导致的车轮滑转。
在车轮陷入松软地形时,会触发第二策略和第三策略帮助轮式机器人进行主动脱陷,其中,当轮式机器人的一个车轮沉陷时,触发第二策略,通过轮式机器人进行整体旋转,产生扭转力矩,使沉陷的车轮从松软地形中脱出;当轮式机器人至少两个车轮陷入松软地形时,触发第三策略,通过非沉陷的车轮向后加速运动并碰撞车体上设置的机械限位产生冲击力,通过碰撞产生的冲击力使车轮从松软地形中脱出。
在本发明的实施例中,由于轮式机器人的载荷主要由前轮承受,故在大部分情况下,后轮不会有明显沉陷,可以认为后轮能够正常运动,即,在至少一个前轮陷入松软地形时,触发第二策略;在至少两个前轮或前轮均陷入松软地形时,触发第三策略。
可选地,所述指定轴距模式包括:
第四策略,包括在所述轮式机器人处于非平坦地形时,增加所述轮式机器人前轮和后轮之间的轴距;
第五策略,包括在所述轮式机器人转向时,减小所述轴距;
第六策略,包括在所述轮式机器人处于平地到坡地的过渡过程时,减小所述轴距;
第七策略,包括在所述轮式机器人处于坡地到平地的过渡过程时,增大所述轴距;
第八策略,包括在所述轮式机器人上坡时,减小所述轴距;
第九策略,包括在所述轮式机器人下坡时,增大所述轴距;
其中,每条策略的执行优先级随编号的增大而降低。
指定轴距模式用于在不同地形下确定不同的策略,在确定轮式机器人不处于沉陷状态后,根据轮式机器人所处的地形确定具体的策略。其中,地形的获取可以通过轮式机器人自身挂载的传感器直接获取,也可以通过获取轮式机器人的角度计算获得地形信息。
具体地,在确定轮式机器人处于不平坦的地形中时,触发第四策略,增大轮式机器人的轴距,从而增大轮式机器人与地形的接触面积,进而减小轮式机器人姿态角的波动,使轮式机器人更稳定;在轮式机器人进行转向时,触发第五策略,减小前后轮的轴距,以增加轮式机器人的转向灵活性;在确定轮式机器人处于从平地到坡地的运动过程时,触发第六策略,减小前后轮轴距,增加后轮的稳定性,减小由于悬架和后轮受到的纵向倾斜压力造成的车轮滑转;在确定轮式机器人处于从坡地到平地的运动过程时,触发第七策略,增大前后轮轴距,以增加轮式机器人的姿态稳定性;在确定轮式机器人处于上坡过程时,触发第八策略,减小前后轮轴距,以增加后轮传递给轮式机器人的向上的动力;在确定轮式机器人处于下坡过程时,触发第九策略,增加前后轮轴距,增加轮式机器人的稳定性,防止轮式机器人倾覆。
控制策略的优先级按照编号的顺序依次降低,即第一策略优先级最高,然后是第二策略、第三策略、第四策略,以此类推。例如,因跟随车轮变化模式包括第一策略,而指定轴距模式首先包括第二和第三策略,先涉及对车轮的控制,指定轴距模式又包括第四至第九策略,涉及对前后轮轴距的控制,故优先判断触发跟随车轮变化模式的条件,即判断第一策略的触发条件,即轮式机器人处于平坦地形时,触发第一策略,然后根据轮式机器人处于沉陷或处于不平坦地形时根据所处环境确定控制策略,当判断此时轮式机器人不具备第一、第二和第三策略的触发条件后,依次判断指定轴距模式的触发条件。
可选地,第五策略、第六策略和第八策略的优先级低于第四策略,即在不违背第四策略的前提下,判断是否满足第五、第六和第八策略的触发条件。
可选地,如图2所示,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
步骤S310,判断所述轮式机器人是否发生沉陷;
步骤S311,若所述轮式机器人发生沉陷,则执行所述第二策略和所述第三策略;
步骤S312,若所述轮式机器人未发生沉陷,则执行所述第一策略或切换为所述指定轴距模式,其中,所述第一策略还包括通过挂钩牵引力、侧向力和可转向车轮的转向角确定内力对抗值,根据所述内力对抗值确定所述轮距。
相比于上下坡和连续不平坦的地形,轮式机器人陷入松软地形的工况更加难以处理,也更需要车辆的快速响应。故在一实施例中,优先判断轮式机器人的车轮是否发生沉陷,当轮式机器人发生沉陷时,根据沉陷的车轮数目,选择执行第二策略和第三策略。
在轮式机器人未发生沉陷时,执行第一策略,其中,在轮式机器人处于平坦地形,且未沉陷时执行。通过轮间挂钩牵引力、各个车轮受到的侧向力以及可转向车轮的转角确定轮间内力对抗值。
在一实施例中,轮式机器人的前轮不可转向,只有后轮具备转向功能,故测得后轮的转角,结合挂钩牵引力和侧向力确定内力对抗值。当内力对抗值为0时,执行第一策略;当内力对抗值不为0时,执行其它策略,或将当前的控制模式切换为指定轴距模式。
可选地,在步骤S310之前还包括,轮式机器人的轴距为初始轴距,并在未发生沉陷且未处于连续不平坦地形时,执行第一策略。
在轮式机器人未发生沉陷时,依次判断轮式机器人所处的地形是否可以触发第四至第九策略中的一个。
可选地,所述基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标包括:
根据所述轮式机器人的各个轮所受到的侧向力确定侧向力指标,根据车体横滚角和所述侧向力指标确定地形粗糙度指标;
根据所述轮式机器人的各个轮所受到的法向力确定法向力指标,根据车体俯仰角和所述法向力指标确定地形坡度指标;
