没有合适的资源?快使用搜索试试~ 我知道了~
首页强化轮式移动机器人轨迹跟踪的迭代学习与Kalmann滤波方法
强化轮式移动机器人轨迹跟踪的迭代学习与Kalmann滤波方法
6 下载量 57 浏览量
更新于2024-08-29
1
收藏 1.73MB PDF 举报
本文主要探讨了一种改进的移动机器人轨迹跟踪迭代学习方法,针对轮式移动机器人在复杂环境中的轨迹跟踪优化问题。研究者张扬名、刘国荣和兰永红针对传统的轨迹跟踪控制技术的局限性,提出了一种结合了迭代学习控制和卡尔曼滤波算法的新策略。这种方法的特点是具有较强的适应性,能够快速收敛并实现较小的跟踪误差。 迭代学习控制部分,他们通过引入状态补偿项,设计了一种新颖的迭代学习增益矩阵,这使得控制器的响应更加灵活,能够更好地适应不断变化的环境条件。这种改进提高了迭代学习律的性能,使得机器人能更快速、精确地跟踪预设的圆轨迹,特别是在面对外部干扰和噪声时,增强了系统的鲁棒性。 卡尔曼滤波器在此发挥了关键作用,它作为一种离散的滤波算法,有效抑制了干扰和噪声对轨迹跟踪的影响。通过这种方式,算法在实际工程应用中的表现更为出色,提高了系统的稳定性和可靠性。计算机实验和仿真结果验证了该方法在轨迹跟踪方面的优异性能,具有很高的实用价值。 关键词包括轮式移动机器人、轨迹跟踪、迭代学习控制、卡尔曼滤波以及工程应用,这些关键词揭示了研究的核心技术和关注点。本文的研究不仅有助于提升移动机器人的控制精度,也为相关领域的工程实践提供了新的理论支持和技术路线。这项工作对于推动移动机器人技术的发展,特别是在工业自动化和自主导航系统中的应用具有重要意义。
资源详情
资源推荐
第29卷第10期
2012年10月
计算机应用研究
Application
Research
of
Computers
VoL
29
No.10
0ct。2012
一种改进的移动机器人轨迹跟踪迭代学习方法
张扬名”,刘国荣1’2,兰永红1
(1.湘潭大学信息工程学院,湖南湘潭411105;2.湖南工程学院,湖南湘潭411101)
摘要:通过对轮式移动机器人轨迹跟踪优化问题的研究,提出了一种适应性强、收敛速度快且跟踪误差小的
迭代滤波学习控制方法,充分发挥了迭代学习控制和Kalman滤波算法的优势,通过引入状态补偿项和设计新的
迭代学习增益矩阵对迭代学习律进行了改进。改进的迭代学习控制能够更快速、更精确、更有效地跟踪期望的
圆轨迹。采用离散的’Kalman滤波器对干扰和噪声进行滤波,抑制了干扰和噪声对轨迹跟踪的影响,使该控制算
法更适合于工程应用。计算机实验和仿真表明该方法具有较好的轨迹跟踪能力。
关键词:轮式移动机器人;轨迹跟踪;迭代学习控制;Kalman滤波;工程应用
中图分类号:TP24
文献标志码:A
文章编号:1001—3695(2012)10—3728—05
doi:10.3969/j.issn.1001—3695.2012.10.032
Improved
iterative
learning
control
method
for
mobile
robot
trajectory
tracking
ZHANG
Yang—min91+.LIU
Guo—ton91’2.LAN
Yong—hon91
(1.College
ofInformation
Engineering,Xiangtan
University,Xiangtan
Hunan
411105,China;2.Hunan
Institute
ofEngineering,Xiangtan
Hunan
411101,China)
Abstract:Through
studying
trajectory
tracking
optimization
problems
of
the
wheeled
mobile
robot,this
paper
proposed
a
itera—
tive
learning
control
approach
based
on
Kalman
filter
with
strong
adaptability,fast
convergence
and
small
error.In
order
to
bring
the
advantages
of
Kalman
filtering
algorithm
and
the
iterative
learning
control
algorithm
into
full
play,it
used
the
intro-
dffction
of
state
compensation
term
and
designed
new
iterative
learning
gain
matrix
to
improve
the
law
of
iterative
learning
con·
tr91.Ad、improved
iterative
learning
control
could
track
the
desired
circular
trajectory
more
quickly.more
accurafly
and
more
effectively.It
used
a
discrete
Kalman
filter
to
filter
rejection
and
noise,and
restrained
the
influence
of
interference
and
noise
on
traj‘ectory
tracking.It
made
this
algorithm
more
suitable
for
engineering
application.Experiments
and
computer
simulations
show
that
the
method
has
good
tracking
ability.
