本发明专利技术属于机器人运动控制领域，公开了一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法、装置及介质，包括：构建移动机器人双轮自行车模型，将状态空间模型转换为全驱模型；针对移动机器人双轮自行车模型的轨迹跟踪控制问题设计全驱镇定控制器，得到移动机器人轨迹跟踪控制系统误差模型；根据移动机器人轨迹跟踪控制系统误差模型，引入系统增量方程来简化数学模型；设计MPC控制器求解最优控制序列，并通过反变换得到移动机器人运动控制系统的最终输入。本发明专利技术利用高阶全驱理论将复杂的状态空间模型转换为更为简洁的二阶全驱模型，不仅保留了系统的物理意义，还避免了传统方法中可能遇到的病态矩阵问题，极大地简化了控制器的设计过程。
【技术实现步骤摘要】
本专利技术涉及机器人运动控制领域，具体为一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法、装置及介质。
技术介绍
1、随着机器人产业的迅猛发展及其相关模块的快速增长，各种各样的机器人已被广泛应用于军用领域和民用领域。作为机器人产业中的一个重要分支，移动机器人的性能和技术水平也取得了显著进步。这类机器人在执行自主巡检、定点补给物资等任务时，需要沿着预设路径行驶。因此，研究移动机器人系统的轨迹跟踪问题具有重要意义。
2、轨迹跟踪指的是移动机器人从特定的初始状态出发，精确地跟随一条随时间变化的参考轨迹。受模型不确定性、传感器噪声以及外部扰动等因素的影响，路径跟踪控制器的设计具有挑战性。为此，强化学习、滑模控制、鲁棒控制以及模型预测控制(modelpredictive control, mpc)等技术被提出处理移动机器人的轨迹跟踪问题。其中，mpc基于受控对象的特性建模，通过预测未来的状态变化趋势来进行决策，具备良好的反馈校正能力和鲁棒性，从而成为解决移动机器人轨迹跟踪问题的有效方法。
3、值得注意的是，上述大多数方法仍然使用状态空间模型来描述网络化控制运动系统，这导致了原始系统的物理意义丢失和模型简化过程中病态矩阵的出现。近几年，直接基于物理定律构建的全驱控制系统理论得到了发展，其作为传统状态空间模型理论的一种扩展，不仅保留了原始系统的物理意义，还防止了简化过程中可能出现的病态矩阵问题，因此能更准确地表示实际系统。此外，它为控制器的设计提供了更为简便的方法，有助于提升移动机器人的轨迹跟踪精度和效率。
r/>技术实现思路
1、本专利技术的目的在于提供一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法、装置及介质，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，包括：
4、步骤s1、构建移动机器人双轮自行车模型，将状态空间模型转换为全驱模型；
5、步骤s2、针对移动机器人双轮自行车模型的轨迹跟踪控制问题设计全驱镇定控制器，得到高阶全驱模型下的移动机器人轨迹跟踪控制系统误差模型；
6、步骤s3、根据步骤s2给出的移动机器人轨迹跟踪控制系统误差模型，引入系统增量方程来简化数学模型；
7、步骤s4、设计mpc控制器求解最优控制序列，并通过反变换得到移动机器人运动控制系统的最终输入。
8、进一步地，所述步骤s1包括：
9、移动机器人双轮自行车模型的状态方程如下：
10、 （1）
11、其中，分别表示移动机器人的横坐标、纵坐标及姿态角，分别表示的一阶导数，分别表示移动机器人的速度与加速度，速度方向与车身方向的夹角为，表示移动机器人的前轮与后轮之间的距离；
12、对进行二次求导：
13、 （2）
14、其中分别表示的二阶导数，记中间变量，设计控制量，代入式（2）得到以下状态空间方程：
15、 （3）
16、其中表示的二阶导数，将式（3）按采样时间进行离散化，得到离散状态空间方程如下：
17、 （4）
18、其中，表示第个采样时刻，分别表示第采样时刻的值，分别表示的系数，，表示需要设计的全驱镇定控制器。
19、进一步地，所述步骤s2包括：
20、设计全驱镇定控制器如下：
21、 （5）
22、其中，分别表示采样时刻的参考轨迹，和分别表示采样时刻的跟踪误差，表示外部控制输入，为所设计全驱镇定控制器的参数矩阵；
23、将式(4)代入式(3)，得到闭环形式的高阶全驱跟踪误差控制模型如下：
24、 （6）
25、其中为阶数合适的单位矩阵。
26、进一步地，所述步骤s3包括：
