基于自适应事件触发的轮式机器人匀速直线编队控制方法技术

本发明专利技术涉及一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，所述轮式机器人包括一个领导机器人和多个跟随机器人，该方法包括以下步骤：1)设定跟随机器人与领导机器人匀速直线编队时的期望相对位置，构建基于事件触发机制的外部信号观测器，获取每个跟随机器人相对领导机器人的观测值；2)计算跟随机器人与领导机器人的位置误差，结合机器人线性化模型，获取跟随机器人的标准位置和标准控制输入；3)基于跟随机器人的标准位置和标准控制输入，构建完全分布式自适应控制器，获得跟随机器人的实时系统控制输入。与现有技术相比，本发明专利技术具有准确可靠、节省能源和更加稳定的优点。

A Uniform Linear Formation Control Method for Wheeled Robots Based on Adaptive Event Triggering

【技术实现步骤摘要】
基于自适应事件触发的轮式机器人匀速直线编队控制方法
本专利技术涉及一种基于自适应事件触发的多智能体完全分布式协同控制方法，尤其是涉及一种基于自适应事件触发的轮式机器人匀速直线编队控制方法。
技术介绍
随着多智能体技术的发展，业界对于基于事件触发的分布式控制有着越来越高的要求。因为在某些复杂环境中，单个多智能体无法获知整个多智能体系统的全局信息，同时多智能体之间因为能源有限、环境复杂无法实现连续的通信。因此，近些年来，基于事件触发的多智能体完全分布式协同控制的研究受到了国内外学者的广泛关注。轮式机器人编队控制便是多智能体协同控制的一个细分领域。而轮式机器人匀速直线编队控制问题是轮式机器人编队控制问题的一个子问题，目前尚没有研究或者专利技术能够实现避免连续通信的轮式机器人完全分布式匀速直线编队控制。众所周知，轮式机器人自身携带能源有限，而通信是一个十分耗能的过程。同时在某些情况下，由于环境因素的干扰，轮式机器人间无法实现连续通信。因此通过引入事件触发技术可以实现间断通信，节省能源。若采用集中式的控制方式，当核心机器人出现问题时，整个编队便会瘫痪。另外实现集中式控制的通信成本过高，不适合应用于实际场景中。因此设计一种基于自适应事件触发的轮式机器人完全分布式匀速直线编队控制器设计方法势在必行。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于自适应事件触发的轮式机器人匀速直线编队控制方法。本专利技术的目的可以通过以下技术方案来实现：一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，所述轮式机器人包括一个领导机器人和多个跟随机器人，该方法包括以下步骤：S1：设定跟随机器人与领导机器人匀速直线编队时的期望相对位置，构建基于事件触发机制的外部信号观测器，获取每个跟随机器人相对领导机器人的观测值；S2：计算跟随机器人与领导机器人的位置误差，结合机器人线性化模型，获取跟随机器人的标准位置和标准控制输入；S3：基于跟随机器人的标准位置和标准控制输入，构建完全分布式自适应控制器，获得跟随机器人的实时系统控制输入。进一步地，所述步骤S1中，外部信号观测器的事件触发机制的表达式如下：式中，ηi(t)为外部信号观测器获取跟随机器人i相对领导机器人的观测值，I2为2×2的单位矩阵，aij表示机器人i与机器人j直接的通讯连接情况，为跟随机器人i的第l次事件触发时刻，为了表示简便，之后用ki来代表ki(t)，κi(t)为观测器自适应增益，其初始值满足κi(0)≥1，ιi(t)为事件触发自适应增益，其初始值满足ιi(0)≥1，ηei(t)表示跟随机器人i自身标准位置与观测值ηi(t)之间的误差，a1为任意正实数，a2为任意正实数。选择李雅普诺夫函数对状态观测器进行验证，李雅普诺夫函数的表达式为：式中，矩阵为跟随轮式机器人编队通信网络拓扑的拉普拉斯矩阵，Δ为跟随轮式机器人编队通信网络拓扑的度矩阵，与g2＝g3λmax(H)2均为常数。对李雅普诺夫函数求导可以证明所设计的领导机器人状态观测器能够满足对于任意的i，的要求。