一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法技术

本发明专利技术公开了一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，首先将该移动机器人视觉伺服系统建模为关于视觉伺服误差和驱动的不确定系统。其次，对约束的视觉伺服误差子系统，设计基于半正定规划的速度规划预测控制算法。该算法分为离线计算和在线调度两个部分，降低预测控制算法的在线计算量。而对约束的视觉伺服驱动子系统，采用极小极大鲁棒预测控制算法，实现对视觉伺服误差子系统的规划速度的渐近跟踪。本发明专利技术可以有效提高载荷不确定移动机器人系统的稳定性、快速性、鲁棒性等。鲁棒性等。鲁棒性等。

【技术实现步骤摘要】
一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法


[0001]本专利技术涉及移动机器人视觉伺服预测控制领域，特别涉及一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法。

技术介绍

[0002]随着移动机器人应用需求的日益复杂多样，传统的控制手段不再满足应用需求，而视觉伺服被广泛认为是使机器人更加灵活和快速的有效解决方案，因此在移动机器人领域得到了广泛的应用。通常情况下移动机器人视觉伺服将误差信号定义在图像特征空间，通过选择合适的视觉特征和视觉控制来达到满意的控制效果。然而移动机器人是一个典型的具有非完整性约束的欠驱动系统，这使得视觉伺服技术在实际应用中具有挑战性。
[0003]移动机器人视觉伺服控制需要兼顾视觉传感器和机器人的特性，因此视觉伺服过程中会受视觉传感器的视场约束以及移动机器人执行机构的物理约束，如果违反这些约束，则会导致视觉伺服任务不能有效地执行，甚至导致失败。为解决约束问题，一些学者利用分层的思想来处理移动机器人视觉伺服问题
[0004]近年来，模型预测控制(model predictive control,MPC)由于具有显式处理约束和系统不确定性的能力受到了众多学者的青睐，并被广泛应用在移动机器人上。在实际应用中，移动机器人的动态系统相对较快，实时性要求较高，而MPC在每个采样时刻要在线实时求解一个有约束的优化问题，在优化过程中往往需要大量的计算，限制了MPC的应用范围，导致并不能满足移动机器人实时性的要求。因此克服MPC在线优化计算量大的问题显得尤为重要。

