摘要：為了提高對電動液壓驅(qū)動全向移動機器人的軌跡跟蹤控制能力，提出基于數(shù)據(jù)融合的全向移動機器人軌跡跟蹤方法.構建全向移動機器人的人與環(huán)境交互動力學驅(qū)動模型及機器人的運動學參數(shù)模型，采用多自由度多模型的分層運動控制方法實現(xiàn)對機器人的位姿參數(shù)數(shù)據(jù)融合跟蹤識別，提取機器人軌跡跟蹤的動態(tài)模型參數(shù).通過對機器人移動過程中的步頻、周期等參數(shù)估計，采用機構自由度和運動復雜性參數(shù)融合估計的方法，構建機器人軌跡跟蹤控制的聯(lián)合協(xié)同參數(shù)解算模型，根據(jù)參數(shù)優(yōu)化解析結果，以軀體平衡與環(huán)境自適應控制為最優(yōu)化約束條件，實現(xiàn)機器人軌跡跟蹤控制優(yōu)化.仿真結果表明：采用該方法進行全向移動機器人軌跡跟蹤的自適應性較好，振蕩抑制能能力較強，提高了機器人全向移動的穩(wěn)定性和魯棒性.

關鍵詞：數(shù)據(jù)融合；全向移動；機器人；軌跡跟蹤；力學驅(qū)動

中圖分類號：TP24 文獻標志碼：A

Research on Trajectory Trackingof Omnidirectional Mobile Robot Based on Data Fusion

ZHENG Zhi-xian ZHENG Jing CHEN Xiao-e

（1.School of Information and Intelligent Transportation， Fujian Chuanzheng Communications College， Fuzhou 350007， China；

2.School of Electronic Information Science， Fujian Jiangxia University， Fuzhou 350108， China）

Abstract：In order to improve the trajectory tracking control ability of electro-hydraulic driven omnidirectional mobile robot， a trajectory tracking method of omnidirectional mobile robot based on data fusion is proposed. The dynamic driving model of human-environment interaction of omnidirectional mobile robot is built， and the parameter model of robot kinematics model is built. Multi-degree-of-freedom and multi-model layered motion control method is adopted to realize the fusion tracking and recognition of robot pose parameter data， and the dynamic model parameters of robot trajectory tracking are extracted. Based on the estimation of time-related parameters such as step frequency and period during robot movement， the fusion estimation method of mechanism degree of freedom and motion complexity parameters is adopted. A joint collaborative parameter solution model for trajectory tracking control of electro-hydraulic driven omnidirectional mobile robot is constructed. According to the analytical results of parameter optimization， the robot trajectory tracking control is optimized by taking body balance and environment adaptive control as the optimization constraints. The simulation results show that this method has good adaptability and strong ability to restrain oscillation， which improves the stability and robustness of omnidirectional mobile robot.

Key words：data fusion; omnidirectional movement; robot; track; mechanical drive

隨著人工智能控制技術的發(fā)展，電動液壓驅(qū)動全向移動機器人被廣泛應用在工業(yè)和軍事等領域.全向移動機器是通過視覺感知和控制器設計實現(xiàn)機器人的穩(wěn)定性控制，通過建立電動液壓驅(qū)動全向移動機器人的運動學和動力學模型，對機器人的運動空間規(guī)劃和節(jié)點穩(wěn)定性分析，結合二自由度參數(shù)模擬方法進行機器人的穩(wěn)定性參數(shù)調(diào)節(jié)，以此提高全向移動機器人的環(huán)境適應性[1].對機器人的軌跡跟蹤控制是提高機器人運動穩(wěn)定性的關鍵，研究全向移動機器人的軌跡跟蹤方法在促進機器人的人工智能控制方面具有重要意義[2].

對全向移動機器人的軌跡跟蹤是建立在對機器人的運動學參數(shù)分析基礎上，通過關鍵幀選取策略和運動規(guī)劃參數(shù)設計，構建機器人移動空間的彈簧負載負荷參數(shù)模型，通過運動模式分析，提高機器人的軌跡跟蹤能力.文獻[3]提出一種多模型融合的仿獵豹四足機器人復雜運動控制方法，通過運動參數(shù)規(guī)劃和虛擬模型控制實現(xiàn)機器人與環(huán)境交互，并分析在不同步態(tài)下的機器人穩(wěn)定參數(shù)，但該方法進行全向移動機器人軌跡跟蹤的自適應性不好.文獻[4]提出基于機器神經(jīng)網(wǎng)絡學習算法的室內(nèi)環(huán)境機器人行為軌跡智能控制方法，根據(jù)行為軌跡尋優(yōu)規(guī)劃過程，結合動態(tài)軌跡參數(shù)尋優(yōu)實現(xiàn)對全向移動機器人軌跡跟蹤，但該方法的抗干擾性不好[5]，針對上述問題，本文提出基于數(shù)據(jù)融合的全向移動機器人軌跡跟蹤方法.首先構建全向移動機器人的人與環(huán)境交互動力學驅(qū)動模型，然后采用機構自由度和運動復雜性參數(shù)融合估計的方法，構建電動液壓驅(qū)動全向移動機器人軌跡跟蹤控制的聯(lián)合協(xié)同參數(shù)解算模型，最后進行仿真測試，證明了本文方法在提高全向移動機器人軌跡跟蹤能力方面的優(yōu)越性.

