[发明专利]一种基于线性自抗扰的网络化移动机器人轨迹跟踪控制方法

说明书

技术领域

本发明涉及移动机器人控制领域，尤其是一种基于线性自抗扰的网络化移动 机器人轨迹跟踪控制方法。

背景技术

机器人领域的变化趋势由在生产线固定的机械手向能做更复杂任务的自主移 动机器人过渡，比如救援、军事行动以及日常生活服务等。近几年，移动机器人 被广泛应用于不同的工业过程，其控制方法设计被视为一个难点，因为移动机器 人是一类典型非完整系统。移动机器人控制问题重点之一就是轨迹跟踪控制，然 而，描述轨迹跟踪的跟踪误差系统是一个耦合非线性系统，不满足Brockett的必 要条件从而复杂化了该控制问题。此外，在移动机器人轨迹跟踪领航追随系统中， 用通讯网络连接传感器、控制器和执行器，完成位置和速度信息传送，而将通信 网络引入控制回路也带来一些新的问题。由于信息传递的分时复用原则，并限于 网络的带宽和承载能力，必然会造成信息的冲撞、重传等现象，从而导致了信息 在控制回路的传输过程中产生网络诱导时延。这种网络诱导时延使得系统控制输 入不能及时更新，从而导致系统性能下降甚至失稳。

移动机器人轨迹跟踪控制问题已有许多研究结果。为了延伸轨迹跟踪控制问 题到笛卡尔空间，Samson和Ait-Abderrahim在1991年就提出全局跟踪控制律。 随后一系列方法引入进来，滑模变结构方法有快速的响应、良好的瞬态以及对较 大的参数变动及外部扰动的鲁棒性，从而被很多学者采纳作为轨迹跟踪控制策略， 但不可避免的出现抖振现象，直接影响到控制效果。反演法是较早的基于运动学 考虑的轨迹跟踪控制决策，被广泛应用于跟踪问题，但其控制结构和设计过程十 分复杂，此外，要求移动机器人运动时尽可能提供较大的加速度，这在实际情况 中是较难实现的。自适应控制可以适时地调节控制系统参数来更新控制律，有利 于适应结构的不确定性但具有复杂的参数选择、鲁棒性较差等缺点。模糊控制方 法具有一定的鲁棒性，但是模糊控制规则会受到人的主观因素的影响而不能完全 归总，且因缺乏“自我学习”的能力很难消除稳态误差。神经网络控制方法固有 的并行性和学习能力，使其在机器人运动控制系统中十分受欢迎，但学习速度慢、 算法不完备仍是其主要缺点，此外还有预测控制、粒子群算法、遗传算法、H_∞算 法以及其他智能控制(包括混合控制)方法。

发明内容

为了克服已有移动机器人轨迹跟踪控制方法的各自不适性、灵活性差、计算 量大、设计过程复杂且均没有对轨迹跟踪时存在的网络诱导延时现象加以考虑的 不足，本发明提供一种线性自抗扰的方法来处理移动机器人轨迹跟踪问题，降低 了算法复杂度且对控制系统中的通信延时予以补偿，它具有算法简单、控制精度 高、抗干扰能力强等优点。

本发明解决其技术问题所采用的技术方案是：

一种基于线性自抗扰的网络化移动机器人轨迹跟踪控制方法，所述方法包括 以下步骤：

步骤1)建立移动机器人的运动学模型：