根据所述地形粗糙度指标和所述地形坡度指标确定所述轴距长度指标;
根据所述轮式机器人的车轮沉陷量确定车轮下沉差;
根据所述轮式机器人的车轮转速确定车体滑移率;
根据各个车轮的沉陷量之差和所述车体滑移率确定所述可移动性指标。
为了准确获得轮式机器人的运动状态,将轮式机器人上的传感器获得的数据转换为同一个框架内的指标。具体地,基于车体横滚角Θ和侧向力指标FLfrw确定地形粗糙度指标σ,用于衡量地形的粗糙程度;基于法向力指标FNfrw和车体俯仰角Ψ确定地形坡度指标ε,用于衡量地形的陡峭程度;基于地形坡度指标ε和地形粗糙度指标σ确定轴距长度指标Ds,用于衡量当前地形中所需要的轴距需要增大还是减小;基于前轮下沉差ezfw和车体滑移率sb确定可移动性指标v,用于衡量轮式机器人是否处于沉陷状态。
侧向力指标FLfrw、法向力指标FNfrw、前轮下沉差ezfw和前轮转速差evfw分别可以表示为:
平均车体滑移率可以表示为:
其中,FL1表示观测的左前轮所受侧向力,FL2表示观测的右前轮所受侧向力,FL3表示观测的后轮所受侧向力,z1表示观测的左前轮沉陷量,z2表示观测的右前轮沉陷量,v1表示观测的左轮转速,v2表示观测的右轮转速,FN1、FN2、FN3分别表示前轮和后轮受到的法向力,Γ1、Γ2和Γ3表示根据机器人的尺寸、驱动机构和越障能力而设定的预设值。
Γ1、Γ2和Γ3的大小关系可以表示为:
在本实施例中,Γ1取0.2,Γ2取0.4,Γ3取0.4。
可选地,如图3和图7-11所示,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
步骤S320,建立模糊逻辑系统;
步骤S321,通过所述模糊逻辑系统确定可移动性指标语言值;
步骤S322,当所述可移动性指标语言值处于第一区间时,执行所述第二策略;
步骤S323,当所述可移动性指标语言值处于第二区间时,执行所述第三策略;
步骤S324,当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式。
模糊系统(fuzzy system),是一种将输入、输出和状态变量定义在模糊集上的系统,是确定性系统的一种推广。
通过模糊逻辑系统,有助于处理在复杂工况下,对于轮式机器人的各种策略的触发判断。
在一实施例中,建立模糊逻辑系统,所述模糊逻辑系统包括规则库、推理机、模糊器和解模糊器。在本实施例中,规则库中的第r条规则可以表示为:
其中,Xi表示输入模糊变量,Fi r表示Xi对应的模糊语言值,yF表示输出模糊变量,Gr表示yF对应的模糊语言值,K表示输入变量数。
则第m条规则的模糊推理结果计算公式可以表示为:
其中,a、b、c、d为预设值。
在一实施例中,将可移动性指标υ作为模糊逻辑系统的输入量,以判断轮式机器人当前是否处于沉陷状态,当可移动性指标υ经过模糊逻辑系统得出的语言值处于第一区间时,表示轮式机器人处于沉陷状态,则激活第二策略;当可移动性指标υ的语言值处于第二区间时,表示轮式机器人处于半陷状态,则激活第三策略;当可移动性指标υ的语言值处于第三区间时,表示轮式机器人未处于沉陷状态,则进一步判断是否需要触发指定轴距模式。
模糊逻辑系统的隶属度函数如图7-图10所示,规则库如下表所示:
表1前轮下沉差与车体滑移率之间的模糊关系
表2车体横滚角与侧向力指标之间的模糊关系
表3车体俯仰角与法向力指标之间的模糊关系
表4地形粗糙度指标与地形坡度指标之间的模糊关系
在图7-11对应的实施例中,梯形函数的横坐标拐点为预设值,用于衡量各个指标的大小程度。例如,结合表3与图11中的(c)和(d)所示,当法向力指标FNfrw和车体俯仰角Ψ均处于0时,根据其模糊关系,对应为平地,则此时判断轮式机器人处于平地状态,通过表4可知,此时将轴距对应调整为中等轴距。
在另一些实施例中,首先判断轮式机器人是否发生沉陷,即通过模糊逻辑系统处理可移动性指标υ,获得对应的模糊语言值,隶属度函数如图7所示,对应隶属度函数的模糊语言值确定轮式机器人的控制策略。当确定轮式机器人未发生沉陷,即模糊语言值为正常时,再通过模糊逻辑系统处理轴距长度指标Ds,获得对应的语言值,进而确定控制策略。
可选地,如图4所示,所述当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式包括:
步骤S325,通过所述模糊逻辑系统确定轴距长度指标语言值;
步骤S326,当所述轴距长度指标语言值处于第一区间时,执行所述第六策略和所述第八策略;
步骤S327,当所述轴距长度指标语言值处于第二区间和第三区间时,执行所述第五策略;
步骤S328,当所述轴距长度指标语言值处于第四区间和第五区间时,执行所述第四策略、所述第七策略和所述第九策略的其中一种策略。
在步骤S324之后,进一步判断轮式机器人所处的地形是否可以触发指定轴距模式。
