移动机器人控制系统设计

《移动机器人控制系统设计》由会员分享，可在线阅读，更多相关《移动机器人控制系统设计（28页珍藏版）》请在金锄头文库上搜索。

1、一、绪 论一）引言移动机器人技术是一门多科学交叉及综合的高新技术，是机器人研究领域的 一个重要分支，它涉及诸多的学科，包括材料力学、机械传动、机械制造、动力 学、运动学、控制论、电气工程、自动控制理论、计算机技术、生物、伦理学等 诸多方面。第一台工业机器人于 20 世纪 60 年代初在美国新泽西州的通用汽车制 造厂安装使用。 该产品在 20 世纪 60 年代出口到日本， 从 20 世纪 80 年代中期起， 对工业机器人的研究与应用在日本迅速发展并步入了黄金时代。与此同时，移动 机器人的研究工作也进入了快速发展阶段。移动机器人按其控制方式的不同可以分为遥控式、半自动式和自主式三种； 按其工作环境

2、的不同可以分为户外移动机器人和室内机器人两种。自主式移动机 器人可以在没有人共干预或极少人共干预的条件下，在一定的环境中有目的的移 动和完成指定的任务。自主式移动机器人是一个组成及结构非常复杂的系统，具 有加速、减速、前进、后退以及转弯灯功能，并具有任务分析，路径规划，导航 检测和信息融合，自主决策等类似人类活动的人工智能。（二）移动机器人的主要研究方向1. 体系结构技术1）分布式体系结构分布式体系结构 【1.2.3】是多智能体技术在移动机器人研究领域的应用。 智能体 是指具有各自的输入、输出端口，独立的局部问题求解能力，同时可以彼此通过 协商协作求解单个或多个全局问题的系统。移动机器人系统，

3、特别是具有高度自 组织和自适应能力的系统，它们的内部功能模块与智能体相仿，因此可以应用多 智能体技术来分析和设计移动机器人系统的结构，实现系统整体的灵活性和高智 能性。在分布式体系 结构中，各个功能模块具有不同的输入输出对象和自身的不 同功能，并行各工作，整个系统通过一个调度器实现整体的协调，包括制定总体 目标、任务分配、运动协调和冲突消解等。2）进化控制体系结构 面对任务的复杂性和环境的不确定性以及动态特性，移动机器人系统应该具 有主动学习和自适应的能力。将进化控制的思想融入到移动机器人体系结构的设 计中，使得系统哎具备较高反应速度大的同时， 也具备高性能的学习和适应能力。文献【4】提出的进

4、化控制体系结构包括进化规划和基于行为的控制两大模块，其 优点是既具有基于行为的系统的实时性， 又保持了基于功能的系统的目标可控性， 并兼有自学习和自适应的功能。文献【 5】是进化控制的思想在机器人体系结构设 计方面的又一体现，提出了一种模拟人类学习与进化过程的机器人进化控制体系 结构。机器人利用事先设计好的基本行为，根据实际环境和具体任务要求，自主 创建满足任务要求和适应环境的具体行为。文献【6】考虑到智能体本身具有独立性、自主性、开放性等优点，将智能体的技术与进化控制相结合，提出了一种基 于多智能体的移动机器人导航进化控制体系结构。3）多移动机器人系统 多机器人系统是以多个机器人组成的系统为

5、研究对象，研究目的在于寻求一 套分析、设计和控制机器人群的有效方法，使其能够有效、高质量地协作完成任 务【7】。随着机器人技术的发展和应用领域的不断扩展，具有单个机器人无法比拟 的优越性的多机器人系统已得到了普遍重视。设计合理的体系系统结构对于多机 器人系统在多变的工作环境中完成复杂的工作任务时起到至关重要的作用。文献【 8.9.10 】在分析了多机器人协作系统对单机控制体系结构的要求后， 分别提出了适合的机器人个体控制体系结构，其基本思想是采用分层式和包容式 融合的混合体系结构。文献【 11】提出了一种使多个机器人在不同层次上方便地 进行行为调整和协作的体系结构，在这种体系结构中，单个机器人

