資源描述:
《基于神經網絡的輪式移動機器人魯棒滑??刂啤酚蓵T上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。
1、碩士論文基于神經網絡的輪式移動機器人魯棒滑模控制摘要近年來,對非完整移動機器人的理論和應用研究已日益受到國內外控制界的重視。廣義地說任何帶有輪式移動驅動機構的機械裝置如卡車等都屬于這類機器人范疇,因此它具有廣泛的實際應用背景。另一方面,這類系統(tǒng)由于具有無打滑等非完整約束條件,使得其控制問題變得相當困難,如不能采用連續(xù)或可微的純狀態(tài)反饋實現系統(tǒng)的漸近穩(wěn)定,不能采用非線性變換實現整體線性化等。因此,研究非完整移動機器人系統(tǒng)的魯棒控制問題,具有十分重要的理論和應用價值。本文主要針對非完整移動機器人進行運動學和動力學建模、分
2、析與軌跡跟蹤控制器設計的研究。首先,分析一類兩輪移動機器人的運動學模型和動力學模型,針對其軌跡跟蹤控制問題,設計滑模控制器。通過兩輪移動機器人對曲線和圓兩種軌跡跟蹤的仿真實驗,驗證了該控制器在兩輪移動機器人軌跡跟蹤控制中的有效性。其次,分析滑模控制中抖振產生的原因及抖振的消除和削弱方法。根據趨近律變結構控制設計方法中趨近律參數的物理意義及參數之間的定性關系后,提出了基于模糊規(guī)則的趨近律控制——模糊趨近律控制,即用模糊規(guī)則來選擇趨近律的參數,以達到改善滑??刂破焚|的目的。最后,基于非完整移動機器人系統(tǒng)是復雜控制系統(tǒng),而
3、且在系統(tǒng)運行的過程中,存在各種不確定性因素的影響,采用常規(guī)的控制方法如計算力矩法對其進行控制難以得到良好的控制效果。利用神經網絡對非線性函數的強映射特性,把它應用在非完整移動機器人的控制上,可取得較好的效果。因此,同時考慮機器人運動學和動力學模型,提出基于神經網絡的軌跡跟蹤算法,仿真結果表明算法具有較強的魯棒性。關鍵詞:非完整系統(tǒng),輪式移動機器人,軌跡跟蹤,滑??刂?,神經網絡控制Abstract基于神經網絡的輪式移動機器人魯棒滑??刂艻nrecentyears,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