在一实施例中,将轴距长度指标Ds作为模糊逻辑系统的输入量,以判断轮式机器人所处的地形环境状态,当轴距长度指标Ds经过模糊逻辑系统处理得出的语言值处于第一区间时,表示在当前地形下轮式机器人所处的地形需要较短的轴距,此时激活第六策略和第八策略;当轴距长度指标Ds对应的语言值处于第二或第三区间时,表示当前地形下,轮式机器人需要次中或者中等轴距,激活第五策略;当轴距长度指标Ds对应的语言值处于第四或第五区间时,表示当前地形下,轮式机器人需要次长或长轴距,激活第四、第七或第九策略。
可选地,如图5所示,所述基于所述车辆控制指标确定对应的蠕动控制策略还包括:
步骤S330,基于所述车体横滚角和所述车体俯仰角获得车体姿态角融合值;
步骤S331,以离散归一化方法分别处理所述法向力指标、所述车体滑移率和所述车体姿态角融合值并求和,获得运动模式切换指标;
步骤S332,当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式;
步骤S333,当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式。
通过离散归一化方法,将连续量映射为离散值,并归一化至[0,1]区间。可以将传感器获取到的连续数据分布映射至期望的区间内,消除了多物理量不同量纲对控制指标设计的影响。
在一实施例中,以离散归一化方法处理法向力指标、车体滑移率和车体姿态角融合值,将法向力指标、车体滑移率和车体姿态角融合值分别加权后进行相加计算,求得运动模式切换指标,其中,权重为预设的权值。
计算公式可以表示为:
由上述公式分别对法向力指标FNfrw、车体滑移率sb和车体姿态角融合值Att进行离散归一化,将得到的结果加权并相加,获得运动模式切换指标Ks。
运动模式切换指标Ks可以表示为:
Ks=K1D(FNfrw)+K2D(sb)+K3D(Att),
其中,K1、K2和K3为预设的定值参数,Att表示车体横滚角和俯仰角的融合值。
Att可以表示为:
Att=(Θ+Ψ)/2。
在一实施例中,当最终计算出的运动模式切换指标Ks大于预设切换值j时,执行指定轴距模式;当最终计算出的运动模式切换指标Ks小于或等于预设切换值j时,执行跟随车轮变化模式。
可选地,如图6所示,在所述当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式或所述当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式之后,还包括:
步骤S334,基于所述运动模式切换指标触发控制信号并对所述控制信号进行平滑处理;
步骤S335,判断是否满足驻留条件;
步骤S336,若不满足所述驻留条件,则将平滑处理后的所述控制信号作为输出信号;
步骤S337,若满足所述驻留条件,则直接输出所述控制信号。
在判断轮式机器人需要切换蠕动控制策略后,为了减少控制量和设定值之间的较大偏差的影响,通过驻留时间方法平滑两个模式之间的输出与实际速度的不同。
当vr>vmode时,
当vr≤vmode时,
其中,vr表示轮式机器人的实际速度,vmode表示指令速度,γ0和γ1表示平滑速度的预设参数。
在一实施例中,将轮式机器人从跟随车轮变化模式切换至指定轴距模式时,停止主动跟随模式策略,同时停止基于主动跟随模式策略所带来的输出,并激活指定轴距模式,在激活指定轴距模式后,通过上述公式实现对指定轴距模式的平滑输出。
在另一实施例中轮式机器人从指定轴距模式切换至跟随车轮变化模式时,先执行初始策略,即控制轮式机器人的前后轴距还原为初始轴距,然后执行基于所述运动模式切换指标触发控制信号并对所述控制信号进行平滑处理的步骤。
可选地,通过控制系统控制两个前轮的运动。
在一实施例中,通过模糊逻辑系统FL#1判断当前轮式机器人是否沉陷并决定是否启动脱陷方法,通过模糊逻辑系统FL#2用于推理在当前地形移动时合理的轴距。在确定轮式机器人未沉陷后,通过模糊逻辑系统FL#2推理在当前地形下轮式机器人的合理轴距大小,即FL#1的优先级大于FL#2。在从FL#1切换至FL#2的过程中,通过驻留时间方法实现两种模式间的平滑切换。
通过逆运动学模型处理轮式机器人的速度及角度,分别确定两个前轮的角度,从而实现两前轮的控制。
可选地,通过一个分段的双闭环PD控制器实现对前轮转速的增量式调节。
控制器的输出可以表示为:
其中,e表示瞬时跟踪误差,eΦ=Φ-Φr,ed=dt-dtr,Φr表示期望的航向角,dtr表示期望的横向位置,kP1、kD1、kP2和kD2为预设的参数。
在一实施例中,kP1=0.2,kD1=0.05,kP2=0.025,kD2=0.02。
另一方面,本发明还提供可变轴距星球车的高地形适应性蠕动控制系统,包括:
获取模块,其用于获取轮式机器人的车辆位姿信息和车轮受力信息;
信息处理模块,其用于基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;
策略指定模块,其用于基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;
控制模块,其用于基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
