【技术实现步骤摘要】
本专利技术涉及agv控制，具体涉及一种基于扰动补偿的agv滑模路径跟踪控制方法。
技术介绍
1、自动导引车（automated guided vehicles，agv）是一种无需人工干预的自动运输设备，它配备了传感器和制导系统，可以沿着规划的路径行驶。agv以自动化程度高、稳定性好、操作灵活著称。近年来，agv在各个工业领域中发挥着越来越重要的作用，被广泛应用于智能仓储、生产线运输、集装箱装卸等场合。路径跟踪是agv的关键技术之一，研究如何在保证行车安全性和舒适性的前提下，控制车辆沿预定路径行驶。近年来，如何提高agv的路径跟踪精度受到了广泛关注。由于滑模控制具有鲁棒性强、响应速度快、物理实现简单等优点，在agv路径跟踪控制领域得到了广泛的应用。然而，由于滑模趋近律中的符号函数，当状态点到达滑模面时，系统状态很难严格地沿滑模面向平衡点滑动。相反，系统状态通过不断穿越滑模面接近平衡点，产生抖振现象。众所周知，抖振是不可取的，因为它可能触发高频未建模的动态，甚至导致系统不稳定。agv在实际运行过程中，不可避免的会受到未知外部扰动，对控制系统的稳定性有显著的负面影响。
2、因此，现需要一种能够有效消除滑模控制带来的系统抖振现象，实现高精度的路径跟踪的基于扰动补偿的agv滑模路径跟踪控制方法。
技术实现思路
1、本专利技术的主要目的在于提供一种基于扰动补偿的agv滑模路径跟踪控制方法，以解决现有技术中不能有效消除滑模控制带来的系统抖振现象，不能实现高精度的路径跟踪的问题。>
2、为实现上述目的，本专利技术提供了一种基于扰动补偿的agv滑模路径跟踪控制方法，具体包括如下步骤：
3、s1，对agv进行运动学建模并建立agv位姿误差模型。
4、s2，设计一种由状态观测器以及rbf神经网络构成的等效扩张状态观测器eso。
5、s3，设计滑模控制器，包括：设计滑模等效控制律和设计改进变速控制律。
6、s4，基于rbf神经网络估计滑模控制器参数。
7、进一步地，步骤s1具体包括如下步骤：
8、s1.1，构建agv运动学模型：首先建立agv全局坐标系和局部坐标系，根据双轮差速驱动agv的线速度、角速度和位姿之间的关系建立运动学模型。
9、s1.2，基于步骤s1.1，根据agv实际状态与期望状态之间的关系建立位姿误差模型：
10、 （1）；
11、式中为agv纵向误差，为的变化率，为横向误差，为航向角误差，为的变化率，和分别为agv实际状态下的线速度和角速度，和分别为agv期望状态下的线速度和角速度，和分别为纵向扰动和航向角扰动。
12、进一步地，步骤s2设计状态观测器具体包括如下步骤：
13、s2.1， 令, ，将步骤s1.2中的agv位姿误差模型写成如公式（2）的矩阵形式：
14、 （2）；
15、式（2）中为系统矩阵，为输入矩阵，为控制输入，为非线性项，为输出矩阵，为的变化率。
16、设计的状态观测器为：
17、（3）；
18、式中，是状态观测器观测到的状态的估计值，是状态观测器增益，是非线性项的估计值。
19、s2.2，为了估计未知扰动，令，作为新的扩张状态，并且使用rbf神经网络进行估计。
20、取，，则式（2）所示的agv位姿误差模型被扩张为公式（4）的形式：
21、（4）；
22、式中，和将由rbf神经网络估计，和代表和的变化率。
23、进一步地，步骤s2中基于rbf神经网络进行扰动估计具体包括如下步骤：
24、s2.3，rbf神经网络隐含层和输出层之间的权值表示为，是第个神经元与输出层之间的连接权值；如果未知扰动由隐含层节点描述，则使用rbf神经网络对扰动的逼近表示为：
25、 （5）；
26、式中是理想权值，是高斯核函数，是神经网络输出值和系统扰动的真实值之间的有界逼近误差。
27、s2.4，使用rbf神经网络对未知扰动进行估计，未知扰动的估计值表示为：
28、（6）；
29、式（6）中是状态观测器的观测值，是输入为时的高斯核函数，是有界逼近误差的估计值，是权值的估计值并且根据式（7）所示的自适应律进行调整：
30、（7）。
