王宗義，李艷東，2，劉濤，于占東

(1.哈爾濱工程大學(xué) 自動化學(xué)院，黑龍江 哈爾濱 150001;2.齊齊哈爾大學(xué) 計算機與控制工程學(xué)院，黑龍江 齊齊哈爾161006)

由于輪式移動機器人(wheeled mobile robot，WMR)本身屬于典型的非完整系統(tǒng)［1］，并且是一種受結(jié)構(gòu)與非結(jié)構(gòu)不確定性影響的多輸入多輸出的非線性系統(tǒng)，增加了對其控制的難度，一直被世界各地的科研人員所重視.很多方法被用來解決移動機器人的軌跡跟蹤問題，如:Backstepping方法［2-3］、自適應(yīng)方法［4-5］、滑模方法［6］、模糊控制［7］、神經(jīng)網(wǎng)絡(luò)［1］等.其中，自適應(yīng)控制具有固定的結(jié)構(gòu)和可變的參數(shù)，對結(jié)構(gòu)性不確定性有較好的適應(yīng)能力，卻無法解決非結(jié)構(gòu)不確定性問題.滑?？刂剖且环N具有快速瞬態(tài)響應(yīng)的魯棒控制方案，可以有效地克服不確定性，但存在著抖振現(xiàn)象的缺點;以往采用邊界層來避免抖振現(xiàn)象，仍需要對不確定性的界進行估計來確保系統(tǒng)的穩(wěn)定性，而在實際應(yīng)用中較難實現(xiàn)精確的估計，小的控制增益無法完全彌補系統(tǒng)的不確定性，而大的控制增益雖然對系統(tǒng)的不確定性有所改善，但抖振現(xiàn)象仍然存在.

在移動機器人軌跡跟蹤控制中，值得關(guān)注是在跟蹤誤差突變時的控制器速度跳變問題，這意味著控制所需的瞬時的加速度或力很大;而實際上，受機器人機構(gòu)及驅(qū)動元件的限制，很難做到這一點.文獻［8］采用神經(jīng)動力學(xué)原理設(shè)計了速度控制器，控制器能夠產(chǎn)生平滑、連續(xù)的速度命令，但是該方法只是用來解決運動學(xué)跟蹤問題，沒有涉及到機器人的動力學(xué)層面.文獻［9］采用了自適應(yīng)神經(jīng)元的速度控制器及動力學(xué)滑?？刂破鱽斫鉀Q上述問題，但其只考慮了X方向的偏差變化，且只用一個參數(shù)固定的連續(xù)控制律來解決滑?？刂频亩墩駟栴}，沒有考慮機器人不確定性范圍波動時系統(tǒng)的抗擾動與優(yōu)化問題.

為了克服上述問題，本文提出了自適應(yīng)模糊滑模動力學(xué)控制算法，優(yōu)化了系統(tǒng)的性能.其中，設(shè)計的自適應(yīng)分流運動學(xué)控制器解決了由于初始位姿偏差而引起的速度跳變問題;同時，通過自適應(yīng)模糊控制來調(diào)節(jié)滑?？刂频脑鲆?，從而消除了在滑?？刂浦械妮斎攵墩瘳F(xiàn)象.

1 非完整移動機器人模型

本文的研究對象是差分驅(qū)動的輪式移動機器人，如圖1所示，機器人位姿q=(x，y，θ)T，其中(x，y)表示參考點C(移動機器人的質(zhì)心)在笛卡爾坐標系(O，X，Y)中的坐標，θ為機器人的導(dǎo)向角.驅(qū)動輪的間距為2R，直徑為2r.

移動機器人受如下非完整約束:

非完整移動機器人的運動學(xué)和動力學(xué)方程如下［1］

式中:τr與τl是加在右輪和左輪的力矩，m是移動機器人平臺質(zhì)量，I為機器人平臺繞通過C點軸的轉(zhuǎn)動慣量.把干擾力矩視為外加干擾，則動力學(xué)方程(2)可以簡化為動力學(xué)標稱模型:

圖1 移動機器人Fig.1 The mobile robot

2 自適應(yīng)分流運動學(xué)控制器設(shè)計

經(jīng)典的運動學(xué)控制器為基于Backstepping方法設(shè)計的速度控制器［2］:

式中:vc和ωc分別為速度跟蹤控制器輸出的線速度和角速度，ki＞0，i=1，2，3.該控制器在理論上可以使系統(tǒng)穩(wěn)定運行，但是實際應(yīng)用中，機器人在大的初始位姿偏差時產(chǎn)生的速度跳變問題，影響機器人的運動性能，因此下面采用文獻［10］提出的分流模型來改進速度跟蹤控制器Vc，取k1e1=vs［9］，k2e2= ws，輔助信號vs和ws由下式得到:

