基于预测控制方法的轮式机器人编队

《基于预测控制方法的轮式机器人编队》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、硕士学位论文基于预测控制方法的轮式机器人编队作者姓名肖涵臻学科专业控制理论与控制工程指导教师苏春翌教授李智军教授所在学院自动化科学与工程学院论文提交日期2016年4月PredictiveControlMethodBasedRobotWheeledFormationADissertationSubmittedfortheDegreeofMasterCandidate：XiaoHanzhenSupervisor：Prof.Chun-YiSuProf.LiZhijunSouthChinaUniversityofTechnologyGuangzhou,China分类号：TP273学校代号：105

2、61学号：201420114210华南理工大学硕士学位论文基于预测控制方法的轮式机器人编队作者姓名：肖涵臻指导教师姓名、职称：苏春翌教授李智军教授申请学位级别：工学硕士学科专业名称：控制理论与控制工程研究方向：智能控制理论与应用论文提交日期：2016年4月26日论文答辩日期：2016年6月2日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：黄庆华委员：李智军苏春翌宋嵘摘要如今，随着机器人技术的不断发展，机器人学科的研究吸引了越来越多的关注。在很多的领域，机器人可以代替人类来完成一系列的工作，大大节约了人力资源和工作风险。在如此多种类的机器人中，轮式移动机器人是其中一个

3、相当典型的代表。但随着工作复杂性的增高，单一的轮式移动机器人无法满足一些特定情况下的工作需要，因此，多个轮式移动机器人组成的编队控制成为了现在机器人研究的一个新热点。本文首先从研究单个机器人的控制开始，基于非完整约束移动机器人的运动学模型，建立了机器人镇定与轨迹跟踪系统。为了能成功控制住者两个系统，实验中采用了模型预测控制（MPC）作为控制方法。模型预测控制通过构建一个带约束的二次规划（QP）求最优问题，并迭代地实时求这个最优问题，得到最优控制输入。接着，在单个轮式机器人研究的基础上，我们建立了领导者-跟随者结构的移动机器人编队架构，并通过几何关系的运算构建了分离度-姿态-方位法（SBO

4、S）编队系统模型，系统的状态量包括了领导者和跟随者间的距离、方位角和方向差。同时为了防止跟随者机器在编队运动的过程中与路径上的障碍物相撞，我们提出了分离度-距离法（SDS）避障系统模型。两个系统在编队的过程中可以进行切换，并最终通过MPC方法来控制编队系统达到期望的机器人相关关系。对于二次规划（QP）求最优问题，我们提出了原始对偶神经网络（PDNN），该神经网络能高效地求解MPC产生的带约束的QP问题，并得到最优解。另一方面，一种结合了粒子群优化（PSO）和广义投影神经网络（GPN）的混合优化方法也被用于求解QP问题，这种方法能够全局搜索最优解，并保持了神经网络的高效性。本文将基于两种优

5、化方法的模型预测控制应用于机器人镇定、轨迹跟踪和机器人编队控制中，并通过四个实验来验证方法的有效性。关键词：轮式移动机器人；机器人镇定；轨迹跟踪；编队控制；模型预测控制；原始对偶神经网络；粒子群-神经网络混合优化。IAbstractNowadays，asthedevelopmentoftherobottechnologies，theroboticresearchhasattractedmoreandmoreattention.Therobotcanbeappliedinmanyfieldsinsteadofhuman,whichcansavethehumanresourcesandred

6、ucetherisks.Amongvariouskindsofrobots,thewheeledmobilerobotisatypicalrepresentation.However,asincreasingoftheworkcomplexity,onesinglewheeledmobilerobotcannotfulfilltherequirementofsomespecifictasks,sotheformationcontrolincludemultiplewheeledmobilerobotshasbecomeanewpopulartopicinroboticresearch.T

7、hisworkbeganwiththesinglerobot’scontrol,formulatedthesystemsoftherobotstabilizationandtrajectorytrackingmodelbasedonthekinematicmodelofnonholonomicconstrainedmobilerobot.Inordertocontrolthesetwosystems,theModelPredicti