基于复合控制算法的OMR轨迹跟踪控制方法及存储介质技术

本发明专利技术公开了基于复合控制算法的OMR轨迹跟踪控制方法及存储介质，方法包括：给定参考机器人的姿态和速度，通过标称运动学模型计算得到参考机器人的位置信息，通过实际运动学模型得到跟随机器人的位置信息；结合轨迹跟踪误差模型，计算得到第k时刻跟随机器人的跟踪误差；通过模型预测控制器获得跟随机器人的最优输入，结合改进滑模观测器，获得跟随机器人的真实集总扰动向量的估计值；通过估计值对跟随机器人进行扰动估计补偿，控制跟随机器人的速度。本申请提高了系统的容错率和鲁棒性，消除了抖振的影响，从而提高收敛速度；并且，消除了未知干扰和不确定性的影响，实现更精确的控制，降低了系统的误差。本申请应用于机器人控制领域。制领域。制领域。

【技术实现步骤摘要】
基于复合控制算法的OMR轨迹跟踪控制方法及存储介质


[0001]本专利技术涉及机器人控制
，特别涉及基于复合控制算法的OMR轨迹跟踪控制方法及存储介质。

技术介绍

[0002]与传统的差分驱动机器人相比，配备四个麦克纳姆轮的全向移动机器人(OMR，Omnidirectional Mobile Robot)能够实现沿任意方向的平移而不旋转，且具有较好的稳定性，能够在狭小的工作空间中获得高精度的轨迹。因此，它们被广泛部署在拥挤的地区和紧凑的环境中，如仓库、走廊和船舱。然而，全向移动机器人具有紧密且复杂的轮系结构，其模型具有不确定性，此外运动过程中容易受到物理环境中的扰动影响。
[0003]轨迹跟踪控制是为了解决如何将移动机器人的实际位置和方向收敛到期望的参考轨迹的问题。该领域在多智能体协作如多机器人编队和多机器人轨迹规划等方面具有广阔的应用前景。针对全向移动机器人的轨迹跟踪控制，目前已存在如模糊控制、滑模控制和最优控制等控制算法，这些算法虽然能够有效地处理机器人的各种复杂约束问题，然而这些方法都没有考虑到全向移动机器人的物理限制，未充本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于复合控制算法的OMR轨迹跟踪控制方法,其特征在于,包括如下步骤:S1，建立标称运动学模型和考虑集总扰动的实际运动学模型，并构建轨迹跟踪误差模型，所述集总扰动包括OMR在运动时的未知干扰和其运动学模型的不确定性；S2，针对OMR的轨迹跟踪问题，建立了轨迹跟踪误差模型，并在此基础上设计模型预测控制器；S3，给定参考OMR的姿态和速度，通过标称运动学模型计算得到参考OMR的位置信息，通过实际运动学模型得到跟随OMR的位置信息；S4，根据参考OMR的位置信息和跟随OMR的位置信息，结合轨迹跟踪误差模型，计算得到第k时刻跟随OMR的跟踪误差；S5，通过模型预测控制器获得跟随OMR的最优输入，并根据最优输入和跟踪误差，结合改进滑模观测器，获得跟随OMR的真实集总扰动向量的估计值，根据估计值对跟随OMR进行扰动补偿，进而控制跟随OMR的运动；S6，循环S3至S5。2.根据权利要求1所述的基于复合控制算法的OMR轨迹跟踪控制方法，其特征在于，S1中建立标称运动学模型的步骤包括：构建惯性坐标系XOY和机器人坐标系x
q
o
q
y
q
，对OMR的结构进行描述；对OMR的速度约束进行描述，获得OMR的四个麦克纳姆轮的角速度与车身速度之间的关系如下：其中，[ω
1 ω
2 ω
3 ω4]
T
为OMR的四个麦克纳姆轮的角速度，[v
x
′ꢀ
v
y
′ꢀ
ω
′
]
T
为OMR沿x
q
、y
q
的速度和绕其车身几何中心的旋转角速度，J
r
为如下雅克比矩阵：其中，r为麦克纳姆轮的半径，L和l分别为麦克纳姆轮到其质心的纵向距离和横向距离；通过上述公式，得出所述标称运动学模型如下：其中，为OMR在惯性坐标系中的位置和方向角。3.根据权利要求2所述的基于复合控制算法的OMR轨迹跟踪控制方法，其特征在于，S1中建立考虑集总扰动的实际运动学模型的步骤包括：考虑OMR的集总扰动，计算得到如下OMR的四个麦克纳姆轮的角速度与车身速度之间的关系：
其中，[ω
1 ω
2 ω
3 ω4]
T
为OMR的四个麦克纳姆轮的车轮角速度；[v
x v
y ω]
T
为OMR沿x
q
、y
q
的速度和绕其车身几何中心的旋转角速度；J
r
为雅克比矩阵；[f
x f
y f
ω
]
T
为OMR的质心在不同速度方向上的集总扰动；通过上述公式，得到所述实际运动学模型如下：其中，为考虑OMR的集总扰动，OMR在惯性坐标系中的位置和方向角。4.根据权利要求1所述的基于复合控制算法的OMR轨迹跟踪控制方法，其特征在于，S1中构建轨迹跟踪误差模型的步骤包括：确定参考OMR和跟随OMR的物理参数；对于参考OMR，有：其中，[v
xr v
yr ω
r
]
T
为参考OMR的速度，为参考OMR的位置信息；对于跟随OMR，有：其中，[ω
1 ω
2 ω
3 ω4]
T
为OMR的四个麦克纳姆轮的车轮角速度；[v
x v
y ω]
T
为OMR沿x
q
、y
q
的速度和绕其车身几何中心的旋转角速度；J
r
为雅克比矩阵；[f
x f
y f
ω
]
T
为OMR的质心在不同速度方向上的集总扰动；根据参考OMR和跟随OMR在惯性坐标系下的位置信息，计算跟随OMR在机器人坐标系下的位置和角度的误差：其中，以及分别为参考OMR和跟随OMR在机器人坐标系和惯性坐标系下的位置和方向角；根据所得到的参考OMR在机器人坐标系下的相对位置和角度，分别计算e
x
、e
y
和的导数，所述e
x
、e
y
和的导数分别为：的导数分别为：的导数分别为：
则综上轨迹跟踪误差模型为：其中：u3＝ω
r
‑
ω。5.根据权利要求1所述的基于复合控制算法的OMR轨迹跟踪控制方法，其特征在于，S2中，针对OMR的轨迹跟踪问题和轨迹跟踪误差模型，设计模型预测控制器，包括：S21，根据采样定理，以采样时间T离散化所述轨迹跟踪误差模型，得到如下离散空间模型：x
k+1
＝G
k
x
k
+H
k
u
k
其中:u
k
为输入量，x
k
为状态量，T为采样时间；S22，定义代价函数为：其中，Δu
k+j|k
＝u
k+j|k
‑
u
k+j
‑
1|k
；其中，Q和P分别为相应维数的正定矩阵，x
k+j|k
为第k+j时刻的预测状态，Δu
k+j|k
为输入增量，u
k+j|k
为第k+j时刻的控制输入向量，N
p
为离散空间模型的预测水平，N
c
为离散空间模型的控制水平；S23，定义如下形式的预测向量：S23，定义如下形式的预测向量：S23，定义如下形式的预测向量：约束为：其中，状态量的最小值和最大值...

【专利技术属性】
技术研发人员：王栋梁，杨秉浩，温子灵，
申请(专利权)人：汕头大学，
类型：发明
国别省市：