[发明专利]一种基于确定学习的轮式移动机器人事件触发跟踪控制方法

权利要求书

1.一种基于确定学习的轮式移动机器人事件触发跟踪控制方法，其特征在于，包括以下步骤：

步骤1、建立轮式移动机器人的动力学模型和期望的周期轨迹；

步骤2、获取经验知识：结合李雅普诺夫稳定性理论和动态面设计方法构造自适应神经网络控制器，并利用确定学习理论将收敛后的神经网络权值保存为常值权值

步骤3、构建作用于传感器到控制器之间网络通道的事件触发机制，当网络通道传输信号达到触发条件，将采用信号经过网络通道传输到控制端，具体为：

定义位于传感器到控制器之间网络通道的状态信号传输误差为：

其中，x₁和x₂分别为移动机器人的位姿向量和速度向量，和分别为经过网络通道传输到控制器端的移动机器人的位姿向量和速度向量，e₁和e₂分别为移动机器人在网络通道中的传输误差；

令e＝[e₁^T,e₂^T,e_J^T]^T,其中F₁(x₁,x₂)＝J(x₁)x₂-x₂，J(x₁)为移动机器人模型中的用于坐标变换的旋转矩阵，设计网络通道传输信号的触发条件为：

若系统满足该条件，则将采样信号经过网络通道传输到控制端；

其中，k₁,k₂是控制器的增益参数，L是神经网络基函数的利普希茨系数，z＝[z₁^T,z₂^T]^T，其中z₁是移动机器人的位姿与期望轨迹的差值组成的列向量，z₂是移动机器人的速度向量与虚拟速度经过滤波器之后输出值的差值组成的列向量，Λ是大于0的设计参数，是常值权值；

步骤4、设计基于经验知识和事件触发的常值神经网络控制器，利用常值神经网络控制器对触发事件进行跟踪；所述常值神经网络控制器为：

其中，B表示与移动机器人的质量、惯性、轮子半径相关的已知常数矩阵，k₂为误差的设计参数，为经过确定学习得到的常值神经网络权值。

2.根据权利要求1所述的一种基于确定学习的轮式移动机器人事件触发跟踪控制方法，其特征在于：步骤1中，所述动力学模型为：

其中x₁＝[x,y,θ]^T为环境坐标系下的移动机器人的位姿向量，表示机器人坐标系下的移动机器人的速度向量，J(x₁)表示用于坐标变化的旋转矩阵，B是一个已知的且与移动机器人的质量、惯性、轮子半径有关的常数矩阵，A(x₂)是未知的且与移动机器人的摩擦系数、惯性、质量有关的矩阵；τ是系统的控制输入。

3.根据权利要求1所述的一种基于确定学习的轮式移动机器人事件触发跟踪控制方法，其特征在于：步骤1中，所述期望的周期轨迹为：

其中，x_d1＝[x_d1,1,x_d1,2,x_d1,3]^T为移动机器人位姿的期望参考轨迹，f(x_d1,x_d2)为给定的连续函数。