技术实现思路
<br/>[0005]本专利技术的目的是提供一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，具有满足移动机器人实时性控制要求，降低在线优化的计算量的优点。
[0006]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0007]一种鲁棒视觉伺服预测控制方法，所述方法包括以下步骤：
[0008]S1：建立移动机器人的分层视觉伺服控制系统模型
[0009]考虑移动机器人，假设其存在纯滚动无滑动运动，则建立移动机器人运动
‑
驱动模型
[0010][0011]其中，(x,y)为机器人质心在O
‑
XYZ的坐标，θ为机器人朝向角，v和ω分别为线速度和角速度，m为机器人质量和载荷量总合，I为机器人转动惯量，τ1和τ2分别为机器人线转矩
和角转矩。令q＝[x,y,θ]T
和ν＝[v,ω]T
分别表示机器人的位姿和速度向量。
[0012]令q＝[x,y,θ]T
和ν＝[v,ω]T
分别表示机器人的位姿和速度向量，则系统 (1)可描述为如下分层系统：
[0013][0014]对应系统(2)，同理得移动机器人分层视觉伺服系统模型
[0015][0016]进一步，为保证有效执行视觉伺服任务，机器人移动范围、速度和转矩需要满足物理约束和视觉可见性约束条件
[0017]u
min
≤u≤u
max
,υ
min
≤υ≤υ
max
ꢀꢀꢀ
(4a)
[0018]v
min
≤v≤v
max
,ω
min
≤ω≤ω
max
ꢀꢀꢀ
(4b)
[0019]τ
1min
≤τ1≤τ
2max
,τ
2min
≤τ2≤τ
2max
ꢀꢀꢀ
(4c)
[0020]其中，下标“min”表示对应变量的取值下界，下标“max”表示对应变量的取值上界。
[0021]S2：设计移动机器人视觉伺服误差子系统，定义视觉伺服速度优化控制问题。
[0022]考虑移动机器人视觉伺服误差e子系统，令采样时间为T1&gt;0，采用欧拉法离散连续时间系统(1)，得到对应离散时间视觉伺服误差模型为
[0023]e(k+1)＝e(k)+B(p(k))ν(k)
ꢀꢀꢀ
(5)
[0024]其中显然，B(p)是关于e1和e2的函数向量。
[0025]由于视觉伺服系统要满足约束(4)，因此，B(p)可以分解成多个已知顶点的凸多面体Ω组合，即
[0026]B(p)∈Ω＝C0{B1,B2,B3,B4}
ꢀꢀꢀ
(6)
[0027]其中，矩阵B1、B2、B3和B4分别对应于参数向量p的顶点p1＝[e
1min
, e
2min
]T
、p2＝[e
1min
,e
2max
]T
、p3＝[e
1max
,e
2min
]T
和p4＝[e
1max
,e
2max
]T
时的取值。
[0028]为满足移动机器人快速响应实时性控制要求，针对移动机器人视觉伺服误差子系统给出一种基于半正定规划的速度规划高效MPC算法，该算法分为离线计算和在线调度两部分。
[0029]考虑离散时间视觉伺服误差子系统(5)，定义无穷预测时域目标函数
[0030][0031]其中Q∈i3×3和R∈i2×2分别为误差状态的控制加权矩阵，e(i|k)和ν(i|k)分别为在当前k时刻对k+i时刻的预测量。考虑当前k时刻的误差状态e(k)，则基于min
‑
max策略，定义视觉伺服速度优化控制问题
[0032][0033]其中，速度序列是由误差状态反馈控制律得到，即
[0034]ν(i|k)＝F(k)e(i|k),i≥0
ꢀꢀꢀ
(9)
[0035]其中，增益矩阵F＝YG
‑1， G∈i3×3为松弛正定矩阵，Y∈i2×3为待求矩阵。
[0036]S3：设计速度规划高效MPC算法的离线计算部分。
[0037]考虑离散时间视觉伺服误差子系统(5)，优化问题(8)等价为在该系统凸多面体每个顶点的优化，即
[0038][0039][0040][0041][0042][0043]其中，j＝1～4，和Q
j
＞0，ρ&gt;0为闭环视觉伺服误差子系统的误差衰减率。
[0044]为进一步减小优化问题(10)～(11)的在线计算量，离线迭代构造一系列嵌套的椭圆不变集序列。
[0045]算法1：
[0046]a)初始化衰减率ρ＝1；
[0047]b)求解优化问题(10)～(11)，若该问题有可行解，则转入c)步骤；若没有可行解，则此时的ρ为最小衰减率，并存储ρ和相对应的优化函数上界γ；
[0048]c)ρ＝ρ
‑
0.01，重复b)步骤。
[0049]算法2：
[0050]a)给定初始状态量e1和循环次数N，令i＝1；
[0051本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，其特征在于，包括以下步骤：S1：建立移动机器人的分层视觉伺服控制系统模型；若所述机器人为纯滚动无滑动运动，则建立移动机器人运动
