1．研究意义及背景

在”第四次工业革命”的时代背景下，智能化这个词无论在生活中还是生产中都越来越被重视。各行业和产业都开始向着工业4.0发展。工业4.0 是以智能化为特征的第 4 次工业革命，其核心是智能制造，精髓是智能工厂。工业4.0的核心目标是智能制造，智能制造延伸到具体的工厂就是智能工厂^[1]。在传统的工厂中，传统的机械面临着被逐渐淘汰的局面，智能化的设备逐渐取代了传统机械。智能化的过程离不开移动机器人，从原料的配送和投入，到产品的搬运和存储，移动机器人都是不可或缺的。移动机器人是能完成一定任务具有特定功能的可移动设备，其功能基本是在一定的路径上实现，然而不同的任务相对的不同的功能具有不同的特性，单一的机器人种类和算法往往很难满足要求，因此，随着机器人技术的发展，出现了各种结构的移动机器人和控制方法。

在移动机器人的结构方面，腿式机器人能够满足某些特殊的性能要求，但是由于其结构自由度太多，控制比较复杂，应用受到一定的限制^[2]。履带式移动机器人由于其特殊的机械结构，具有支撑面积较大，负重较高，越野性能好、牵引力强等特点。综合比较，履带式移动机器人能够很好地适应地面的变化，因此对履带式移动机器人的研究得以蓬勃发展。

在其控制方法方面，主要分为路径规划、路径跟踪和路径设计三个方面。路径规划既按照要求自主规划最优路径，以实现其功能，主要用于执行搜救、勘探等特殊任务。路径跟踪既控制移动机器人沿着已经规定好的路径进行移动，对于运动的轨迹、速度、甚至姿态一般都会有一定的要求。主要用于自动搬运、投料、自动仓储平台等。对于路径跟踪的控制算法问题，已经有不少成果得到应用，但基本都是针对特定功能。由于其复杂性，某种算法存在优点的同时往往会存在无法消除的弊端，该毕业设计就是要基于履带式移动机器人搭建实验平台、对部分算法进行验证、比较，并得到改进思路，针对某一算法进行优化。路径设计就是对跟踪的路径进行设定的方法。目前较常用的方式有电磁诱导导向、光学诱导导向、红外线反射光电传感器导向、仿GPS 定位导向^[3]。几种方式都有其优缺点，需要根据使用环境的不同和功能的差异进行选择。比如电磁诱导导向在自动搬运或者仓储系统中比较常用，因为它具有稳定，耐干扰等特点，但改变路径需要重新铺设，比较麻烦。而光学诱导导向方法较为简单，可变性大，较为灵活，但受光线影响较大。

2. 研究现状

针对路径跟踪算法，有很多种适应于各领域、各用途的方法，也有很多学者进行了研究。智能控制由于其不需要被控对象的精确数学模型，且控制灵活，鲁棒性强，在滞后、时变、非线性等复杂系统中具有明显优势^[4]。对于移动机器人的路径跟踪算法，许多学者都是在笛卡尔坐标空间中，建立移动机器人的实际位姿和期望位姿之间的误差矢量，并采用该误差矢量作为系统的反馈来消除跟踪误差，并设法在控制过程中减少有关移动机器人的运动学和动力学的计算量，提高算法的实时性^[5]。由于其功能具有多样性，目前应用到移动机器人上的智能控制器大多数要求丰富的人工经验确定控制规则，并且在设计完成后仍然存在系统对外界条件变化的自适应和自优化问题^[4]。

一般来说，机器人跟踪问题可以描述为：寻找控制率v、w满足|v|lt;v_max（v为线速度）、|w|lt;w_max（w为角速度），使得机器人可以沿着规划路径点到达规划目标点^[6]。传统的路径跟踪方式有切线跟踪方式、弦线跟踪方式、圆弧跟踪方式^[7]。切线跟踪方式如图1所示：