本发明又一实施例提供的一种电子设备,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于当执行该计算机程序时,实现如上所述的可变轴距星球车的高地形适应性蠕动控制方法。
本发明又一实施例提供的一种计算机可读存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的可变轴距星球车的高地形适应性蠕动控制方法。
现将描述可以作为本发明的服务器或客户端的电子设备,其是可以应用于本发明的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
电子设备包括计算单元,其可以根据存储在只读存储器(ROM)中的计算机程序或者从存储单元加载到随机访问存储器(RAM)中的计算机程序,来执行各种适当的动作和处理。在RAM中,还可存储设备操作所需的各种程序和数据。计算单元、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。在本申请中,所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,包括:
获取轮式机器人的车辆位姿信息和车轮受力信息;
基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;
基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;
基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
2.根据权利要求1所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述跟随车轮变化模式包括:
第一策略,包括通过预设的映射关系调节所述轮式机器人的前后轮的轮距以改变其内力和内力矩,以增加所述前后轮之间挂钩牵引力的匹配度;
第二策略,包括当所述轮式机器人的至少一个前轮发生沉陷时,通过改变轴距与至少一个车轮运动朝向,控制所述轮式机器人整体旋转产生扭转力矩;
第三策略,包括当所述轮式机器人的至少两个前轮同时发生沉陷时,控制所述轮式机器人的后轮向后加速运动,并碰撞机械限位。
3.根据权利要求2所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述指定轴距模式包括:
第四策略,包括在所述轮式机器人处于非平坦地形时,增加所述轮式机器人前轮和后轮之间的轴距;
第五策略,包括在所述轮式机器人转向时,减小所述轴距;
第六策略,包括在所述轮式机器人处于平地到坡地的过渡过程时,减小所述轴距;
第七策略,包括在所述轮式机器人处于坡地到平地的过渡过程时,增大所述轴距;
第八策略,包括在所述轮式机器人上坡时,减小所述轴距;
第九策略,包括在所述轮式机器人下坡时,增大所述轴距;
其中,每条策略的执行优先级随编号的增大而降低。
4.根据权利要求2所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
判断所述轮式机器人是否发生沉陷;
若所述轮式机器人发生沉陷,则执行所述第二策略和所述第三策略;
若所述轮式机器人未发生沉陷,则执行所述第一策略或切换为所述指定轴距模式,其中,所述第一策略还包括通过挂钩牵引力、侧向力和可转向车轮的转向角确定内力对抗值,根据所述内力对抗值确定所述轮距。
5.根据权利要求3所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标包括:
根据所述轮式机器人的各个轮所受到的侧向力确定侧向力指标,根据车体横滚角和所述侧向力指标确定地形粗糙度指标;
根据所述轮式机器人的各个轮所受到的法向力确定法向力指标,根据车体俯仰角和所述法向力指标确定地形坡度指标;
根据所述地形粗糙度指标和所述地形坡度指标确定所述轴距长度指标;
根据所述轮式机器人的车轮沉陷量确定车轮下沉差;
根据所述轮式机器人的车轮转速确定车体滑移率;
根据各个车轮的沉陷量之差和所述车体滑移率确定所述可移动性指标。
6.根据权利要求5所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述基于所述车辆控制指标确定对应的蠕动控制策略包括:
建立模糊逻辑系统;
通过所述模糊逻辑系统确定可移动性指标语言值;
当所述可移动性指标语言值处于第一区间时,执行所述第二策略;
当所述可移动性指标语言值处于第二区间时,执行所述第三策略;
当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式。
7.根据权利要求6所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述当所述可移动性指标语言值不处于所述第一区间和所述第二区间时,执行所述指定轴距模式包括:
通过所述模糊逻辑系统确定轴距长度指标语言值;
