论文部分内容阅读
随着移动机器人在农业领域内广泛的应用,由于其复杂不规则的地形以及多变的环境对移动机器人的运动控制和稳定性提出了更加严格的要求,因此如何提高移动机器人对于复杂多变的环境的自主优化能力成为了众多学者研究的热点。针对移动机器人传统的路径跟随控制方法需要人工调校参数,缺乏自主优化能力的问题,本文对此提出了一种基于自适应动态规划(ADP)的路径跟随控制方法。本文重点研究了对于在不同线形的参考路径下,移动机器人基于自适应动态规划的路径跟随控制方法的控制效果。论文的主要研究内容如下:(1)本文首先基于履带式机器人平台设计了路径跟随控制系统结构,然后基于履带式机器人系统推导了以两侧电机转速为控制量的运动学模型,并且建立了路径跟随系统的误差状态方程。其次对离散的GPS点经纬度路径信息和机器人位置信息进行坐标转换,将其统一到同一个坐标系中。最后对转换后的离散点设计了基于三次多项式曲线拟合的方法。(2)针对传统的“预瞄—跟随”模型忽略系统模型难以取得较高的控制精度,本文依据履带式机器人路径跟随系统的误差状态方程设计了基于线性二次型调节器(LQR)的路径跟随控制器,对组合线和螺旋线的参考路径进行了仿真研究,并且在校园道路上对直线、钝角转向曲线和锐角转向曲线进行了试验,仿真和试验结果证明该控制器可以通过调校参数获得比纯追踪更好的控制效果。(3)提出了基于自适应动态规划算法的路径跟随控制方法,并分别设计了基于启发式动态规划(HDP)和对偶启发式规划(DHP)的路径跟随控制器。首先综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络建立了评价器和执行器模块,并推导了网络参数的在线优化规则。再次,通过数值仿真和系统试验验证了 ADP方法的路径跟随性能。基于HDP算法的控制器在跟随直线的平均误差绝对值为0.039m、均方根误差为0.057m;在跟随钝角转向曲线的平均误差绝对值为0.013m、均方根误差为0.060m;在跟随锐角转向曲线的平均误差绝对值为0.030m、均方根误差为0.090m;跟随精度较纯追踪和LQR算法更加精确,且该方法不需要对控制参数进行反复调试就能够获得高精度的控制效果,具备对不同线形的适应性和自主优化能力。