6、采用分层式结 构，而不同机器人之间是分布式的关系，可以在每个层次上直接相互作用。这种 结构的优点是各个机器人可以在每个层次上灵活地建立作用关系，同时随环境的 变化和不确定性保持实时的反应性能。2.定位与导航技术智能移动机器人的 “智能 ”特征在于它具有与外部世界相协调的工作机能，这 种协调在具体的实现上首先要求机器人确定自身与周围环境的位置关系，以便根 据目标任务做出正确决策和路径选择，因此导航的定位成为移动机器人的两个最 为重要问题。 移动机器人的导航方式可分为： 基于环境信息的地图模型匹配导航、 基于各种导航信号的陆标导航、视觉导航和味觉导航等。1）定位技术 作为移动机器人导航最基本环节，

7、定是确定机器人在工作环境中相对于全局 坐标的位姿。定位方法根据机器人工作环境复杂性，配备传感器的种类和数量等 不同有多种方法。主要方法有：码盘定位、陆标定位和声音定位等。码盘定位是 在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略的确定位 置和姿态。该方法虽然简单，但是由于车轮与地面存在打滑现象，产生的累积误 差随路径的增加而增大，定位误差会逐渐累积，引起更大的误差。 Yamauchi 【12】 使用推测航行法和证据栅格来实现计算动态环境中的机器人位置。该方法把在不同时段建立的证据栅格匹配起来， 使用一种爬山算法搜索可能的平移与转动空间， 来消除推测航行法的误差累积。陆标定位【1

8、3】是在移动机器人工作的环境里，人为地设置一些已知的陆标，如超声波发射器、激光反射板等，通过对陆标的探测 来确定机器人自身的位姿。2) 导航技术 全局路径规划包括环境建模和路径搜索策略两个问题。其中环境建模的主要方法 有：可视图法、自由空间法和栅格法等。可视图法【15】视机器人为一点，将机器人、目标点和障碍物各顶点之间以及各障碍物顶点和顶点之间的连线，均不能穿 越障碍物，即直线是可视的。搜索最优路径的问题就转化为从起点到目标点经过 这些可视直线的最短距离问题。 VoronoiDiagrams 法和 TangentGraph 法【16 】对可视 图法进行了改进；自由空间法应用于机器人路径规划，采

9、用预先定义的如广义锥 形和凸多边形 【17】等基本形状构造自由空间，并将自由空间表示为连通图，通过 搜索连通图来进行路径规划。该法以栅格为单位记录环境信息，环境被量化具有 一定分辨率的栅格，栅格的大小直接影响着环境信息存储量的大小和规划时间的 长短。栅格划分打了，环境信息存储量小，规划时间按短，但分辨率下降，在密 集环境下发现路径的能力减弱；栅格划分小了环境分辨率高，在密集环境下发现 路径的能力强，但环境信息存储量打，规划时间长，可采用改进的栅格法【19】弥补栅格法的不足。路径搜索策略主要由：A*算法【20】和D*最优算法【21】等。局部路径规划的主要方法有：人工势场法( Artificial

10、 Potential Field )、遗传 算法( Genetic Algorithm )和模糊逻辑算法( Fuzzy Logic Algorithm )等。人工势 场法【22】 是由 Khatib 提出的一种虚拟力法。其基本思想是将机器人在环境中的运 动视为一种虚拟的人工受力场中的运动。障碍物对机器人产生斥力，目标点产生 引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算 机器人的位置。 J.Holland 【24】在 60 年代初提出了遗传算法，以自然遗传机制和自 然选择等生物进化理论为基础，构造了一类随机搜索算法。它是利用选择、交叉 和变异来培养控制机构的计算程序，在

11、冒种程度上对生物进化过程做数学方式的 模拟。它不要求适应度函数是可导或连续的，而只要求适应度函数为正，同时作 为并行算法， 它的隐并行性适用于全局搜索。 基于实时传感信息的模糊逻辑算法 【25】参考人的驾驶经验，通过查表得到规划信息，实现局部路径规划。该方法克 服了势场易产生的局部极小问题，适用于时变未知环境下的路径规划，实时性较 好。3.运动控制策略运动控制就是控制移动机器人按规定的轨迹运动，控制器的好坏对机器人的 性能有着直接影响，因此这部分在机器人的研究中至关重要。针对不同的运动系 统结构和驱动设备，运动控制的研究会进一步的细化。对于常用的轮式移动机器 人，还会进一步分为双轮、三轮、四轮