当所述轴距长度指标语言值处于第一区间时,执行所述第六策略和所述第八策略;
当所述轴距长度指标语言值处于第二区间和第三区间时,执行所述第五策略;
当所述轴距长度指标语言值处于第四区间和第五区间时,执行所述第四策略、所述第七策略和所述第九策略的其中一种策略。
8.根据权利要求5所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,所述基于所述车辆控制指标确定对应的蠕动控制策略还包括:
基于所述车体横滚角和所述车体俯仰角获得车体姿态角融合值;
以离散归一化方法分别处理所述法向力指标、所述车体滑移率和所述车体姿态角融合值并求和,获得运动模式切换指标;
当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式;
当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式。
9.根据权利要求8所述的可变轴距星球车的高地形适应性蠕动控制方法,其特征在于,在所述当所述运动模式切换指标大于预设切换值时,执行所述指定轴距模式或所述当所述运动模式切换指标小于预设切换值时,执行所述跟随车轮变化模式之后,还包括:
基于所述运动模式切换指标触发控制信号并对所述控制信号进行平滑处理;
判断是否满足驻留条件;
若不满足所述驻留条件,则将平滑处理后的所述控制信号作为输出信号;
若满足所述驻留条件,则直接输出所述控制信号。
10.可变轴距星球车的高地形适应性蠕动控制系统,其特征在于,包括:
获取模块,其用于获取轮式机器人的车辆位姿信息和车轮受力信息;
信息处理模块,其用于基于所述车辆位姿信息与所述车轮受力信息获得车辆控制指标,其中,所述车辆控制指标包括轴距长度指标和可移动性指标;
策略指定模块,其用于基于所述车辆控制指标确定对应的蠕动控制策略,其中,所述蠕动控制策略包括跟随车轮变化模式和指定轴距模式;
控制模块,其用于基于所述蠕动控制策略,控制所述轮式机器人的运动状态,其中,所述运动状态包括所述轮式机器人的车轮转速和力矩、所述轮式机器人的轴距。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210829734.5A CN115123581B (zh) | 2022-07-15 | 2022-07-15 | 可变轴距星球车的高地形适应性蠕动控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210829734.5A CN115123581B (zh) | 2022-07-15 | 2022-07-15 | 可变轴距星球车的高地形适应性蠕动控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115123581A true CN115123581A (zh) | 2022-09-30 |
CN115123581B CN115123581B (zh) | 2023-01-06 |
Family
ID=83383330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210829734.5A Active CN115123581B (zh) | 2022-07-15 | 2022-07-15 | 可变轴距星球车的高地形适应性蠕动控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115123581B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0885471A (ja) * | 1994-09-19 | 1996-04-02 | Nissan Motor Co Ltd | 車両運動制御装置 |
CN111158376A (zh) * | 2020-01-14 | 2020-05-15 | 山东省人工智能研究院 | 松软崎岖地形中摇杆摇臂式星球车轨迹跟踪协调控制方法 |
CN111717416A (zh) * | 2020-07-16 | 2020-09-29 | 哈尔滨工业大学 | 一种星球探测车导向轮的控制方法及控制系统 |
CN113086047A (zh) * | 2021-04-06 | 2021-07-09 | 哈尔滨工业大学 | 一种多地形探测车 |
CN113525717A (zh) * | 2021-07-27 | 2021-10-22 | 哈尔滨理工大学 | 一种轮腿式移动机器人蠕动的控制系统及其控制方法 |
-
2022
- 2022-07-15 CN CN202210829734.5A patent/CN115123581B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0885471A (ja) * | 1994-09-19 | 1996-04-02 | Nissan Motor Co Ltd | 車両運動制御装置 |
