[发明专利]多机器人系统分布式自适应神经网络连续跟踪控制方法

说明书

技术领域

本发明涉及一种多机器人系统分布式自适应神经网络连续跟踪控制方法。

背景技术

随着现代科技的迅猛发展，机器人技术在工业、医疗、农业、娱乐等多个领域得到了广泛应用。多机器人协调控制是指多个机器人在通讯网络的作用下，不断交互状态信息，从而形成有效的控制，最终使所有机器人达到规则有序的协同运动。多机器人协调控制是一门综合性的学科，它的发展得到了学术界和工业界的认可。多机器人协调控制具有高效率、高灵活性和高容错性的特点，能够完成单个机器人无法完成的工作任务。近年来，多机器人系统的分布式协调控制引发了广泛的关注，在许多领域(如：编队运动和紧急救灾等)呈现了广阔的应用前景。

多机器人系统模型的分类有：以往多机器人协调控制研究都是以线性积分器模型作为机器人的运动模型。然而，大多数的实际物理系统都具有本质非线性的特点，线性积分器模型的研究成果也就很难应用于工程实际。因而，以非线性模型为机器人运动模型的多机器人协调控制有着更实际的应用价值。Euler-Lagrange系统模型是一种二阶非线性模型，它可以用来表示许多实际系统的运动，如机器人、直升机和航天器等。因而，以Euler-Lagrange为系统模型的多机器人协调控制具有广阔的工业应用价值。许多学者对多Euler-Lagrange系统的协调控制问题进行了研究。

多机器人系统领航者个数的分类情况为：根据多机器人系统中领航者个数分类，多机器人协调控制问题分为无领航者的一致性控制问题、单领航者的跟踪控制问题和多领航者的包含控制问题。单领航者跟踪控制的目的是通过控制跟随机器人各个关节的驱动力矩，使得跟随机器人关节的位置、速度等状态变量跟踪给定的或是由领航者产生的目标轨迹。由于跟踪运动与实际需要更为符合，所以多机器人协调跟踪控制问题得到充分重视。

现有的多机器人协调跟踪控制问题的解决主要有两种方案：

第一种方案：

针对多机器人系统的协调跟踪控制问题，在三种限制条件下分别提出三种跟踪控制算法。全文以有向图作为机器人的通讯拓扑，并假设该网络拓扑存在一个有向生成树。第一种控制算法假设每个跟随者均可获得领航者的状态信息，通过控制器引入相关符号函数项使系统最终收敛，该控制算法虽然具有较好的鲁棒性，但其控制器中引入了非连续符号函数，给系统带来抖振。第二种控制算法假设只有部分跟随者可以获得领航者状态信息的条件下，同时考虑系统存在模型不确定性和外界干扰，通过设计分布式跟踪控制算法，使系统的全局跟踪误差有界。虽然第二种控制算法是分布式的，但其控制器中需要用到邻居的相对速度信息，加重了系统的通讯负担。第三种控制算法正是为了解决以上问题，在无需用到邻居相对速度信息的条件下，通过引入低通滤波器来实现系统的最终跟踪误差达到一致有界。

方案具体内容如下：

Euler-Lagrange模型：

相关辅助变量设计

首先分别定义跟踪误差向量e_i(t)和滤波跟踪误差向量r_i(t)：

e_i(t)＝q₀(t)-q_i(t)(48)

第一种控制算法具体为：

明显该算法用到了符号函数sgn()，固会给系统带来抖振。

第二种控制算法具体为：

由于控制算法τ_i中用到了固需要相应测量设备获得邻居的相对速度信息，从而增大通讯负担。

第三种控制算法具体为：

该控制算法通过如式(55)所示的低通滤波器来避免第二种控制算法要求的相对速度信息。

方案的缺点描述如下：

第一种控制算法引入相关符号函数项设计的控制器使系统最终收敛，该控制算法虽然具有较好的鲁棒性，但其控制器中引入了非连续符号函数，这会给系统带来抖振，从而带来不利影响。虽然第二种控制算法是分布式的，但其需要用到邻居的相对速度信息，增加了系统通讯负担。第三种算法通过设计低通滤波器来实现系统最终跟踪误差达到一致有界，增加了系统的运算处理负担，实时性变差。且以上算法均未考虑系统通讯时延的影响。

第二种方案：