1 機器人行為軌跡規(guī)劃的運動學模型和參數(shù)辨識

1.1 機器人行為軌跡規(guī)劃的運動學模型

為了實現(xiàn)電動液壓驅(qū)動全向移動機器人軌跡跟蹤和運動學規(guī)劃設計，根據(jù)機器人跳躍控制參數(shù)模擬，構建電動液壓驅(qū)動全向移動機器人軌跡參數(shù)動態(tài)跟蹤模型，其表達式為：

通過非對稱步態(tài)和步態(tài)轉(zhuǎn)換結合的方法，實現(xiàn)對機器人的動力學參數(shù)模擬，分析機器人在擾動狀態(tài)的響應特征值.通過軌跡動態(tài)跟蹤控制的方法，結合對電動液壓驅(qū)動全向移動機器人的被控參數(shù)分析，建立敏感元件傳感跟蹤學習模型.同時融合電動液壓驅(qū)動全向移動機器人軌跡跟蹤的姿態(tài)信息，結合環(huán)境參數(shù)分析和機器人的自身結構參數(shù)分析，采用反饋跟蹤調(diào)節(jié)的方法，構建電動液壓驅(qū)動全向移動機器人軌跡跟蹤控制器[6]，通過構建電動液壓驅(qū)動全向移動機器人的運動學模型，進行參數(shù)融合和信息處理，得到電動液壓驅(qū)動全向移動機器人軌跡跟蹤的總體結構如圖1所示.

1.2 機器人行為軌跡參數(shù)辨識

2 全向移動機器人軌跡跟蹤優(yōu)化控制

2.1 全向移動機器人行為軌跡尋優(yōu)數(shù)據(jù)融合

2.2 全向移動機器人軌跡跟蹤

3 仿真測試與分析

4 結語

通過對機器人的運動空間規(guī)劃和節(jié)點穩(wěn)定性分析，結合二自由度參數(shù)模擬方法進行機器人的穩(wěn)定性參數(shù)調(diào)節(jié)，提高全向移動機器人的環(huán)境適應性.本文提出基于數(shù)據(jù)融合的全向移動機器人軌跡跟蹤方法.采用多自由度多模型的分層運動控制方法實現(xiàn)對機器人的位姿參數(shù)融合分析，得到電動液壓驅(qū)動全向移動機器人的軌跡分布空間參數(shù).

結合姿態(tài)陀螺儀、加速度計對電動液壓驅(qū)動全向移動機器人軌跡跟蹤偏移敏感參數(shù)采集，通過機器人的幾何參數(shù)誤修正，實現(xiàn)對移動機器人的行為參數(shù)軌跡跟蹤和自適應控制.實驗結果表明本文方法進行全向移動機器人軌跡跟蹤的誤差較低，控制收斂性較好，振蕩抑制能力較強.

參考文獻：

[1] 張海南，游曉明，劉升.動態(tài)進化與交互學習機制融合的蟻群算法[J].信息與控制，2020，49（3）：297-305.

[2] 蘇耀倫，施惠元，蘇成利，等.基于DOB的多變量非最小狀態(tài)空間預測控制[J].信息與控制，2020，49（3）：356-364.

[3] 陶永，蘭江波，劉海濤，等.基于滑模和模糊算法相融合的人機協(xié)作機器人軌跡跟蹤方法[J].機械工程學報，2022，58（18）：181-191.

[4] 申慧敏，葛瑞康，顧曉偉，等.基于磁-慣性傳感融合的靈巧手指單元全姿態(tài)信息反演方法[J].機械工程學報，2022，58（18）：133-140.

[5] 馬璐，劉成菊，林立民，等.基于AM-RPPO的雙足機器人適應性行走控制算法[J].機器人，2019，41（6）：731-741.

[6] 王貴程，吳國新，左云波，等.基于改進蟻群算法包裝機器人軌跡規(guī)劃研究[J].電子測量與儀器學報，2019，33（8）：94-100.

[7] 黃磊，李慧，張媛.基于網(wǎng)絡感知信息的船舶航跡規(guī)劃智能避障方法[J].艦船科學技術，2022，44（3）：71-74.

[8] 張香竹，張立家，宋逸凡，等.基于深度學習的無人機單目視覺避障算法[J].華南理工大學學報（自然科學版），2022，50（1）：101-108，131.

[9] 凌顥，王國慧，易波，等.基于FNTFSMC的國產(chǎn)腹腔鏡手術機器人軌跡控制[J].儀器儀表學報，2019，40（5）：179-186.

[10] 許宇偉，顏文旭，吳煒.相似場景下基于局部地圖的激光SLAM前端算法改進[J].機器人，2022，44（2）：176-185.

[11] 張濤，呂慶海.車輪生產(chǎn)線中基于視覺引導機械手定位抓取系統(tǒng)設計[J].電子測量技術，2019，42（16）：56-61.

[12] 牛國君，曲翠翠，潘博，等.含有廣義飽和函數(shù)的全局漸近穩(wěn)定非線性PID控制[J].機器人，2020，42（5）：568-582.

[13] SALINAS A，MORENO-VALENZUELA J，KELLY R.A family of nonlinear PID-like regulators for a class of torque-driven robot manipulators equipped with torque-constrained actuators[J].Advances in Mechanical Engineering，2016，8（2）：1-14.

[14] SAHIB M A，AHMED B S.A new multi-objective performance criterion used in PID tuning optimization algorithms[J].Journal of Advanced Research，2016，7（1）：125-134.

[15] OMAR M，SOLIMAN M，GHANY A M A，et al.Optimal tuning of PID controllers for hydrothermal load frequency control using ant colony optimization[J].International Journal on Electrical Engineering and Informatics，2013，5（3）：348-360.

[16] CAN M S，OZGUVEN O F.PID tuning with neutrosophic similarity measure[J].International Journal of Fuzzy Systems，2017，19（2）：489-503.

［責任編輯：李 嵐］