基于事件触发的机器人变增益超螺旋滑模控制方法及系统技术方案

本发明专利技术属于机器人控制领域，并具体公开了一种基于事件触发的机器人变增益超螺旋滑模控制方法及系统，其包括：S1、构建机器人多模式统一运动学误差模型；S2、设计与误差相关的PI滑模面；S3、设计无颤振超螺旋滑模趋近律，并构建增益自适应函数，使滑动变量远离滑模面时采用与时间线性相关的高增益，到达预定邻域时切换至基于势垒函数的变增益；S4、基于机器人多模式统一运动学误差模型和无颤振超螺旋滑模趋近律设计控制器，以控制机器人进行轨迹跟踪；对远离滑模面的滑动变量，采用周期采样的时间触发形式；对于到达预定邻域的滑动变量，采用事件触发形式。本发明专利技术能够实现快速收敛，在缺乏扰动导数的边界信息时实现无抖动的跟踪控制。踪控制。踪控制。

【技术实现步骤摘要】
基于事件触发的机器人变增益超螺旋滑模控制方法及系统


[0001]本专利技术属于机器人控制领域，更具体地，涉及一种基于事件触发的机器人变增益超螺旋滑模控制方法及系统。

技术介绍

[0002]高精度轨迹跟踪是移动机器人控制领域最关键的问题之一，也是机器人行业关注的课题，通常情况下，较好的方法是通过确定运动学模型来实现运动学控制。由于滑模控制的简单性，对扰动不敏感而被广泛应用于移动机器人领域。滑模控制本质上为变结构控制，开关增益高会导致这种系统中出现大幅度的震颤，为了避免颤振，通常会选择降低增益，这种方法将牺牲跟踪精度和响应速度，另外，还出现了比如积分滑模，超螺旋滑模等方法，可以有效的减小到达滑模面时的抖动。与此同时，在复杂的操作环境中，构建精确的模型必然会有未知干扰，通常采用的滑模控制(SMC)可以提供针对未知干扰的闭环不敏感度，大多数SMC设计需要实施有界干扰或导数的上限，通过自适应地调节相应的控制增益增强系统的鲁棒性，并能够保证到所需滑动面的有限时间收敛性。
[0003]尽管SMC在工业领域已显示出其有效性，但是将SMC方法应用于机器人的运动控制时，还存在以下亟待改进的方面：
[0004]1)虽然超螺旋滑模在改进颤振方面有着明显优势，但是超螺旋滑模趋近律本质上为变速趋近，当输出变量在滑模面附近时，如果采用固定增益，增益过大时，到达滑模面系统具有较大的速度，会引起较大的抖振，如果增益过小，调节时间长；
[0005]2)当扰动上界未知时无法实现自适应控制，在缺乏扰动导数的边界信息时，如何实现无抖动的SMC方案来对移动机器人进行跟踪控制成为重要问题。
[0006]3)传统的周期采样控制增加控制器的负载运算，当扰动跳变频繁时不能很好的对系统收敛性进行有效监督。
[0007]因此，亟需一种在扰动边界未知时能够进行增益自适应调节，且快速响应的跟踪控制方法。

