一种抗未知扰动的全向移动机器人编队滚动优化控制方法技术

本发明专利技术属于控制方法，具体涉及一种抗未知扰动的全向移动机器人编队滚动优化控制方法。一种抗未知扰动的全向移动机器人编队滚动优化控制方法，其中，包括下述步骤：准备工作；建立模型及初始化；迭代计算；输出结果。本发明专利技术相对于现有技术具有以下有益效果：本发明专利技术提出了模型存在未知扰动下的全向移动机器人编队滚动优化方法，在多领航者

【技术实现步骤摘要】
一种抗未知扰动的全向移动机器人编队滚动优化控制方法


[0001]本专利技术属于控制方法，具体涉及一种抗未知扰动的全向移动机器人编队滚动优化控制方法。

技术介绍

[0002]随着工业技术迅猛发展，多机器人系统受到了广泛关注，多机器人可以通过信息交互优化自身状态，完成单个机器人难以完成的任务，编队控制是指是多机器人在跟踪某条期望轨迹的过程中保持队形并满足环境约束(如机间避碰，避开障碍)，是协同搬运、围捕、侦察等任务的重要前提，是多机器人系统协同控制的重要组成部分，可以显著提高任务执行成功率与系统的鲁棒性。
[0003]麦克纳姆轮是一种特殊的全向轮，由轮毂以及数个和轮毂成45度角的滚轮构成，麦克纳姆轮全向移动机器人则由车体，四个围绕车体几何中心对称分布的麦克纳姆轮和四个驱动轮子的独立直流电机构成，如附图1所示。不同于常规的轮式机器人，该类机器人可以同时独立的执行平移和旋转移动功能，实现移动到任何位置而不改变其方向，从而完成常规机器人由于物理约束而难以完成的任务。因此广泛被应用于各种作业场景，如智能工厂的协同搬运，医院狭窄环境下的灵活运输，航天本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗未知扰动的全向移动机器人编队滚动优化控制方法，其特征在于，包括下述步骤：准备工作；建立模型及初始化；迭代计算；输出结果，所述的准备工作包括设定或输入下列参数：总运行时间为T，采样间隔为t
s
，设定每个机器人的质量为m
b
，车体的长为2a，宽为2b，车体的转动惯量为I
b
，每个轮子的转动惯量为I
w
，每个轮子的半径为R
w
,，控制输入范围[u
min u
max
]，通信范围R
d
，临界避碰距离R
coll
以及临界避障距离R
obs
，参考轨迹为x
r
，设定编队中机器人个数为M，期望的队形图案为P
d
，设置滚动优化控制的预测时域为N
p
，加权矩阵为Q、R，设置粒子群优化求解器的种群数量N
pop
，最大迭代次数t
pmax
、最小惯性权重系数ω
pmin
∈(0,1)、最大惯性权重系数ω
pmax
∈(ω
pmin
,1)，设定反馈补偿增益K1、K2；上述信息对于后续计算来说均为已知量，部分参数的数值为外部直接输入，部分参数为提前计算得到的结果，所述的建立模型及初始化包括下述步骤：步骤一：根据期望编队图案P
d
，每个机器人自身状态x
i
，参考轨迹x
r
，考虑避碰与避障约束，构建多领航者
‑
跟随者编队的数学模型，得到每个机器人的期望状态向量其中每个机器人自身状态x
i
，参考轨迹x
r
均为外部输入；步骤二：根据行为分解建立机器人运动学模型，根据拉格朗日方程建立机器人动力学模型，在此基础上，构建运动学
‑
动力学理想一体化模型，并将此模型作为滚动优化控制的非线性预测模型，更进一步，考虑模型中存在的外部扰动与建模不确定性，建立未知扰动下的实际一体化模型；步骤三：设定初始时刻k＝0，初始化每个机器人i在全局坐标系X
a
O
a
Y
a
在下的起始状态量x
i
(0)，起始速度量所述的迭代计算包括下述步骤：步骤四：每个机器人i接收通信范围R
d
内每个邻居机器人j的假设预测控制输入序列并将自己的假设预测控制输入序列发送给通信范围R
d
内的所有邻居机器人；步骤五：每个机器人i探测通信范围R
d
内是否存在障碍物，若存在则保存每个障碍物j的最近点p
obs,j
；步骤六：每个机器人i计算自己在[k,k+N
p
]内的预测期望参考状态并结合步骤二中的预测模型，建立分布式滚动优化控制框架；步骤七：每个机器人结合粒子群优化器，独立求解k时刻的滚动优化问题，得到该时刻自身的最优预测控制输入序列所述的步骤七包括下述具体执行过程：步骤八：设粒子群算法迭代次数t
p
＝1，每个机器人初始化N
pop
个粒子，每个粒子的位置对应一个预测控制输入序列，每一个粒子的维度为4
×
N
p
，设定搜索范围为[u
min u
max
]，搜索速度限制[v
min v
max
]，随机确定每个粒子的速度和位置，v
min v
max
的值由外部输入；步骤九：每个机器人计算每个粒子的代价函数J
id
,id＝1,...,N
pop
，将当前粒子位置记为pbest
id
(t
p
)，将最优粒子的位置记为gbest(t
p
)，所描述的最优粒子是整个种群中代价函
数值最小的粒子；步骤十：更新种群中所有粒子的位置和速度，将位置限幅在[u
min u
max
]，将速度限幅在[v
min v
max
]步骤十一：每个粒子将更新后的代价函数值与存储在pbest
id
(t
p
)中的粒子代价函数值进行比较，将代价函数值更小的解更新到局部最优解pbest
id
(t
p
+1)，并从中选取最优粒子更新得到全局最优解gbest(t
p
+1)，即更新得到目前搜索到的最优预测控制输入序列；步骤十二：令t
p
＝t
p
+1，判断是否满足t
p
＞t
pmax
，满足则停止搜索并保存全局最优解gbest(t
p
+1)，将该最优解存入最优预测控制输入序列否则返回步骤十继续搜索，所述的迭代计算还包括下述步骤：步骤十三：每个机器人将带入步骤二中的理想一体化模型并更新得到下一时刻的最优状态估计量和最优轮子角速度估计量步骤十四：每个机器人将中的第一项带入步骤二中的实际一体化模型，得到下一时刻的真实状态估计量和真实轮子角速度估计量步骤十五：每个机器人i通过双闭环反馈补偿控制器，得到补偿控制输入u
c,i
，进而得到实际控制输入u
a,i
，并将其带入步骤二中的理想一体化模型，更新状态量x
i
(k+1)和速度量所述的输出结果包括下述步骤：令k＝k+1，重复步骤四～步骤十五，判断是否满足满足则编队停止移动。2.如权利要求1所述的一种抗未知扰动的全向移动机器人编队滚动优化控制方法，其特征在于：其中，准备工作中，x
r
＝[x
t
...

【专利技术属性】
技术研发人员：张祥银，张天，卓筱槟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：