式中:Aj、Bj、Dj(j=v，w)大于零，f(x)=max(x，0)，g(x)=max(－x，0)，x=e1，e2分別為被動衰減率，輔助信號的上下界，激活和抑制函數(shù)，可以得到vs與ws的穩(wěn)態(tài)解vss［9］與wss為

由于vs與ws的取值與系數(shù)Aj、Bj、Dj(j=v，w)有關(guān)，且范圍被限制在［－DjBj］內(nèi)，所以根據(jù)機器人參考速度及位姿偏差的變化，需要對Aj、Bj、Dj做出調(diào)整，新的輔助信號取為和，由下式獲得

式中:gj＞0(j=v，w)為學(xué)習(xí)率，則自適應(yīng)分流運動學(xué)控制器可以寫為

同理可推出 e1＜0情況下≤0，當且僅當=vs時=0，可得出估計輔助信號收斂于vs.假設(shè)e2＞0，依照式(20)方法對L2進行求導(dǎo)并將自適應(yīng)律(12)～(14)代入得

同理可推出e2＜0情況下，當且僅當時，可得出估計輔助信號收斂于ws.

對L3進行求導(dǎo)并將式(5)、(15)、(16)代入得

由于基于Backstepping方法設(shè)計的速度控制器是收斂的，所以自適應(yīng)分流運動學(xué)控制器(15)也是收斂穩(wěn)定的.

3 自適應(yīng)模糊滑模動力學(xué)控制器設(shè)計

PID滑模面選為

式中:λ＞0，ec=Vc－V，則滑模面s(t)的微分為

此時對應(yīng)的等效控制律τeq為

式中:0＜k4＜2λ.引入開關(guān)控制律τsw，用來補償系統(tǒng)的不確定性及干擾，得到滑?？刂坡蔀?/p>

為了消除顫振，引入模糊控制來調(diào)整開關(guān)控制律系數(shù)Γ，采用單值模糊化，將滑模面作為模糊系統(tǒng)輸入，模糊規(guī)則由下面形式給出［11］.

規(guī)則i:如果sj取，那么Γj取

對于模糊滑?？刂?，在控制器設(shè)計過程中，希望所選取的參數(shù)是最優(yōu)的.但是，由于移動機器人系統(tǒng)存在的參數(shù)不確定性及干擾的不可預(yù)知性，無法獲取精確的參數(shù)，因此可以采用自適應(yīng)控制來對最優(yōu)參數(shù)進行估計.

式中:βj＞0(j=1，2)為學(xué)習(xí)率，則所設(shè)計的自適應(yīng)模糊滑模動力學(xué)控制器為

定理 對于機器人系統(tǒng)(2)，選擇自適應(yīng)分流運動學(xué)控制器(15)、自適應(yīng)模糊滑模動力學(xué)控制器(33)、分流模型(8)、參數(shù)自適應(yīng)律(9)～(14)，(32)，那么機器人系統(tǒng)(2)是漸近穩(wěn)定的.

證明:選擇總Lyapunov函數(shù)為

定義下面的項:

因為L4有界且非增的，則有

4 仿真與結(jié)果分析

利用MATLAB仿真實驗來驗證文中算法的有效性，移動機器人的自適應(yīng)分流運動學(xué)控制(adaptive shunting kinematic control，ASKC)與自適應(yīng)模糊滑模動力學(xué)控制(adaptive fuzzy sliding mode dynamics control，AFSMDC)算法如圖2所示.選取跟蹤的參考軌跡為一個圓，其參數(shù)為xr(t)=2cost，yr(t)= 2sint，θr(t)=t，vr=2 m/s，ωr=1 rad/s，機器人自身的參數(shù)值取為:m=4 kg，I=2.5 kg·m2，2R= 0.306 m，r=0.03 m;在運行8 s時移動機器人的負載發(fā)生了變化從而也引起了參數(shù)變化:m=6 kg，I=3sin(t－12)］T為移動機器人所受擾動;位姿偏差為qe=［－1 1 －45°］，參考機器人的初始位姿為qr=［2 0 0°］.分下面幾種情況對系統(tǒng)進行了仿真及比較研究:1)采用文中算法;2)采用經(jīng)典反步法設(shè)計的運動學(xué)控制(classical backstepping kinematic control，CBKC)與AFSMDC結(jié)合的算法;3)采用ASKC與滑?？刂破?sliding mode control，SMC)結(jié)合算法.

取k1=9.9，k2=11，k3=7.1，k4=12，λ=6.5，Av=Aw=6，Bv=Dv=41.5，Bw=Dw=59.5，Γ1= Γ2=3，gv=gw=0.02，β1=β2=0.01;模糊輸入部分高斯隸屬函數(shù)中心按間隔為5的均勻分布取值，方差取為6，其余初值均為0.