‑
驱动模型：驱动模型：驱动模型：驱动模型：驱动模型：所述运动
‑
驱动模型为系统(1)，所述系统(1)中，(x,y)为机器人质心在O
‑
XYZ的坐标，θ为机器人朝向角，v和ω分别为线速度和角速度，m为机器人质量和载荷量总合，I为机器人转动惯量，τ1和τ2分别为机器人线转矩和角转矩；S2：设计移动机器人视觉伺服误差子系统，定义视觉伺服速度优化控制；所述移动机器人视觉伺服误差中设有e子系统，所述采样时间为T1，当T1&gt;0时，采用欧拉法离散连续时间的系统，得到对应离散时间视觉伺服误差模型为：e(k+1)＝e(k)+B(p(k))ν(k)所述视觉伺服误差模型为系统(5)，所述系统(5)中S3：设计速度规划高效MPC算法的离线计算部分；S4：设计速度规划高效MPC算法的在线调度部分；S5：设计移动机器人视觉伺服驱动子系统，定义视觉伺服速度误差优化控制问题；载荷不确定的所述移动机器人视觉伺服驱动子系统，所述驱动子系统采样周期为T2，建立对应离散时间视觉伺服驱动子系统如下：ν(k+1)＝ν(k)+G(k)τ(k)所述视觉伺服驱动子系统为系统(19)，所述系统(19)中S6：设计极小极大鲁棒MPC视觉伺服驱动控制器；根据所述离散时间视觉伺服驱动子系统(19)，定义无穷预测时域目标函数：所述定义无穷预测时域目标函数为系统(21)，所述系统(21)中Q
v
∈i2×2和R
u
∈i2×2分别为速度误差状态和控制输入加权矩阵，和τ(i|k)分别为在当前时刻k对k+i时刻的预测量。2.根据权利要求1所述的一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，
其特征在于，所述S1中，令q＝[x,y,θ]
T
和ν＝[v,ω]
T
分别表示机器人的位姿和速度向量，则系统(1)可描述为如下分层系统(2)：根据所述系统(2)，得到移动机器人分层视觉伺服系统模型：所述移动机器人分层视觉伺服系统模型为系统(3)。3.根据权利要求2所述的一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，其特征在于，所述机器人移动范围的物理约束和视觉可见性约束条件为系统(4a)，所述系统(4a)表述为：u
min
≤u≤u
max
,υ
min
≤υ≤υ
max
所述机器人移动速度的物理约束和视觉可见性约束条件为系统(4b)，所述系统(4b)表述为：v
min
≤v≤v
max
,ω
min
≤ω≤ω
max
所述机器人移动速度的物理约束和视觉可见性约束条件为系统(4c)，所述系统(4c)表述为：τ
1min
≤τ1≤τ
2max
,τ
2min
≤τ2≤τ
2max
其中，下标“min”表示对应变量的取值下界，下标“max”表示对应变量的取值上界。4.根据权利要求3所述的一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，其特征在于，所述S2中，B(p)是关于e1和e2的函数向量，所述视觉伺服系统(2)要满足约束(4)，因此，所述函数向量B(p)可以分解成多个已知顶点的凸多面体Ω组合，即B(p)∈Ω＝C0{B1,B2,B3,B4}，所述B(p)可以分解后的表达式为系统(6)，所述系统(6)中，矩阵B1、B2、B3和B4分别对应于参数向量p的顶点p1＝[e
1min
,e
2min
]
T
、p2＝[e
1min
,e
2max
]
T
、p3＝[e
1max
,e
2min
]
T
和p4＝[e
1max
,e
2max
]
T
时的取值。5.根据权利要求4所述的一种载荷不确定移动机器人的视觉伺服鲁棒预测控制方法，其特征在于，所述移动机器人需满足快速响应实时性控制要求，针对移动机器人视觉伺服误差子系统给出一种基于半正定规划的速度规划高效MPC算法，所述MPC算法分为离线计算和在线调度两部分。根据离散时间视觉伺服误差子系统(5)，定义无穷预测时域目标函数所述无穷预测时域目标函数为系统(7)，所述系统(7)中和分别为误差状态和控制加权矩阵，e(i|k)和ν(i|k)分别为在当前k时刻对k+i时刻的预测量。考虑当前k时刻的误差状态e(k)，则基于min
‑
max策略，定义视觉伺服速度优化控制问题(8)：
s.t.(8),(7a)
‑
(7b)e(0|k)＝e(k)所述问题(8)中，速度序列是由误差状态反馈控制律得到，即得到系统(9)，所述系统(9)表述为：ν(i|k)＝F(k)e(i|k),i≥0所述系统(9)中，增益矩阵F＝YG
‑1，G∈i3×3为松弛正定矩阵，Y∈
i2
×3...

【专利技术属性】
技术研发人员：邢科新，林叶贵，倪伟琦，慈雯祺，
申请(专利权)人：绍兴敏动科技有限公司，
类型：发明
国别省市：