技术实现思路

[0008]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于事件触发的机器人变增益超螺旋滑模控制方法及系统，其目的在于，在缺乏扰动导数的边界信息时，实现快速、无抖动的移动机器人自适应跟踪控制。
[0009]为实现上述目的，按照本专利技术的一方面，提出了一种基于事件触发的机器人变增益超螺旋滑模控制方法，包括如下步骤：
[0010]S1、构建机器人多模式统一运动学误差模型；
[0011]S2、设计与误差相关的PI滑模面；
[0012]S3、设计无颤振超螺旋滑模趋近律，并构建其中的增益自适应函数，使滑动变量远离滑模面时采用与时间线性相关的高增益，到达预定邻域时切换至基于势垒函数的变增
益；
[0013]S4、基于机器人多模式统一运动学误差模型和无颤振超螺旋滑模趋近律设计控制器，以控制机器人进行轨迹跟踪；其中，对远离滑模面的滑动变量，采用周期采样的时间触发形式；对于到达预定邻域的滑动变量，采用事件触发形式。
[0014]作为进一步优选的，步骤S1中，构建的机器人多模式统一运动学误差模型如下：
[0015][0016]其中，f(q
e
)、g(q
e
)为误差矩阵，u为控制律，即控制输入，表示为：
[0017][0018][0019]其中，q
e
＝(x
e
,y
e
,θ
e
)
T
为误差状态空间向量，q
e
＝q
r
‑
q，q
r
＝(x
r
,y
r
,θ
r
)
T
、q
e
＝(x
e
,y
e
,θ
e
)
T
分别为地图坐标系下机器人实际状态空间向量、参考状态空间向量；x,y,θ分别为机器人实际状态下在地图坐标系的横坐标、纵坐标以及机器人坐标系相对地图坐标系的旋转角度；x
r
,y
r
,θ
r
分别为机器人参考状态下在地图坐标系的横坐标、纵坐标以及机器人坐标系相对地图坐标系的旋转角度；v
r
表示期望轴向速度，ω
r
表示机器人主体的期望转速，θ
f
是前轮转角，θ
r
是后轮转角，规定逆时针角度为正，顺时针角度为负；v表示轴向速度，ω表示机器人主体的转速，L表示机器人轴向长度；系数r＝tan(θ
r
)/tan(θ
f
)。
[0020]作为进一步优选的，根据机器人采用的不同运动模型，r具体为：采用双阿克曼模型时，r＝
‑
1；采用阿克曼模型时，r＝0；采用平移模型时，r＝1；采用变阿克曼模型时，r＝(
‑
1,0)∪(0,1)。
[0021]作为进一步优选的，步骤S2中，与误差相关的PI滑模面s如下：
[0022][0023]其中，s∈R3，q
e
∈R3，R3表示三维空间向量；sign为符号函数，t为时间，k、λ、γ均为常数，且k＞0,λ＞0,γ∈(0,1)。
[0024]作为进一步优选的，步骤S3中，无颤振超螺旋滑模趋近律具体如下：
[0025][0026]其中，L(s(t))为增益自适应函数，δ为正数满足0＜δ＜1，tanh(s)为双曲正切函数，为的导数，s(t)为滑动变量，为未知边界的时变扰动。
[0027]作为进一步优选的，所述增益自适应函数具体为：
[0028][0029]其中，F为正常数，其在保证收敛的情况下尽可能小；ν为任意正数，ν
→0+
；sin(ν)表示零点附近邻域，α为任意正数，t
switch
为增益切换时间。
[0030]作为进一步优选的，步骤S4中，设计的控制器具体如下：
[0031]当0≤t＜t
switch
时，采用周期采样的控制器：
[0032][0033]其中，u为控制律，u
r
＝(v
r
,ω
r
)
T
为参考输入信号，v
r
、ω
r
分别表示机器人的参考轴向速度和参考转速；
[0034]当t≥t
switch
时，采用事件触发的控制器：
[0035][0036]其中，t
i
为第i次采样的时刻，u(t
i
)、s(t
i
)、L(s(t
i
))、q
e
(t
i
)分别为t
i
时刻的控制输入、滑动变量、增益、误差状态空间向量，g(q
e
(t
i
))、f(q
e
(t
i
))分别为t本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于事件触发的机器人变增益超螺旋滑模控制方法，其特征在于，包括如下步骤：S1、构建机器人多模式统一运动学误差模型；S2、设计与误差相关的PI滑模面；S3、设计无颤振超螺旋滑模趋近律，并构建其中的增益自适应函数，使滑动变量远离滑模面时采用与时间线性相关的高增益，到达预定邻域时切换至基于势垒函数的变增益；S4、基于机器人多模式统一运动学误差模型和无颤振超螺旋滑模趋近律设计控制器，以控制机器人进行轨迹跟踪；其中，对远离滑模面的滑动变量，采用周期采样的时间触发形式；对于到达预定邻域的滑动变量，采用事件触发形式。2.如权利要求1所述的基于事件触发的机器人变增益超螺旋滑模控制方法，其特征在于，步骤S1中，构建的机器人多模式统一运动学误差模型如下：其中，f(q
e
)、g(q
e
)为误差矩阵，u为控制律，即控制输入，表示为：)为误差矩阵，u为控制律，即控制输入，表示为：其中，q
e
＝(x
e
,y
e
,θ
e
)
T
为误差状态空间向量，q
e
＝q
r
‑
q，q
r
＝(x
r
,y
r
,θ
r
)
T
、q
e
＝(x
e
,y
e
,θ
e
)
T
分别为地图坐标系下机器人实际状态空间向量、参考状态空间向量；x,y,θ分别为机器人实际状态下在地图坐标系的横坐标、纵坐标以及机器人坐标系相对地图坐标系的旋转角度；x
r
,y
r
,θ
r
分别为机器人参考状态下在地图坐标系的横坐标、纵坐标以及机器人坐标系相对地图坐标系的旋转角度；v
r
表示期望轴向速度，ω
r
表示机器人主体的期望转速，θ
f
是前轮转角，θ
r
是后轮转角，规定逆时针角度为正，顺时针角度为负；v表示轴向速度，ω表示机器人主体的转速，L表示机器人轴向长度；系数r＝tan(θ
r
)/tan(θ
f
)。3.如权利要求2所述的基于事件触发的机器人变增益超螺旋滑模控制方法，其特征在于，根据机器人采用的不同运动模型，r具体为：采用双阿克曼模型时，r＝
‑
1；采用阿克曼模型时，r＝0；采用平移模型时，r＝1；采用变阿克曼模型时，r＝(
‑
1,0)∪(0,1)。4.如权利要求2所述的基于事件触发的机器人变增益超螺旋滑模控制方法，其特征在于，步骤S2中，与误差相关的PI滑模面s如下：其中，s∈R3，q
e
∈R3，R3表示三维空间向量；sign为符号函数，t为时间，k、λ、γ均为常数，且...

【专利技术属性】
技术研发人员：谢远龙，吴昊，王书亭，蒋立泉，刘宇，胡倚铭，熊体凡，段佳旺，吴航，李逸飞，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：