12、等。对于本文主要讨论的轮式机器人的运动控制，由于它是一个高度非线性的非 完整性控制系统，对其的控制具有相当的难度。根据问题的不同，该类系统的控 制一般分为镇定控制和跟踪控制两类。镇定控制方面，现在的主要研究成果有不 连续控制方法、时变控制方法和混乱控制方法等。跟踪控制方面，根据导航方式 的不同可以分为含有时间参数的轨迹跟踪以及不含时间参数的路径跟踪；根据控 制变量的不同又可以分为速度控制和力矩控制等。在控制的方法上，现在比较常 用的有基于滑模控制的 方法、基于反馈线性化的方法、回退法、神经网络方法和 模糊控制方法等。文献30 中，作者提出了一种基于预报预测的控制方法。 文献 31 通过误差的

13、分解，使用 PD 控制方法实现运动控制，但在实际使用中控制参数难以调节。文 献32利用鲁棒控制方法， 文献33利用神经元预测控制实现对移动机器人的运动 控制，但并未考虑系统延迟所带来的影响，运动控制效果存在滞后现象。预见预 测控制 【34】是一种将预见控制和预测控制结合在一起的控制方法。其算法的核心 思想是利用已知的未来信息， 设计一个前馈控制器用以克服系统的动态响应延迟， 同时利用预测控制中的滚动优化、反馈校正策略增强系统的鲁棒性。文献 35 将 预见预测控制方法应用于 CNC 机床的伺服控制中，取得了良好的效果。文献 30 将预见预测控制方法应用于移动机器人的运动控制中，首先利用三阶 Be

14、zier 曲线 作为路径生成器生成目标轨迹，并以此为输入信号设计最优预见控制器作为系统 的前馈补偿，弥补系统的动态响应延迟；然后使用扩展卡尔曼滤波器作为预测模 型，基于广义预测控制（ GPC ）实现了预见预测（ PPC ）运动控制器的设计，提 高系统的鲁棒性。4.传感器信息融合技术移动机器人的多传感器信息融合方面的研究始于 80 年代。多传感器融合 【25】 的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、统计决策理论、 D-S 证 据推理、神经网络和模糊推理法以及带置信因子的产生式规则。其中加权平均法 是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是 统计上的最优估计

15、；贝叶斯估计是融合静态环境中多传感器底层数据的常用方法， 适用于具有高斯白噪声的不确定性传感信息融合；对于系统噪声和观测噪声为高 斯白噪声的线性系统模型用卡尔曼滤波来融合动态低层次冗余传感信息，对于非 线性系统模型采用扩展卡尔曼滤波或者分散卡尔曼滤波；统计决策理论用于融合 多个传感器的同一种数据，常用于图像观测数据； D-S 证据推理是贝叶斯估计法 的扩展，它将局部成立的前提与全局成立的前提分离开来，以处理前提条件不完 整的信息融合；神经网络法根据系统要求和融合形式，选择网络拓扑结构，通过 网络学习确定网络连接权值，对各传感器的的输入信息进行融合。系统具有很强 的容错性和鲁棒性；模糊推理法首先

16、对多传感器输出进行模糊化，将所测得的距 离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融 合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值；带置信 因子的产生式规则主要用于符号水平层表达传感器信息，结合专家系统对多传感 器信息进行融合。5.仿生机器人的研究今年来，全球许多机器人研究机构都展开与仿生机构的研究工作。在生态学 基础上，研究昆虫、爬行动物等自然界生物的各种生存策略与形态，如：蚂蚁的 群体协作、觅食、路线跟踪与搜索和信息传递等策略，蜜蜂的定位和采粉策略， 蛇的爬行动态等，将各种生物的特长再现于机器人上。 NASA 的 Snakerrobot 蛇形 机器人，能够穿梭在受灾现场的瓦砾狭缝之中，寻找幸存者。该蛇形机器人由于 重心低且完全模仿蛇的动作因而行动灵敏、鲁棒性好，可以用于受灾现场生还者 的寻找和军事侦察； SONY 公司 1999 年推出的宠物机器狗 Aibo 具有喜、怒、哀、 厌、惊和奇 6