一种移动机器人的故障估计和容错迭代学习控制方法技术

本发明专利技术公开了一种移动机器人的故障估计和容错迭代学习控制方法，涉及移动机器人容错控制技术领域，该方法基于提升技术，将执行重复任务的移动机器人控制系统转换为时间序列的输入输出矩阵模型，并在迭代学习控制的框架下，设计了基于Q

【技术实现步骤摘要】
一种移动机器人的故障估计和容错迭代学习控制方法


[0001]本专利技术涉及移动机器人容错控制
，尤其是一种移动机器人的故障估计和容错迭代学习控制方法。

技术介绍

[0002]作为集合智能感知、计算决策、运动控制等功能于一体的综合系统，移动机器人在勘探、排爆、安保、国防等方面有着广泛的应用场景。其中，轮式移动机器人是移动机器人的典型代表，具有移动灵活、高效率、轻量级的优势。
[0003]针对执行重复任务的移动机器人，结构简单、高性能的迭代学习控制能够提供良好的轨迹跟踪解决方案。一方面，由于复杂工况下的不确定性，重复任务系统很难保证系统参数不变化。另一方面，由于迭代学习控制对执行器的需求具有重复性，迭代学习控制对故障更加敏感，极易产生机械疲劳和损耗，需要更多的关注迭代学习控制框架下的执行器故障。因此，希望设计的迭代学习控制律具有一定的容错性能，使系统在执行器故障下尽可能跟踪上期望轨迹。
[0004]未知故障的存在给确定的系统动力学引入了不确定性，导致较差的控制性能。同时，故障的负面影响会逐渐累积，使得系统偏离预期的控制目标。因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动机器人的故障估计和容错迭代学习控制方法，其特征在于，所述方法包括：第一步、确定双轮独立驱动的刚性移动机器人控制系统的动力学模型，包括：所述双轮独立驱动的刚性移动机器人控制系统通过左右车轮的驱动电压来控制移动机器人的线速度和方向角，在固定平面上建立绝对坐标系，假设所述双轮独立驱动的刚性移动机器人在所述固定平面内移动，移动机器人的实际物理模型如式(1)所示：其中，v为移动机器人的线速度，φ为移动机器人的方向角；u
r
和u
l
分别为移动机器人的右轮和左轮的驱动电压；c为粘性摩擦系数；M为移动机器人的质量；r为移动机器人的车轮半径；I
w
为移动机器人的车轮的转动惯量；k
a
为驱动增益因子；l为移动机器人的左轮或右轮到移动机器人重心的距离；I
v
为围绕移动机器人中心的转动惯量；第二步、对所述双轮独立驱动的刚性移动机器人控制系统进行解耦，并构建其离散状态空间模型，包括：将移动机器人的线速度、方向角和方向角的导数定义为状态变量：将右轮和左轮的驱动电压定义为输入变量：u＝[u
r
u
l
]
T
，将移动机器人的线速度和方向角定义为输出变量：y＝[vφ]
T
，则式(1)所示的刚性移动机器人控制系统描述为：其中：由于所述双轮独立驱动的刚性移动机器人控制系统是一个线性多输入多输出的耦合系统，为使用线速度的驱动电压u
v
和方向角的驱动电压u
φ
直接控制所述移动机器人的线速度和角速度，使用下述式(3)对所述耦合系统进行解耦：再对解耦后的系统进行离散化，选取满足香农采样定理的采样周期T
s
，进一步得出所述双轮独立驱动的刚性移动机器人控制系统的离散状态空间模型：式中，t表示采样时刻，k表示批次，选取批次过程的运行周期为T，且在每个重复运行周
期t∈[0,N]内，共有N个采样点；和分别表示所述双轮独立驱动的刚性移动机器人控制系统第k批次t采样时刻的对应维度的输入、输出和状态向量；A，B和C为式(2)中离散系统先解耦后离散化的系统参数矩阵，并且满足CB≠0；假设系统每个批次的初始状态保持一致，即x
k
(0)＝x0；第三步、建立所述双轮独立驱动的刚性移动机器人控制系统的提升模型，包括：针对式(4)表示的线性离散系统，将其离散状态空间模型转化为时间序列形式的提升模型：y
k
＝Gu
k
+d (5)其中：其中：其中：G是时间序列上的输入输出传递矩阵，d是系统初始状态的输出响应；输入Hilbert空间和输出Hilbert空间分别由如下的内积和相应的诱导范数定义：分别由如下的内积和相应的诱导范数定义：其中，是输入Hilbert空间的向量，是输出Hilbert空间的向量，矩阵和分别为对应维数的对称正定权重矩阵；定义期望输入和期望输出为：为：并且根据式(5)所示的输入输出模型，期望输出表示为：y
d
＝Gu
d
+d
ꢀꢀꢀꢀ
(10)由此定义跟踪误差为：e
k
＝y
d
‑
Gu
k
‑
d
ꢀꢀꢀꢀ
(11)第四步、建立执行器故障下所述双轮独立驱动的刚性移动机器人控制系统的提升模型和名义提升模型，包括：定义执行器故障下的输入为：并且，执行器故障下的输入由执行器故障系数表示为：
其中：δ
k
(t)＝diag{δ
1,k
(t),δ
2,k
(t),...,δ
m,k
(t)}
ꢀꢀꢀꢀꢀ
(14)估计的执行器故障系数表示为：估计的执行器故障系数表示为：执行器故障系数的下界和上界分别定义为：δ＝diag{δ1,δ2,...,δ
m
}
ꢀꢀꢀꢀ
(18)并且执行器故障系数下界的最小值和上界的最大值分别定义为：并且执行器故障系数下界的最小值和上界的最大值分别定义为：假设执行器故障系数的下界δ
i
(0≤δ
i
≤1)和上界是已知的，即故障执行器系数δ
i,k
(t)在已知范围内变化；δ
i,k
(t)＝0表示第i个执行器在第k批次t采样时刻完全故障；δ
i,k
(t)＝1表示第i个执行器在第k批次t采样时刻正常工作；0<δ
i,k
(t)<1表示第i个执行器在第k批次t采样时刻有剩余驱动力；δ
i,k
(t)>1表示第i个执行器在第k批次t采样时刻有过量驱动力；执行器故障下式(4)所示的离散状态空间模型表示为：针对式(22)表示的执行器故障下的线性离散系统，将其离散状态空间模型转化为时间序列形式的提升模型：y
k
＝Gδ
k
u
k
+d (23)其中：进一步得出估计的执行器故障系数表示的执行器故障下的名义提升模型：其中：
式(23)所示的执行器故障下提升模型的实际跟踪误差表示为：e
k
＝y
d
‑
Gδ
k
u
k
‑
d (25)式(24)所示的执行器故障下名义提升模型的数值跟踪误差表示为：第五步、设计执行...

【专利技术属性】
技术研发人员：陶洪峰，王瑞，陶新悦，
申请(专利权)人：江南大学，
类型：发明
国别省市：