基于神经动力学的轮式移动机器人跟踪与稳定统一控制

尹晓红; 杨灿; 阚君武; 程光明

doi:null

您当前的位置：

首页 >

文章列表页 >

基于神经动力学的轮式移动机器人跟踪与稳定统一控制

微纳技术与精密机械 | 更新时间：2020-08-13

- 基于神经动力学的轮式移动机器人跟踪与稳定统一控制
- Unified control of tracking and stabilization for WMR based on bio-inspired neurodynamics
- 光学精密工程 2014年22卷第3期页码：670-678
- 作者机构：
  
  浙江师范大学精密机械研究所,浙江金华,321004
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(No.11247273, No.51305406, No.51277166)();浙江省自然科学基金资助项目(No.LQ12E05005)()
- DOI：
  中图分类号： TP246
- 纸质出版日期：2014-03-25
- 稿件说明：
移动端阅览
尹晓红,杨灿,阚君武等. 基于神经动力学的轮式移动机器人跟踪与稳定统一控制[J]. 光学精密工程, 2014,22(3): 670-678

YIN Xiao-hong, YANG Can, KAN Jun-wu etc. Unified control of tracking and stabilization for WMR based on bio-inspired neurodynamics[J]. Editorial Office of Optics and Precision Engineering, 2014,22(3): 670-678
尹晓红,杨灿,阚君武等. 基于神经动力学的轮式移动机器人跟踪与稳定统一控制[J]. 光学精密工程, 2014,22(3): 670-678 DOI：

YIN Xiao-hong, YANG Can, KAN Jun-wu etc. Unified control of tracking and stabilization for WMR based on bio-inspired neurodynamics[J]. Editorial Office of Optics and Precision Engineering, 2014,22(3): 670-678 DOI：

摘要

为了对轮式移动机器人(WMR)进行光滑、鲁棒、稳定的轨迹跟踪控制

分析了生物激励神经动力学原理

研究了非线性模型预测控制策略

提出了一种基于神经动力学思想的模型预测终端控制方法。首先

针对传统控制方法存在的初始速度跳变问题

利用神经动力学在信息处理方面的优良特性

设计了神经动力学控制模块;然后

根据模型预测控制原理给出了一个优化控制模块;最后

设计了终端域和线性反馈终端控制器来保证系统的全局渐近稳定性。仿真结果表明:利用所设计的控制方法进行曲线跟踪时

被控WMR系统收敛到参考轨迹的时间可从12 s降到5 s

初始线速度/角速度分别从[-3

4] m/s和[-5

6] rad/s 缩小到[0

2] m/s和[-3

3] rad/s

且系统输出有界光滑

使WMR在完成轨迹跟踪的同时实现了全局渐进稳定。由于文中核心算法的推导过程不受WMR运动学模型限制

故该研究结论亦可应用于其他结构的移动机器人。

Abstract

关键词

Keywords

references

YANG F, WANG C L, JING G Z.Adaptive tracking control for dynamic nonholonomic mobile robots with uncalibrated visual parameters [J].International Journal of Adaptive Control and Signal Processing, 2013, 27 (8):688-700.

WAI R J, LIN Y W.Adaptive moving-target tracking control of a vision-based mobile robot via a dynamic petri recurrent fuzzy neural network [J].IEEE Transactions on Fuzzy Systems, 2013, 21 (4):688-701.

CHEN N J, SONG F Z, LI G P.An adaptive sliding mode backstepping control for the mobile manipulator with nonholonomic constraints [J].Communications in Nonlinear Science and Numerical Simulation, 2013, 18(10):2885-2899.

王菲, 柳洪义, 罗忠.形位不确定回转腔体内壁表面的打磨[J].光学精密工程, 2013, 21(6):1479-1487.

WANG F, LIU H Y, LUO ZH.Grinding control of rotary shell’s inner-surface with dynamics uncertainties [J].Opt. Precision Eng., 2013, 21(6):1479-1487.(in Chinese)

马立, 于瀛洁, 程维明, 等.BP神经网络补偿并联机器人定位误差[J].光学精密工程, 2008, 16(5):878-883.

MA L, YU Y J, CHENG W M, et al..Positioning error compensation for a parallel robot based on BP neural networks [J].Opt. Precision Eng., 2008, 16(5):878-883.(in Chinese)

MOSADEGHZAD M, NADERI D, GANJEFAR S.Dynamic modeling and stability optimization of a redundant mobile robot using a genetic algorithm[J].Robotica, 2012, 30(3):505-514.

PRODAN I, OLARU S, STOICA C, et al..Predictive control for trajectory tracking and decentralized navigation of multi agent formations [J].International Journal of Applied Mathematics and Computer Science, 2013, 23(1):91-102.

MAYNE D Q.Optimization in model predictive control [J].Methods of Model Based Process Control, 1995, 293:367-396.

YAO Y, FREEMAN W J.Model of biological pattern recognition with spatially chaotic dynamics [J].Neural Networks, 1990, 3(2):153-170.

YANG S X, MENG M.An efficient neural network approach to dynamic robot motion planning [J].Neural Networks, 2000, 13(2):143-148.

GROSSBERG S.Nonlinear neural networks:principles, mechanisms and architecture [J].Neural Networks, 1988, 1:17-61.

CHEN H, ALLGOWER F A.Quasi-infinite horizon nonlinear model predictive control scheme with guaranteed stability [J].Automatica, 1998, 14 (10):1205-1217.

MAYNE D Q, RAWLINGS J B, RAO C V, et al..Constrained model predictive control:stability and optimality [J].Automatica, 2000, 36(6):789-814.

TIMM F, ROLF F.Nonlinear model predictive path-following control [J].Lecture Notes in Control and Information Sciences, 2009, 384:335-343.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据