图1 切线跟踪方式示意图

O₁O₂为目标路径，A为当前目标点，移动机器人通过A的切线L₁L₂逼近A点。当由于滞后采样点在曲线与A点之间时，机器人易误判为产生向右的偏差，此时控制器给与机器人向左纠偏的指令，导致误差增大。弦线跟踪方式是由Waxman在[8]中提出，其原理是将图一中的O₁O₂视为一组直线段，通过对每组直线段的路径跟踪控制实现对曲线O₁O₂的跟踪。这种方法虽然简化了控制方法，但也存在和切线跟踪方式一样的问题。圆弧跟踪方式相当于用分段圆弧来拟合曲线路径^[9]。与前两种方法作比较，这种方法结合了两者的优点，明显的提高了控制精度，减少了控制误差，但同样存在缺点。如图2所示：

图2 圆弧跟踪方式示意图

A点与B点具有不同的曲率，然而分段圆弧曲率相同，B点曲率与其对应的分段圆弧曲率的差明显大于A点，所以B点产生的控制误差便大于A点。同理，当位于C点这种近似于直线的路径点时，将会产生更大的误差。

为了提高移动机器人路径跟踪的控制精度，许多学者进行了探索，给出了不同的解决方案：基于运动学模型提出的反步法、神经网络法、模糊神经网络方法、和输入输出线性化方法^[10]。该毕业设计就基于ART-2神经网络路径跟踪算法展开探索，验证并优化应用于履带式移动机器人的神经网络算法。

基于ART-2神经网络的履带式移动机器人路径跟踪算法首先需要对运动路径建立合适的坐标系，提取路径特征向量。将误差分解为方向误差E_o、横向误差E_x、纵向误差E_y，设定对应的最小误差限R_o、R_x、R_y，当误差均小于最小误差限时，抽取此阶段的特征向量，依据设定的算法进行模式识别和分类，路径形式的识别与分类控制框图如图3所示^[5]：

图3 路径形式的识别与分类控制框图

路径的纠偏需要设置模糊化控制器，为了简化，可依据偏差量类别设置不同种类的模糊化控制器。将精确量模糊化后，输入模糊化控制器输出控制量，控制流程图如图4所示：

图4 移动机器人路径跟踪控制策略流程图

参考文献：

[1]戴宏民, 戴佩华. 工业4.0与智能机械厂[J]. 包装工程, 2016,37(19):206-211.

[2] 陈淑艳, 陈文家. 履带式移动机器人研究综述[J]. 机电工程, 2007, 24(12): 109-112.

[3]马赛华,徐迪炜,李杰.自动搬运小车在印刷企业的开发与应用[J].科技创新与应用,2016,(23): 109-110.

[4]童艳,徐德民,石巨峰.一种应用于移动机器人的路径跟踪控制方法[J].火力与指挥控制,2008,(12): 98-101.

[5]张明路,焦新镜,彭商贤.基于神经网络的移动机器人对路径形式的识别与分类[J].中国机械工程,1999(03):72-74.

[6]高健,王建中,施家栋.小型履带式移动机器人控制系统设计[J]. 计算机测量与控制, 2015, 23(8):2716-2718.

[7]张明路,焦新境,曹作良.一种新的移动机器人路径跟踪控制策略[J].河北工业大学学报,2000,(1): 71-75.

[8]Waxman A M,Lemoigne J J. A visual navigation system for autonomous land vehicles [J].IEEE Journal of Robotics and Automation, 1987,RA-3: 349-358.

[9]陈文红.一种实用的自治车光电引导系统[D].天津大学,1994.

[10]陈卫东,李宝霞,朱奇光.模糊控制在移动机器人路径规划中的应用[J].计算机工程与应用,2009,(31): 221-223.

[11]王舜. 无人艇直线路径跟踪控制的研究与实现[D].大连海事大学,2017.

[12]刘洋. 基于模型预测控制的移动机器人路径跟踪控制[D].吉林大学,2016.

