一种基于定位波动估计的机器人自适应鲁棒控制方法技术

本发明专利技术涉及一种基于定位波动估计的机器人自适应鲁棒控制方法，其包括：根据机器人的运动参数数据建立机器人的一般运动模型；根据所述机器人的一般运动模型计算机器人的跟随误差；基于模糊规则确定粒子集的方差模糊公式和熵模糊公式；对所述方差模糊公式和所述熵模糊公式去模糊化确定定位波动系数；根据所述机器人的跟随误差构建控制过程的成本函数；根据所述控制过程的成本函数确定机器人控制预测的状态方程；建立优化目标函数对所述机器人控制预测的状态方程进行优化，对机器人跟随移动进行控制操作，提高了波动评估的准确性，便于定位波动下的控制器设计，从而保证了控制系统在动态场景下的稳定性，实现了机器人自适应鲁棒控制。棒控制。棒控制。

【技术实现步骤摘要】
一种基于定位波动估计的机器人自适应鲁棒控制方法


[0001]本专利技术涉及机器人控制
，尤其涉及一种基于定位波动估计的机器人自适应鲁棒控制方法。

技术介绍

[0002]机器人由于具有优越的灵活性和可操作性，正逐步被运用于无人工厂、物流中心和展览馆等众多场景。对于无人操作来说，自主导航技术对机器人来说是非常重要的。为了遵循给定的轨迹，移动机器人必须能够根据定位结果精确而稳健地控制自己的姿态。然而，定位和控制问题往往是独立研究的，使得机器人的控制性能有待提高。
[0003]为保持良好的轨迹跟踪精度，控制系统需要准确的定位结果作为参考。现有技术一般采用传统的控制方法，在传统的控制方法中，运动学或动力学建模或控制理论得到了更多的关注，而定位结果总是被看作是一个绝对的真实值。
[0004]但在具体的实践中，移动机器人无论是使用基于视觉的还是基于激光雷达的定位方案，都会受到外部传感器的噪声干扰，这可能会导致定位波动。如果控制器仍将定位结果视为绝对真理，就会导致严重的抖动或较大的跟踪偏差。

