本发明专利技术涉及一种基于滑膜模型预测控制的移动机器人控制方法,其包括:对包括移动基座和机械臂的移动机器人进行运动学建模;确定移动机器人的实时状态;基于机器人的运动学模型和实时状态,使用模型预测控制来预测未来的系统状态和行为,通过最小化目标函数且满足约束条件,求解控制问题,得到未来控制时域内的最优控制输入,实时控制移动机器人的运动;循环迭代,直至实现移动机器人的期望运动
【技术实现步骤摘要】
基于滑膜模型预测控制的移动机器人控制方法
[0001]本专利技术属于机器人运动控制
,具体涉及一种基于滑膜模型预测控制的移动机器人控制方法
。
技术介绍
[0002]近年来,许多协作优化方法及最优控制方法应用于移动机器人,其中模型预测控制以相对较好的控制效果脱颖而出
。
模型预测控制通过在每个控制周期内优化未来一段时间内的控制动作,来实现对系统的控制
。
其适用于复杂的非线性系统,能够处理移动机器人多变量
、
非线性系统的控制问题,使得控制器更加灵活和适应性强
。
[0003]模型预测控制的控制性能较优,但解算速度较慢,影响机器人控制的实时性
。
在实际的操作中还要受到诸如摩擦力
、
外界扰动等许多不确定性因素的影响
。
移动基座和机械臂具有不同的动力学特性,而且存在强耦合,如移动基座适用于在平面上进行快速
、
高效的移动,机械臂通过控制每个关节的角度来实现精确的位置和姿态调整,适用于需要精准定位和操作的任务
。
如果忽略这些因素,控制性能难免要受到影响
。
技术实现思路
[0004]本专利技术的目的是为克服已有技术的不足之处,提出一种基于滑膜模型预测控制的移动机器人控制方法
。
该方法能够在模型存在不确定性和外界干扰的情况下保持一定鲁棒性,同时提高控制的实时性
。
[0005]本专利技术提出一种基于滑膜模型预测控制的移动机器人控制方法,其具体步骤包括:系统建模:对包括移动基座和机械臂的移动机器人进行运动学建模;状态估计:确定移动机器人的实时状态;模型预测控制:基于机器人的运动学模型和实时状态,使用模型预测控制来预测未来的系统状态和行为,通过最小化目标函数且满足约束条件,求解控制问题,得到未来控制时域内的最优控制输入,实时控制移动机器人的运动;循环迭代:在新的控制周期内进行循环迭代,重新确定系统状态,进行模型预测,求解最优控制输入,实时更新控制指令,直至实现移动机器人的期望运动;其中,模型预测控制的目标函数为:
[0006]其中,
s
为滑膜函数,,
e
为系统状态偏差,
P、Q、R
为正定权重矩阵,
N
为控制时域,
u
i
为未来
i
时刻的系统输入,
u
eq
为滑膜等效控制
。
[0007]根据本专利技术的一方面,滑模函数
s
的趋近率为:
[0008]其中
ε
、
δ
、
α
、
β
均为控制参数,
α
>0, 0<
β
<1。
[0009]根据本专利技术的一方面,模型预测控制的约束条件包括: ,
η
为收缩率,
η
∈[0,1)。
[0010]根据本专利技术的一方面,模型预测控制的约束条件还包括:
x
i+1
=f(x
i
,u
i
)
,
x
i 为
i
时刻的系统状态;
x
i
∈X
,
i=0,
……
,N
‑1,
X
为系统状态约束集;
u
i
∈U
,
i=0,
……
,N
‑1,
U
为系统输入约束集
。
[0011]根据本专利技术的一方面,模型预测控制的约束条件还包括对机械臂和
/
或移动基座的动力学约束
。
[0012]本专利技术还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行前述任一所述方法的步骤
。
[0013]本专利技术的有益技术效果是本专利技术的方法能够在模型存在不确定性和外界干扰的情况下保持一定鲁棒性,同时提高控制的实时性,具体而言可增强控制系统的鲁棒性,抑制参数扰动
、
外部干扰和建模误差等不确定性的影响,使控制系统在不确定或复杂环境下保持稳定和可靠,实现快速和精准控制,促使控制系统迅速响应控制目标,快速调节和消除误差,使得系统输出更接近期望值
。
附图说明
[0014]为了使本专利技术的目的
、
技术方案和优点更加清楚,下面将结合附图对本专利技术作优选的详细描述,其中:图
1 是本专利技术实施例所述的移动机器人控制方法的流程图;图
2 是本专利技术实施例所述的移动机器人的移动基座的动力学约束的示意图;图
3 是本专利技术实施例所述的移动机器人的机械臂的动力学约束的的示意图
。
实施方式
[0015]以下通过特定的具体实例说明本专利技术的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效
。
本专利技术还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本专利技术的精神下进行各种修饰或改变
。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合
。
[0016]其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利技术的限制;为了更好地说明本专利技术的实施例,附图某些部件会有省略
、
放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是
可以理解的
。
[0017]本专利技术中的移动机器人的具体结构通常包括以下主要部件:移动基座,其位于机器人的底部,用于提供机器人的稳定支撑和空间移动载体
。
常用的移动基座类型包括轮型(如四轮
、
两轮
、
三轮
、
全方向等)
、
足型
、
履带型
、
混合型(如轮
、
足混合)
、
特殊型(如吸附型
、
轨道型
、
蛇型等类型)
。
其中,轮型
、
足型移动基座是最经常使用的移动基座
。
轮型移动基座使用轮子作为其主要移动方式,通常包括两个或多个轮子,可以是固定轮或转动轮
。
固定轮提供稳定的支撑,转动轮则用于实现机器人的转向和运动控制,轮型移动基座的驱动方式可以是前轮驱动
、
后轮驱动或全轮驱动
。
足型移动基座采用类似动物的腿部结构,通常包括多个腿部单元
。<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于滑膜模型预测控制的移动机器人控制方法,其具体步骤包括:系统建模:对包括移动基座和机械臂的移动机器人进行运动学建模;状态估计:确定移动机器人的实时状态;模型预测控制:基于移动机器人的运动学模型和实时状态,使用模型预测控制来预测未来的系统状态和行为,通过最小化目标函数且满足约束条件,求解控制问题,得到未来控制时域内的最优控制输入,实时控制移动机器人的运动;循环迭代:在新的控制周期内进行循环迭代,重新确定系统状态,进行模型预测,求解最优控制输入,实时更新控制指令,直至实现移动机器人的期望运动;其中,模型预测控制的目标函数为:,其中
s
为滑膜函数,,
e
为系统状态偏差,
P、Q、R
为正定权重矩阵,
N
为控制时域,
u
i
为未来
i
时刻的系统输入,
u
eq
为滑膜等效控制
。2.
根据权利要求1所述的基于滑膜模型预测控制的移动机器人控制方法,其特征在于,滑模函数
s
的趋近率为:,其中
ε
、
δ
、
α
、
β
均为控制参数,
α
>0, 0<
β
&...
【专利技术属性】
技术研发人员:程通,刘元建,张晓龙,甘亚光,
申请(专利权)人:纳博特南京科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。