27、记中间变量，，则式（6）所示的高阶全驱跟踪误差控制模型可重新表示为：
28、 （7）
29、其中，为系统参数矩阵，其中为阶数合适的单位矩阵；
30、记中间变量，，，可得到式（7）的增量方程如下：
31、 （8）
32、记中间变量，，有：
33、 （9）
34、其中。
35、进一步地，所述步骤s4包括：
36、设定预测区间n=k，递推表达式如下：
37、 (10)
38、其中分别表示在时刻的递推；
39、定义中间变量，其中中的“”表示省略的，则可将式（10）写成矩阵的形式：
40、 (11)
41、其中分别表示的次幂；
42、定义二次型性能指标为：
43、 (12)
44、其中，，分别表示的转置，代表对角形式的状态权重矩阵，代表对角形式的控制权重矩阵；
45、通过yalmip工具箱对二次型性能指标进行求解，得到最优控制序列；取序列的第一个元素作为当前时刻系统控制律，并根据和，将mpc控制器求出的反变换为，根据得到相应的控制量，实现移动机器人轨迹跟踪预测控制。
46、本专利技术还提供一种基于高阶全驱理论的移动机器人轨迹跟踪预测控制装置，包括一个或多个处理器，用于实现如上所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法。
47、本专利技术还提供一种可读存储介质，其上存储有程序，该程序被处理器执行时，实现如上所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法。
48、与现有技术相比，本专利技术的有益效果是：
49、1）利用高阶全驱理论将复杂的状态空间模型转换为更为简洁的二阶全驱模型，不仅保留了系统的物理意义，还避免了传统方法中可能遇到的病态矩阵问题，从而极大地简化了控制器的设计过程，并提高了设计效率。
50、2）通过构建误差模型，可以更精确地捕捉移动机器人实际轨迹与期望轨迹之间的偏差，使得控制系统能够更加准确地调整其行为，进而实现更高的轨迹跟踪精度和控制性能。
51、3）引入系统增量方程来简化数学模型，减少了计算量和所需的处理时间，不仅有助于提高实时响应速度，也使得算法更容易在资源受限的环境中部署。
52、4）提出了一种基于高阶全驱模型的mpc方法求解最优控制律，通过相应的反变换关系式，将这些控制律转换回适用于全驱系统的控制指令，最终实现基于高阶全驱理论的移动机器人轨迹跟踪预测控制。
本文档来自技高网...
【技术保护点】
1.一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤S1包括：
3.根据权利要求2所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤S2包括：
4.根据权利要求2所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤S3包括：
5.根据权利要求2所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤S4包括：
6.一种基于高阶全驱理论的移动机器人轨迹跟踪预测控制装置，其特征在于，包括一个或多个处理器，用于实现权利要求1-5中任一项所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法。
7.一种可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1-5中任一项所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法。
【技术特征摘要】
1.一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤s1包括：
3.根据权利要求2所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤s2包括：
4.根据权利要求2所述的一种基于高阶全驱理论的移动机器人轨迹跟踪控制方法，其特征在于，所述步骤s3包括：
5.根据权利...
【专利技术属性】
技术研发人员：顾曹源，华骋远，吴麒，张文安，王瑶为，吴祥，刘安东，
申请(专利权)人：德清县浙工大莫干山研究院，
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。