非完整约束移动机器人的智能跟踪控制方法研究

摘要

轮式移动机器人作为机器人家族的重要一员因其结构简单、能量利用率高的优点而得到广泛的应用。同时轮式移动机器人在运动中受到非完整约束，因此也是非完整系统的典型代表。本文重点研究具有非完整约束的移动机器人轨迹跟踪问题。
　　论文第二章介绍非完整约束和非完整系统的概念，建立并分析非完整移动机器人的运动学和动力学模型及其力学特性。此外，对论文理论算法研究所需的相关数学定理及其引理进行介绍，为后续研究提供数学基础知识。
　　考虑系统存在建模误差以及外扰上界未知的情况，论文第三章设计一种基于神经网络的非完整移动机器人混合鲁棒控制方法。该混合控制方法利用对角递归神经网络（DRNN）逼近系统的建模误差，并结合鲁棒H?控制抑制积分有界的外界干扰和DRNN逼近误差对系统控制性能的影响。基于Lyapunov稳定性理论证明整个闭环系统是稳定的，且跟踪误差和DRNN权值的自适应误差均有界，并保证控制系统的鲁棒跟踪性能。仿真结果表明，所提出的智能鲁棒混合控制方法比计算力矩法具有更好的跟踪性能。
　　为了使跟踪误差能有限时间内收敛到平衡点，文章考虑采用终端滑模控制方法。但终端滑模控制方法仍存在控制力矩抖振的问题，从而限制了其在移动机器人跟踪控制中的应用。因此，论文第四章提出将情感学习智能算法与终端滑模控制相结合的方法，采用情感学习算法逼近移动机器人系统模型不确定性和外扰的非线性项，终端滑模控制方法用来实现有限时间控制。基于 Lyapunov理论证明整个闭环控制系统稳定。仿真结果表明，论文所提出的基于情感学习算法的移动机器人终端滑模控制方法具有比常规滑模控制方法和终端滑模控制方法更好地抑制系统抖振，且系统的跟踪误差能够在有限时间内收敛至平衡点。
　　考虑机器人速度信息不可知的情形，论文第五章先是考虑利用位置信息通过模糊鲁棒状态观测器来重构机器人的速度信息。其中，模糊逻辑用来处理非完整移动机器人系统存在的建模不确定性，同时观测器中引入鲁棒项来抑制外扰及模糊逻辑逼近误差对系统性能的影响。基于严格正实Lyapunov设计方法分析观测器的重构速度信息与真实速度信息间的误差是终值有界的；然后基于该观测器的重构速度信息，并结合已知的位置信息设计了非完整移动机器人的模糊自适应输出反馈控制器。基于Lyapunov稳定性理论推导出模糊参数的自适应变化律，整个控制器能够保证具有不确定性的机器人系统的跟踪误差有界，且闭环系统的所有状态量都满足有界。最后，仿真结果表明该方法的有效性。

目录

声明

1 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 本文的研究内容

2 非完整轮式移动机器人的数学建模

2.1 非完整约束与非完整系统

2.2 非完整轮式移动机器人

2.3 相关数学基础

2.4 本章总结

3 基于对角递归神经网络的非完整移动机器人鲁棒H∞跟踪控制

3.1 运动学控制器设计

3.2 基于动力学模型的控制器设计

3.3 对角递归神经网络（DRNN）

3.4 问题描述

3.5 基于DRNN神经网络的鲁棒控制器设计

3.6 仿真实验

3.7 本章小结

4 基于情感学习算法的非完整移动机器人有限时间控制

4.1 滑模控制

4.2 终端滑模控制

4.3 情感学习算法

4.4 轮式移动机器人的一般滑模控制及终端滑模控制

4.5 基于情感学习与终端滑模算法的控制器设计

4.6 仿真实验

4.7 本章小结

5 基于模糊观测器的非完整移动机器人模糊自适应轨迹跟踪

5.1 模糊逻辑理论

5.2 问题描述

5.3 模糊自适应观测器设计

5.4 观测器的稳定性分析

5.5 模糊自适应输出反馈控制器的设计与稳定性分析

5.6 控制器的稳定性分析

5.7 仿真实验

5.8 本章小结

6 总结与展望

6.1 本文总结

6.2 工作展望

参考文献

致谢

个人简历、在校期间发表的学术论文与研究成果