基于模型不确定补偿的轮式移动机器人反演复合控制

刘美珍¹(),周风余^1,*(),李铭²,王玉刚¹,陈科¹

1. 山东大学控制科学与工程学院, 山东 济南 250061
2. 山东大学工程训练中心, 山东 济南 250061

收稿日期:2019-05-17出版日期:2019-12-20发布日期:2019-12-17
通讯作者:周风余E-mail:mzliu94k@163.com;zhoufengyu@sdu.edu.cn
作者简介:刘美珍(1994—)，女，陕西咸阳人，博士研究生，主要研究方向为机器人、服务机器人. E-mail:mzliu94k@163.com
基金资助:国家重点研发计划项目(2017YFB1302400);国家自然科学基金(61773242);山东省重大科技创新工程项目(2017CXGC0926);山东省重点研发计划(公益类专项)项目(2017GGX30133)

The composite control of backstepping control based on uncertain model compensation of wheeled mobile robot

Meizhen LIU¹(),Fengyu ZHOU^1,*(),Ming LI²,Yugang WANG¹,Ke CHEN¹

1. School of Control Science and Engineering, Shandong University, Jinan 250061, Shandong, China
2. Engineering Training Center, Shandong University, Jinan 250061, Shandong, China

Received:2019-05-17Online:2019-12-20Published:2019-12-17
Contact:Fengyu ZHOU E-mail:mzliu94k@163.com;zhoufengyu@sdu.edu.cn

Supported by:国家重点研发计划项目(2017YFB1302400);国家自然科学基金(61773242);山东省重大科技创新工程项目(2017CXGC0926);山东省重点研发计划(公益类专项)项目(2017GGX30133)

摘要/Abstract

摘要： 针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1875