进一步地，所述步骤S2中，机器人线性化模型的获取步骤具体为：S201：建立轮式机器人非线性模型；S202：构建机器人状态向量，线性化机器人非线性模型。进一步地，所述步骤S201中，轮式机器人非线性模型的表达式为：式中，(xpi(t),ypi(t))为轮式机器人i在t时刻笛卡尔坐标系中的位置，vi(t)为轮式机器人i在t时刻笛卡尔坐标系中的线速度，θi(t)为轮式机器人i在t时刻笛卡尔坐标系中质心的角度，ωi(t)为轮式机器人i在t时刻笛卡尔坐标系中的角速度，mi为轮式机器人i的质量，Ji为轮式机器人i的转动惯量，ui(t)为轮式机器人i在t时刻的系统控制输入，fi(t)为轮式机器人i在t时刻输入力的大小，τi(t)为轮式机器人i在t时刻输入扭矩的大小。进一步地，所述步骤S202中，构建机器人状态向量包括构建领导机器人状态向量和构建跟随机器人转态向量，所述领导机器人状态向量v(t)的表达式为：式中，xp0(t)为领导机器人在t时刻沿笛卡尔坐标系x轴方向的坐标，yp0(t)领导机器人在t时刻沿笛卡尔坐标系y轴方向的坐标，νx0(t)为领导机器人在t时刻沿笛卡尔坐标系x轴方向的速度，vx0(t)＝v0(t)cosθ0(t)，v0(t)为领导机器人t时刻在笛卡尔坐标系中的线速度，θ0(t)为领导机器人在t时刻笛卡尔坐标系中质心的角度，νy0(t)为领导机器人在t时刻沿笛卡尔坐标系y轴方向速度，vy0(t)＝v0(t)sinθ0(t)。进一步地，所述跟随机器人状态向量的表达式为：xi(t)＝[xpi-xp0-xdi,ypi-yp0-ydi,νxi,νyi]式中xi(t)为跟随机器人i在t时刻笛卡尔坐标系中的状态向量，xpi为跟随机器人i沿笛卡尔坐标系x轴方向的坐标，xp0为领导机器人沿笛卡尔坐标系x轴方向的坐标，ypi为跟随机器人i沿笛卡尔坐标系y轴方向的坐标，yp0为领导机器人沿笛卡尔坐标系y轴方向的坐标，νxi为跟随机器人i沿笛卡尔坐标系x轴方向的速度，vxi(t)＝vi(t)cosθi(t)，vi(t)为跟随机器人i在t时刻笛卡尔坐标系中的线速度，θi(t)为跟随机器人在t时刻笛卡尔坐标系中质心的角度，νyi为跟随机器人i沿笛卡尔坐标系y轴方向的速度，vyi(t)＝vi(t)sinθi(t)。为最终形成编队时跟随机器人i与领导机器人的期望相对位置。进一步地，所述步骤S202中，线性化机器人非线性模型的结果包括领导机器人线性化模型和跟随机器人线性化模型，所述领导机器人线性化模型的表达式为：式中，为领导机器人线性化模型，v(t)为领导机器人状态向量。进一步地，所述跟随机器人线性化模型的表达式为：式中，为跟随机器人i的线性化模型，xi(t)为跟随机器人i在t时刻笛卡尔坐标系中的状态向量，ui(t)为跟随机器人i在t时刻的系统控制输入值，v(t)为跟随机器人在笛卡尔坐标系中的线速度，Ei＝04×4。进一步地，所述步骤S2中，跟随机器人与领导机器人的位置误差表达式为：ei(t)＝pi(t)-p0(t)-pdiei(t)＝Cixi(t)+Diui(t)+Fiv(t)式中，ei(t)为跟随机器人i与领导机器人的位置误差，pi(t)为跟随机器人i在笛卡尔坐标系中的位置，xpi(t)为跟随机器人i在t时刻沿笛卡尔坐标系x轴方向的坐标，ypi(t)为跟随机器人i在t时刻沿笛卡尔坐标系y轴方向的坐标，p0(t)为领导机器人t时刻在笛卡尔坐标系的位置，pdi为跟随机器人i与领导机器人匀速直线编队时的期望相对位置，xdi为期望相对位置在笛卡尔坐标系x轴方向的坐标，ydi为期望相对位置在笛卡尔坐标系y轴方向的坐标，Di＝04×4，进一步地，所述步骤S2中，跟随机器人的标准位置和标准控制输入的获取具体为：建立跟随机器人与领导机器人的位置误差，以及跟随机器人线性化模型的方程组，求解所述方程组获取跟随机器人的标准位置和标准控制输入，所述方程组的表达式为：XiS＝AiXi+BiUi+Ei0＝CiXi+DiUi+Fi式中，Xi为跟随机器人i的标准位置，Ui为跟随机器人i的标准控制输入。进一步地，所述步骤S3中，完全分布式自适应控制器本文档来自技高网...