31、式中，是需要设定的正常数，，代表状态估计误差，是对称正定矩阵，，是输入为x时的高斯核函数，是高斯核函数的估计值，是高斯核函数及其估计值之间的误差，令，则的估计值根据自适应律进行调整：
32、（8）。
33、基于新的扩展状态及式（6）所示的扰动估计值，agv纵向扰动和航向角扰动被表示为：
34、（9）；
35、（10）；
36、其中，是扩张状态的估计值，是扩张状态的估计值。
37、将式（9）和式（10）所示的扰动表达式代入式（1）所示的误差模型中，基于观测值的agv位姿误差模型表示为：
38、（11）。
39、进一步地，步骤s3中的滑膜等效控制律设计具体包括如下步骤：
40、s3.1，设计滑模面：
41、（12）；
42、式中，，是正的常数，，是当前时刻。
43、对滑模面求微分可得：
44、 （13）。
45、s3.2，根据滑模控制理论，令并且结合式（11）所示的agv位姿误差模型，得到等效控制律：
46、 （14）；
47、式中，，，和分别是线速度和角速度的等效控制律。
48、进一步地，步骤s3中的改进变速控制律的设计具体包括如下步骤：
49、s3.3，传统指数趋近律为：
50、（15）；
51、式中是指数趋近项，是等速趋近项；和是正的设计参数，用于调整趋近律的趋近速度。
52、s3.4，引入函数和双曲正切函数设计改进变速趋近律，函数和双曲正切函数的表达式如下：
53、（16）；
54、式中，，是函数在原点附近的边界层的长度，是非线性因子。
55、（17）；
56、s3.5，设计的改进变速趋近律为：
57、（18）；
58、将式（18）所示的改进变速趋近律展开得到：
59、（19）；
60、设计改进变速控制律为：
61、
62、（20）；
63、式中和是式（18）中所述的改进变速趋近律。
64、基于式（14）和式（20），agv滑模路径跟踪控制器为：
65、
66、（21）。
67、进一步地，步骤s4具体包括如下步骤：
68、s4.1，采用rbf神经网络对滑模控制器本文档来自技高网...
【技术保护点】
1.一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S1具体包括如下步骤：
3.根据权利要求1所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S2设计状态观测器具体包括如下步骤：
4.根据权利要求3所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S2中基于RBF神经网络进行扰动估计具体包括如下步骤：
5.根据权利要求1所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S3中的滑膜等效控制律设计具体包括如下步骤：
6.根据权利要求5所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S3中的改进变速控制律的设计具体包括如下步骤：
7.根据权利要求1所述的一种基于扰动补偿的AGV滑模路径跟踪控制方法，其特征在于，步骤S4具体包括如下步骤：
【技术特征摘要】
1.一种基于扰动补偿的agv滑模路径跟踪控制方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的一种基于扰动补偿的agv滑模路径跟踪控制方法，其特征在于，步骤s1具体包括如下步骤：
3.根据权利要求1所述的一种基于扰动补偿的agv滑模路径跟踪控制方法，其特征在于，步骤s2设计状态观测器具体包括如下步骤：
4.根据权利要求3所述的一种基于扰动补偿的agv滑模路径跟踪控制方法，其特征在于，步骤s2中基于rb...
【专利技术属性】
技术研发人员：聂君，张新宇，盛春阳，卢晓，王海霞，董鲁娇，季德松，綦英，张晓玉，
申请(专利权)人：山东科技大学，
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。