基于神经网络的轮式移动机器人鲁棒滑模控制

《基于神经网络的轮式移动机器人鲁棒滑模控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士论文基于神经网络的轮式移动机器人鲁棒滑模控制摘要近年来，对非完整移动机器人的理论和应用研究已日益受到国内外控制界的重视。广义地说任何带有轮式移动驱动机构的机械装置如卡车等都属于这类机器人范畴，因此它具有广泛的实际应用背景。另一方面，这类系统由于具有无打滑等非完整约束条件，使得其控制问题变得相当困难，如不能采用连续或可微的纯状态反馈实现系统的渐近稳定，不能采用非线性变换实现整体线性化等。因此，研究非完整移动机器人系统的鲁棒控制问题，具有十分重要的理论和应用价值。本文主要针对非完整移动机器人进行运动学和动力学建模、分

2、析与轨迹跟踪控制器设计的研究。首先，分析一类两轮移动机器人的运动学模型和动力学模型，针对其轨迹跟踪控制问题，设计滑模控制器。通过两轮移动机器人对曲线和圆两种轨迹跟踪的仿真实验，验证了该控制器在两轮移动机器人轨迹跟踪控制中的有效性。其次，分析滑模控制中抖振产生的原因及抖振的消除和削弱方法。根据趋近律变结构控制设计方法中趋近律参数的物理意义及参数之间的定性关系后，提出了基于模糊规则的趋近律控制——模糊趋近律控制，即用模糊规则来选择趋近律的参数，以达到改善滑模控制品质的目的。最后，基于非完整移动机器人系统是复杂控制系统，而

3、且在系统运行的过程中，存在各种不确定性因素的影响，采用常规的控制方法如计算力矩法对其进行控制难以得到良好的控制效果。利用神经网络对非线性函数的强映射特性，把它应用在非完整移动机器人的控制上，可取得较好的效果。因此，同时考虑机器人运动学和动力学模型，提出基于神经网络的轨迹跟踪算法，仿真结果表明算法具有较强的鲁棒性。关键词：非完整系统，轮式移动机器人，轨迹跟踪，滑模控制，神经网络控制Abstract基于神经网络的轮式移动机器人鲁棒滑模控制Inrecentyears，thetheoryandapplicationresea

4、rchofnonholonomicmobilerobothasgainedmoreandmoreattentioninthecontrolcommunity．Generallyspeaking，anymechanicalsystemwithwheeledmobiledrivingdevicesuchaslorrybelongstothecategoryofnonholonomicrobots．Soithasabroadrealapplicationbackground．Ontheothersize，becauseth

5、iskindofsystemisconstrainedbythenonholonomicnon-slippingandpurerollingconditions，thecontrolofnonholonomicsystembecomesverydifficult．Onecan'trealizesystem’Sasymptoticstabilitybycontinuousorintegrablepurestatefeedback．Moreover，onecan'talsorealizesystem’Sgloballin

6、earizationbynonlineartransformation．Consequently，theresearchofrobustcontrolofmobilerobothasgreatsignificanceinareasoftheoryandapplication．Analysis，kinematicanddynamicalmodelingandtrajectorytrackingcontrollerdesigningforamobilerobotarestudiedinthisthesis．Firstly

7、，akindofkinematicsmodeloftwo—wheeldrivenmobilerobotisanalyzed．Aimedatitstrajectorytrackingcontrolproblem，thesliding-modecontrollerisdesigned．Theeffectivenessoftheproposedcontrollerisshownthroughthesimulationoftwo-wheeldrivenmobilerobottrackingcircularityandsurv

8、etrajectoryunderthecontroller．Secondly，thereviewofproducingcause，weakenedmethodsofchatefinginsliding—modecontr01．Accordingtothephysicalsignificancesofthereachinglawparameter