【技术保护点】
1.一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，所述轮式机器人包括一个领导机器人和多个跟随机器人，其特征在于，该方法包括以下步骤：S1：设定跟随机器人与领导机器人匀速直线编队时的期望相对位置，构建基于事件触发机制的外部信号观测器，获取每个跟随机器人相对领导机器人的观测值；S2：计算跟随机器人与领导机器人的位置误差，结合机器人线性化模型，获取跟随机器人的标准位置和标准控制输入；S3：基于跟随机器人的标准位置和标准控制输入，构建完全分布式自适应控制器，获得跟随机器人的实时系统控制输入。

【技术特征摘要】
1.一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，所述轮式机器人包括一个领导机器人和多个跟随机器人，其特征在于，该方法包括以下步骤：S1：设定跟随机器人与领导机器人匀速直线编队时的期望相对位置，构建基于事件触发机制的外部信号观测器，获取每个跟随机器人相对领导机器人的观测值；S2：计算跟随机器人与领导机器人的位置误差，结合机器人线性化模型，获取跟随机器人的标准位置和标准控制输入；S3：基于跟随机器人的标准位置和标准控制输入，构建完全分布式自适应控制器，获得跟随机器人的实时系统控制输入。2.根据权利要求1所述的一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，其特征在于，所述步骤S1中，外部信号观测器的事件触发机制的表达式如下：式中，ηi(t)为外部信号观测器获取跟随机器人i相对领导机器人的观测值，I2为2×2的单位矩阵，aij表示机器人i与机器人j直接的通讯连接情况参数，为跟随机器人i的第l次事件触发时刻，为了表示简便，之后用ki来代表ki(t)，κi(t)为观测器自适应增益，其初始值满足κi(0)≥1，ιi(t)为事件触发自适应增益，其初始值满足ιi(0)≥1，ηei(t)表示跟随机器人i自身标准位置与观测值ηi(t)之间的误差，a1为任意正实数，a2为任意正实数。3.根据权利要求1所述的一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，其特征在于，所述步骤S2中，机器人线性化模型的获取步骤具体为：S201：建立轮式机器人非线性模型；S202：构建机器人状态向量，线性化机器人非线性模型。4.根据权利要求3所述的一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，其特征在于，所述步骤S202中，线性化机器人非线性模型的结果包括领导机器人线性化模型和跟随机器人线性化模型，所述领导机器人线性化模型的表达式为：式中，为领导机器人线性化模型，v(t)为领导机器人状态向量。5.根据权利要求4所述的一种基于自适应事件触发的轮式机器人匀速直线编队控制方法，其特征在于，所述领导机器人状态向量v(t)的表达式为：式中，xp0(t)为领导机器人在t时刻沿笛卡尔坐标系x轴方向的坐标，yp0(t)领导机器人在t时刻沿笛卡尔坐标系y轴方向的坐标，νx0(t)为领导机器人在t时刻沿笛卡尔坐标系x轴方向的速度，vx0(t)＝v0(t)cosθ0(t)，v0(t)为领导机器人t时刻在笛卡尔坐标系中的线速度，θ0(t)为领导机器人t时刻在笛...

【专利技术属性】
技术研发人员：张皓，王祝萍，宋首锐，
申请(专利权)人：同济人工智能研究院苏州有限公司，
类型：发明
国别省市：江苏,32