Key
words:wheeled
mobile
robot;trajectory
tracking;iterative
learning
control;Kalman
filiter;engineering
application
迭代学习控制(iterative
learning
control,ILC)最早是在
1984年由文献[1]提出的一种对做重复运动的轨迹跟踪系统
性能有改善作用的控制方法。这种方法是利用系统的实际输
出和期望输入的偏差来修正控制输入,以满足系统的输出不断
收敛于期望值。它不但算法简单,而且不需要依赖动态系统的
精确数学模型,适应处理不确定、强耦合、非线性、难以建模的
复杂系统。因此,迭代学习控制一经推出,就在机器人控制领
域引起广泛的关注。然而在迭代学习控制算法中,对学习增益
的选择还没有成熟的规律。20世纪80年代,文献[2]对开放
的P型、PI型、PID型以及PD型、D型的学习算法理论与应用
做了大量的研究工作,取得了相当一批优秀的理论成果,并针
对线性系统在D型学习律下的稳定性和收敛条件进行了证
明。经过十多年的发展,Bien等人把迭代学习控制理论用于
各种不同的实际重复运动。2003年,文献[3]使用基本的P型
学习算法来跟踪一个缓慢单调的轨迹,其性能是极好的,但在
跟踪正弦轨迹时则显得逊色。2004年,Xu等人提出了利用当
前误差来更新输入控翩量的位置跟踪。2009年,文献[4]总结
已有的研究成果,提出了一种新型的迭代学习控制律,虽然最
终能够正确收敛于期望值,但是收敛速度慢,不具有抗干扰能
力。在实际应用中,由于控制算法在无限时间收敛是没有意义
的,为了提高迭代学习控制算法的收敛速度,本文从两个不同
方面对迭代学习律进行了优化,在满足迭代学习控制过程收敛
稳定的条件下,使收敛速度明显加快。在改进迭代学习律的前
提下,考虑到实际环境中存在诸如状态噪声和测量噪声等各种
干扰,本文利用Kalman滤波对干扰进行了滤波,结合迭代学习
控制算法与Kalman滤波算法,从而使该控制算法更适合于现
实中的工程应用。
1
问题描述
1.1研究对象
移动机器人在运动控制的理论研究中,一般假设系统的非
完整约束是一种理想约束,即轮子与地面为点接触,且接触点
处只有纯滚动而不发生相对滑动(包括侧向和纵向滑动)。为
了建立整个机器人的运动学模型,把机器人设定为一个建立在
轮子上的刚体。图1为轮式移动机器人的运动学模型。
收稿日期:2012—03—17;修回日期:2012—04—27
基金项目:国家自然科学基金资助项目(51177040,61104072);湖南省自然科学湘潭市
联合基金重点资助项目(09jj8006)
作者简介:张扬名(1987一),男(通信作者),湖南安仁人,硕士研究生,主要研究方向为移动机器人运动控制(ymzTl6@126.coin);刘国荣
(1957-),男,湖南华容人,教授,博导,主要研究方向为智能机器人的控制、交流电机控制;兰永红(1976一),男,湖南汨罗人,讲师,硕导,博士,主要
研究方向为复杂工业系统建模与分析、重复控帝j及其应用.
万方数据
下载后可阅读完整内容,剩余5页未读,立即下载
weixin_38552239
- 粉丝: 13
- 资源: 955
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- BGP协议首选值(PrefVal)属性与模拟组网实验
- C#实现VS***单元测试coverage文件转xml工具
- NX二次开发:UF_DRF_ask_weld_symbol函数详解与应用
- 从机FIFO的Verilog代码实现分析
- C语言制作键盘反应力训练游戏源代码
- 简约风格毕业论文答辩演示模板
- Qt6 QML教程:动态创建与销毁对象的示例源码解析
- NX二次开发函数介绍:UF_DRF_count_text_substring
- 获取inspect.exe:Windows桌面元素查看与自动化工具
- C语言开发的大丰收游戏源代码及论文完整展示
- 掌握NX二次开发:UF_DRF_create_3pt_cline_fbolt函数应用指南
- MobaXterm:超越Xshell的远程连接利器
- 创新手绘粉笔效果在毕业答辩中的应用
- 学生管理系统源码压缩包下载
- 深入解析NX二次开发函数UF-DRF-create-3pt-cline-fcir
- LabVIEW用户登录管理程序:注册、密码、登录与安全
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功