圖2 移動機器人的自適應(yīng)分流運動學(xué)控制與自適應(yīng)模糊滑模動力學(xué)控制結(jié)構(gòu)圖Fig.2 Structure of adaptive shunting kinematics control and adaptive fuzzy sliding mode dynamics control for the mobile robot

仿真結(jié)果如圖3～7所示，由圖3與圖4可以看出，文中算法跟蹤效果最好.圖5與圖6表明，與采用SMC的(c)圖的力矩輸出存在明顯的抖振現(xiàn)象相比，采用AFSMDC的(a)和(b)圖的力矩輸出完全消除了抖振.圖7表明，與采用CBKC的(b)圖的速度輸出存在的明顯速度跳變相比，采用ASKC的(a)和(c)圖的速度得到了平滑，速度跳變問題得以解決.綜上分析，文中算法有效地解決了移動機器人跟蹤過程中的速度跳變問題及為克服系統(tǒng)參數(shù)與非參數(shù)不確定性而引入滑模控制引起的抖振問題.

圖3 3種算法的移動機器人軌跡跟蹤Fig.3 Trajectory tracking of the mobile robot based on three algorithms

圖4 3種算法的移動機器人位姿偏差Fig.4 Posture errors of the mobile robot based on three algorithms

圖5 3種算法的移動機器人右輸出力矩Fig.5 Right output torque of the mobile robot based on three algorithms

圖6 3種算法的移動機器人左輸出力矩Fig.6 Left output torque of the mobile robot based on three algorithms

圖7 3種算法的移動機器人實際速度與角速度Fig.7 Real velocity and angular velocity of mobile robots based on three algorithms

5 結(jié)束語

本文以非完整輪式移動機器人為研究對象，完整的進行了移動機器人的自適應(yīng)模糊滑模動力學(xué)控制策略的設(shè)計，并通過MATLAB分3種情況對圓形軌跡進行了仿真與對比實驗，在移動機器人跟蹤過程中存在諸多不確定性的情況下，本文算法不但消除了滑?？刂拼嬖诘亩墩瘳F(xiàn)象，同時也很好地解決了由初始跟蹤誤差引起的傳統(tǒng)控制器速度跳變問題.仿真實驗表明，所提出的自適應(yīng)分流運動學(xué)控制與自適應(yīng)模糊滑模動力學(xué)控制是可行的、有效的.

［1］FIERRO R，LEWIS F L.Control of a nonholonomic mobile robot using neural networks［J］.IEEE Transactions on Neural Networks，1998，9(4):589-600.

［2］KANAYAMA Y，KIMURA Y，MIYAZAKI F，et al.A stable tracking control method for an autonomous mobile robot［C］//Proceedings of the 1990 IEEE International Conference on Robotics and Automation.Cincinnati，USA，1990: 384-389.

［3］JIANG Z P，NIJMEIJER H.Tracking control of mobile robots:a case study in backstepping［J］.Automatica，1997，33(7):1393-1399.

［4］FUKAO T，NAKAGAWA H，ADACHI N.Adaptive tracking control of a nonholonomic mobile robot［J］.IEEE Transactions on Robotics and Automation，2000，16(5): 609-615.

［5］DONG W，KUHNERT K D.Robust adaptive control of nonholonomic mobile robot with parameter and nonparameter uncertainties［J］.IEEE Transactions on Robotics，2005，21 (2):261-266.

［6］PARK B S，YOO S J，PARK J B，et al.Adaptive neural sliding mode control of nonholonomic wheeled mobile robots with model uncertainty［J］.IEEE Transactions on Control Systems Technology，2009，17(1):207-214.

［7］DAS T，KAR I N.Design and implementation of an adaptive fuzzy logic-based controller for wheeled mobile robots［J］.IEEE Transactions on Control Systems Technology，2006，14(3):501-510.

［8］YUAN G，YANG S X，MITLAL G S.Tracking control of a mobile robot using a neural dynamics based approach［C］// Proceedings of the 2001 IEEE International Conference on Robotics and Automation.Seoul，Korea，2001:163-168.

［9］LIU S R，ZHANG H D，YANG S X，et al.Dynamic control of a mobile robot using an adaptive neurodynamics and sliding mode strategy［C］//Proceedings of the 5th World Congress on Intelligent Control and Automation.Hangzhou，China，2004:5007-5011.

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

［11］KUO T C，HONG B W，HUANG Y J，et al.Adaptive fuzzy controller design for robotic manipulators with sliding mode control［C］//2008 IEEE International Conference on Fuzzy Systems(FUZZ 2008).Hong Kong，China，2008: 581-586.