技术实现思路

[0005]有鉴于此，有必要提供一种基于定位波动估计的机器人自适应鲁棒控制方法，用以解决现有技术中机器人控制因为外部传感器的噪声干扰产生定位波动，导致抖动或较大的跟踪偏差的问题。
[0006]为达到上述技术目的，本专利技术采取了以下技术方案：
[0007]第一方面，本专利技术提供了一种基于定位波动估计的机器人自适应鲁棒控制方法，包括：
[0008]根据机器人的运动参数数据建立机器人的一般运动模型；
[0009]根据机器人的一般运动模型计算机器人的跟随误差；
[0010]依据马尔科夫假设和贝叶斯规则设置机器人的姿态置信度；
[0011]通过蒙特卡洛定位方法以带权重的粒子集优化机器人的姿态置信度；
[0012]基于模糊规则确定粒子集的方差模糊公式和熵模糊公式；
[0013]对方差模糊公式和熵模糊公式去模糊化确定定位波动系数；
[0014]根据机器人的跟随误差和定位波动系数构建控制过程的成本函数；
[0015]根据控制过程的成本函数确定机器人控制预测的状态方程；
[0016]建立优化目标函数对机器人控制预测的状态方程进行优化，对机器人跟随移动进行控制操作。
[0017]在一些可能的实现方式中，根据机器人的运动参数数据建立机器人的一般运动模型，包括：
[0018]建立机器人的如下运动学模型：
[0019][0020]其中，x和y是机器人中心点在全局固定坐标系中的位置，θ表示机器人的航向角；v和ω分别表示机器人的线速度和角速度；
[0021]将上述方程改写为：
[0022]χ＝f(χ,u)；
[0023]其中，χ＝[x,y,θ]T
为状态变量；u＝[v,ω]T
代表控制变量；
[0024]构建以下参考模型计算机器人轨迹跟踪过程中的控制变量，具体为：
[0025][0026]其中，χ
r
是参考控制输入值；u
r
表示计算的参考输入值；
[0027]在点(χ
r
,u
r
)上对χ＝f(χ,u)进行泰勒展开有：
[0028][0029]上述公式可简写为：
[0030][0031]其中，和是在点(χ
r
,u
r
)展开的函数f(
·
)的系数矩阵；O
r
是泰勒展开的高阶余数。
[0032]在一些可能的实现方式中，根据机器人的一般运动模型计算机器人的跟随误差，包括：
[0033]将带入有
[0034]其中，e＝χ
‑
χ
r
代表移动机器人的跟随误差；是输入控制法的变化；
[0035]设采样周期为T，其中其中，k是采样时间；被改写为被改写为
[0036]其中：
[0037][0038]在一些可能的实现方式中，依据马尔科夫假设和贝叶斯规则设置机器人的姿态置信度，包括：
[0039]姿态置信度表示为：
[0040][0041]其中，s
k
～(x
k
,y
k
,θ
k
)是机器人在时间k时在二维平面内的位姿；x
k
和y
k
是机器人的
位置，θ
k
是机器人的航向；o
1:k
和u
1:k
分别代表从初始时间到时间k的传感器观测和运动控制；M是先验图；
[0042]根据马尔科夫假设和贝叶斯规则，将改写为：
[0043][0044]其中，κ表示归一化系数。
[0045]在一些可能的实现方式中，通过蒙特卡洛定位方法以带权重的粒子集优化机器人的姿态置信度，包括：
[0046]通过蒙特卡洛定位方法计算使用带权重的粒子集表示即：
[0047][0048]其中，具有权重的粒子集合表示为其中，具有权重的粒子集合表示为是粒子的权重，N
p
指粒子的总数；指粒子的总数；和是粒子的位置和方向；δ()是Dirichlet函数。
[0049]在一些可能的实现方式中，基于模糊规则确定粒子集的方差模糊公式和熵模糊公式，包括：
[0050]粒子集的方差V
i
和熵E表示为：
[0051][0052][0053][0054][0055]其中，V
pi
和E
p
是来自的方差和熵；表示相关粒子位姿的平均值；
[0056]使用模糊逻辑规则将V
pi
和V
i
整合为一个模糊公式：
[0057]rule 1：if 0≤V
pi
≤V
pi1 then f
Vi1
＝f
Vi
(V
i
) s.t.0≤V
i
＜η1V
Ti
[0058]rule 2：if V
pi2
≤V
pi
≤V
pi3 then f
Vi2
＝f
Vi
(V
i
) s.t.η1V
Ti
≤V
i
＜η2V
Ti
[0059]rule 3：if V
pi4
≤V
pi then f
Vi3
＝f
Vi
(V
i
) s.t.η2V
Ti
≤V
i
；
[0060]其中，V
pi1
～V
pi4
为V
pi
的模糊分界线，f
Vi1
～f
Vi3
为基于方差的波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，包括：根据机器人的运动参数数据建立机器人的一般运动模型；根据所述机器人的一般运动模型计算机器人的跟随误差；依据马尔科夫假设和贝叶斯规则设置机器人的姿态置信度；通过蒙特卡洛定位方法以带权重的粒子集优化所述机器人的姿态置信度；基于模糊规则确定粒子集的方差模糊公式和熵模糊公式；对所述方差模糊公式和所述熵模糊公式去模糊化确定定位波动系数；根据所述机器人的跟随误差和所述定位波动系数构建控制过程的成本函数；根据所述控制过程的成本函数确定机器人控制预测的状态方程；建立优化目标函数对所述机器人控制预测的状态方程进行优化，对机器人跟随移动进行控制操作。2.根据权利要求1所述的基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，所述根据机器人的运动参数数据建立机器人的一般运动模型，包括：建立机器人的如下运动学模型：其中，x和y是机器人中心点在全局固定坐标系中的位置，θ表示机器人的航向角；v和ω分别表示机器人的线速度和角速度；将上述方程改写为：χ＝f(χ,u)；其中，χ＝[x,y,θ]
T
为状态变量；u＝[v,ω]
T
代表控制变量；构建以下参考模型计算机器人轨迹跟踪过程中的控制变量，具体为：其中，χ
r
是参考控制输入值；u
r
表示计算的参考输入值；在点(χ
r
,u
r
)上对χ＝f(χ,u)进行泰勒展开有：上述公式可简写为：其中，f
χr
(
·
)和是在点(χ
r
,u
r
)展开的函数f(
·
)的系数矩阵；O
r
是泰勒展开的高阶余数。3.根据权利要求2所述的基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，所述根据所述机器人的一般运动模型计算机器人的跟随误差，包括：将带入有
其中，e＝χ
‑
χ
r
代表移动机器人的跟随误差；是输入控制法的变化；设采样周期为T，其中其中，k是采样时间；被改写为被改写为其中：4.根据权利要求2所述的基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，所述依据马尔科夫假设和贝叶斯规则设置机器人的姿态置信度，包括：姿态置信度表示为：其中，s
k
～(x
k
,y
k
,θk)是机器人在时间k时在二维平面内的位姿；x
k
和y
k
是机器人的位置，θ
k
是机器人的航向；o
1:k
和u
1:k
分别代表从初始时间到时间k的传感器观测和运动控制；M是先验图；根据马尔科夫假设和贝叶斯规则，将改写为：其中，κ表示归一化系数。5.根据权利要求4所述的基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，所述通过蒙特卡洛定位方法以带权重的粒子集优化所述机器人的姿态置信度，包括：通过蒙特卡洛定位方法计算使用带权重的粒子集表示即：其中，具有权重的粒子集合表示为其中，具有权重的粒子集合表示为是粒子的权重，N
p
指粒子的总数；指粒子的总数；和是粒子的位置和方向；δ()是Dirichlet函数。6.根据权利要求5所述的基于定位波动估计的机器人自适应鲁棒控制方法，其特征在于，所述基于模糊规则确定粒子集的方差模糊公式和熵模糊公式，包括：粒子集的方差V
i
和熵E表示为：
其中，V
pi
和E
p
是来自的方差和熵；表示相关粒子位姿的平均值；使用模糊逻辑规则将V
pi
和V
i
整合为一个模糊公式：rule 1：if 0≤V
pi
≤v
pi1 then f
Vi1
＝f

【专利技术属性】
技术研发人员：李丽坤，蒋立泉，孟杰，胡航宇，肖扬，朱晓杏，
申请(专利权)人：武汉溯野科技有限公司，
类型：发明
国别省市：