CN111158376A (zh) * | 2020-01-14 | 2020-05-15 | 山东省人工智能研究院 | 松软崎岖地形中摇杆摇臂式星球车轨迹跟踪协调控制方法 |
CN111717416A (zh) * | 2020-07-16 | 2020-09-29 | 哈尔滨工业大学 | 一种星球探测车导向轮的控制方法及控制系统 |
CN113086047A (zh) * | 2021-04-06 | 2021-07-09 | 哈尔滨工业大学 | 一种多地形探测车 |
CN113525717A (zh) * | 2021-07-27 | 2021-10-22 | 哈尔滨理工大学 | 一种轮腿式移动机器人蠕动的控制系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
陶灼等: "火星车在松软地面上的蠕动步态研究", 《航天器环境工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115123581B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561942B (zh) | 基于模型补偿的智能车辆轨迹跟踪模型预测控制方法 | |
CN108303982B (zh) | 自动引导运输车、其控制方法及控制系统 | |
US7251638B2 (en) | Intelligent robust control system for motorcycle using soft computing optimizer | |
CN109849899A (zh) | 一种电动轮汽车电液复合车身稳定控制系统及方法 | |
CN109292019B (zh) | 基于同轴式轮腿结构的全地形车主动车身姿态控制方法 | |
CN113126623B (zh) | 一种考虑输入饱和的自适应动态滑模自动驾驶车辆路径跟踪控制方法 | |
WO2022266824A1 (zh) | 一种转向控制方法及装置 | |
He et al. | Path tracking control method and performance test based on agricultural machinery pose correction | |
CN113733929B (zh) | 轮毂电机驱动车辆的车轮转矩协调控制方法及装置 | |
Li et al. | A coaxial couple wheeled robot with T‐S fuzzy equilibrium control | |
JP2008197848A (ja) | ファジィ制御装置、レーン走行支援装置、および操舵補助装置 | |
CN114987607B (zh) | 一种车辆的转向控制方法、装置、设备及存储介质 | |
CN114413791B (zh) | 一种舵轮式叉车舵轮零偏角的检测方法、系统及装置 | |
CN115993826A (zh) | 一种针对智能体的自适应最优合作博弈控制方法 | |
CN117227834B (zh) | 一种特种车辆人机协同转向控制方法 | |
CN115123581B (zh) | 可变轴距星球车的高地形适应性蠕动控制方法及系统 | |
CN116625369A (zh) | 一种基于深度强化学习的地面机器人路径规划方法 | |
CN115526048A (zh) | 星球车多驱动轮力矩协调控制方法及装置 | |
Zhou et al. | A layered roll stability control strategy for commercial vehicles based on adaptive model predictive control | |
CN114435371A (zh) | 一种道路坡度估计方法和装置 | |
CN111142523B (zh) | 一种轮腿式移动机器人运动控制系统 | |
Zhao et al. | Research on path following control method of agricultural machinery autonomous navigation through LQR-feed forward control | |
CN114684109A (zh) | 一种电动汽车横摆稳定性控制方法及装置 | |
Tang et al. | Tracking Control for Autonomous Four-Wheel Independently Driven Vehicle Based on Deep Reinforcement Learning | |
CN117400944B (zh) | 一种轮腿式车辆速差转向控制方法、系统及电子设备 |
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 |