基于运动学模型的机器人轨迹跟踪控制方法研究开题报告
2020-04-15 17:10:34
1. 研究目的与意义(文献综述包含参考文献)
文 献 综 述
1. 课题背景和意义
近年来,随着机器人技术的发展,移动机器人轨迹跟踪问题受到了人们越来越多的关注。前轮转向、后轮驱动的轮式类车移动机器人与四轮汽车的运动学模型相近,因此对轮式类车移动机器人的轨迹跟踪控制问题的研究在汽车自动驾驶、智能交通等方面具有重要的意义。轮式类车移动机器人具有的非完整运动学约束特性给轨迹跟踪控制的研究带来了挑战。
2. 研究的基本内容、问题解决措施及方案
类车移动机器人横向模型与纵向模型之间存在很强的耦合关系,横向控制时要考虑纵向参数,纵向控制时要考虑横向参数,所以建立横向纵向统一的控制器十分复杂。以前两轮小车为研究控制对象,把耦合关系当作干扰来处理,靠控制器的适应能力来实现轨迹跟踪控制的方法,重点研究横向控制方法。所谓横向控制,是指调节机器人前轮转角以克服横向偏差和方位偏差,实现机器人按预期轨迹行走。所谓纵向控制,是指在机器人运动方向上的车速控制。移动机器人跟踪的轨迹在转弯较多或转弯半径较小时,首先要保证机器人能在一定偏差范围内跟踪轨迹,防止过弯时偏离轨迹而无法跟踪,所以横向控制精度尤为重要。例如比赛机器人必须按赛道跟踪,若过弯时控制不好冲出赛道,则比赛失败。当然速度控制即纵向控制也十分重要,速度控制对横向控制有着影响,特别是跟踪轨迹在弯道时,速度影响就更大。保证横向偏差在控制要求范围前提下,为了提高机器人跟踪的实时性,速度控制应具有一定的智能。
对于两轮小车,仅仅采用传统的pid控制方法难以取得理想的控制效果,而模糊控制方法具有很好的灵活性和适应性,采用模糊控制方法能有效弥补传统pid控制方法的缺陷。然而,单纯的模糊控制方法也不能达到理想的控制效果,比如,控制精度不高、控制过程不平滑等等,而这些问题又可以通过pid控制方法解决,无疑fuzzy-pid控制方法比传统pid控制和单一的模糊控制具有更好的控制效果。
模糊控制的核心是设计模糊控制器,其设计方法一般包括以下几项内容,确定模糊控制器的输入变量和输出变量(即控制量),设计模糊控制规则,确定模糊化和非模糊化(又称去模糊化)的方法,选择模糊控制器的输入变量及输出变量的论域并确定模糊控制器的参数,编制模糊控制算法的应用程序,合理选择模糊控制算法的采样时间。