[13]林伟,杨晶东.一种有效的非完整移动机器人路径跟踪方法[J].电子科技,2017,30(03):21-25.

[14]苏会会. 基于神经网络控制的船舶航迹自动舵技术[D].哈尔滨工程大学,2009.

[15]单体岗. 履带式机器人的电子定向和双目视觉测距[D]. 天津:天津理工大学, 2012.

1．研究意义及背景

在”第四次工业革命”的时代背景下，智能化这个词无论在生活中还是生产中都越来越被重视。各行业和产业都开始向着工业4.0发展。工业4.0 是以智能化为特征的第 4 次工业革命，其核心是智能制造，精髓是智能工厂。工业4.0的核心目标是智能制造，智能制造延伸到具体的工厂就是智能工厂^[1]。在传统的工厂中，传统的机械面临着被逐渐淘汰的局面，智能化的设备逐渐取代了传统机械。智能化的过程离不开移动机器人，从原料的配送和投入，到产品的搬运和存储，移动机器人都是不可或缺的。移动机器人是能完成一定任务具有特定功能的可移动设备，其功能基本是在一定的路径上实现，然而不同的任务相对的不同的功能具有不同的特性，单一的机器人种类和算法往往很难满足要求，因此，随着机器人技术的发展，出现了各种结构的移动机器人和控制方法。

在移动机器人的结构方面，腿式机器人能够满足某些特殊的性能要求，但是由于其结构自由度太多，控制比较复杂，应用受到一定的限制^[2]。履带式移动机器人由于其特殊的机械结构，具有支撑面积较大，负重较高，越野性能好、牵引力强等特点。综合比较，履带式移动机器人能够很好地适应地面的变化，因此对履带式移动机器人的研究得以蓬勃发展。

在其控制方法方面，主要分为路径规划、路径跟踪和路径设计三个方面。路径规划既按照要求自主规划最优路径，以实现其功能，主要用于执行搜救、勘探等特殊任务。路径跟踪既控制移动机器人沿着已经规定好的路径进行移动，对于运动的轨迹、速度、甚至姿态一般都会有一定的要求。主要用于自动搬运、投料、自动仓储平台等。对于路径跟踪的控制算法问题，已经有不少成果得到应用，但基本都是针对特定功能。由于其复杂性，某种算法存在优点的同时往往会存在无法消除的弊端，该毕业设计就是要基于履带式移动机器人搭建实验平台、对部分算法进行验证、比较，并得到改进思路，针对某一算法进行优化。路径设计就是对跟踪的路径进行设定的方法。目前较常用的方式有电磁诱导导向、光学诱导导向、红外线反射光电传感器导向、仿GPS 定位导向^[3]。几种方式都有其优缺点，需要根据使用环境的不同和功能的差异进行选择。比如电磁诱导导向在自动搬运或者仓储系统中比较常用，因为它具有稳定，耐干扰等特点，但改变路径需要重新铺设，比较麻烦。而光学诱导导向方法较为简单，可变性大，较为灵活，但受光线影响较大。

2. 研究现状

针对路径跟踪算法，有很多种适应于各领域、各用途的方法，也有很多学者进行了研究。智能控制由于其不需要被控对象的精确数学模型，且控制灵活，鲁棒性强，在滞后、时变、非线性等复杂系统中具有明显优势^[4]。对于移动机器人的路径跟踪算法，许多学者都是在笛卡尔坐标空间中，建立移动机器人的实际位姿和期望位姿之间的误差矢量，并采用该误差矢量作为系统的反馈来消除跟踪误差，并设法在控制过程中减少有关移动机器人的运动学和动力学的计算量，提高算法的实时性^[5]。由于其功能具有多样性，目前应用到移动机器人上的智能控制器大多数要求丰富的人工经验确定控制规则，并且在设计完成后仍然存在系统对外界条件变化的自适应和自优化问题^[4]。