申请/专利权人：淮阴工学院

申请日：2024-03-21

公开（公告）日：2024-06-25

公开（公告）号：CN118244762A

主分类号：G05D1/43

分类号：G05D1/43;G05D1/65;G05D1/633;G05D1/644;G05D109/10

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明涉及移动机器人的控制技术领域，公开了一种抗扰动移动机器人输出反馈控制方法，针对速度不可测量的受非对称时变约束的移动机器人系统模型，本发明建立移动机器人的动态模型，利用径向基函数神经网络对系统进行近似处理，然后针对系统的扰动和状态不可测的问题，设计复合状态观测器，同时估计未知速度信号与未知干扰；构建非对称障碍李雅普诺夫函数解决系统的非对称时变约束问题；结合预定性能控制、命令滤波与神经网络学习，提出一种基于复合状态观测器的神经网络预定性能自适应控制算法。与现有技术相比，本发明降低了传统方法中的跟踪信号适用条件，提高了移动机器人的控制精度。通过闭环系统稳定性分析，证明了本发明提出方法的可行性。

主权项：1.一种抗扰动移动机器人输出反馈控制方法，其特征在于，包括以下步骤：步骤1：建立移动机器人的动态模型，并定义新的状态变量简化动态方程；移动机器人动态模型如下： 其中，t∈R是时间，X,Y,θ表示车辆相对于惯性系的位置和方向，m为是车辆的质量，I是惯性矩，l制是质心与车轮之间的距离，ο是车轮的半径；το和τl是左右车轮电机的转矩；q,分别表示位置、速度和加速度向量；为不确定参数向量，紧集Σ表示σ的可能界，τ表示控制，Δb1,Δb2表示输入矩阵的扰动，M·是惯性矩阵，F·是力向量，B·是输入矩阵；步骤2：利用径向基函数神经网络对系统进行近似处理，然后针对系统的扰动和状态不可测的问题，设计复合状态观测器： 其中，分别是对d2,xr,H2的估计，d2为复合干扰，H2是神经网络的权重向量，γ2＞0是扰动观测器的一个设计参数，g2是一个常值函数，定义和x,τ,y分别代表为系统的状态向量、控制输入与控制输出；其中r＝1,2；Φ2是神经网络逼近的基函数向量；步骤3：定义新的误差变量，根据时变约束函数构造合适的李雅普诺夫函数，并利用反步法和跟踪误差变量设计相应的控制器和自适应律；步骤4：依据李雅普诺夫稳定性理论来证明移动机器人的稳定性，证明所设计的控制器能保证所有闭环系统在受到外界干扰和不确定参数影响下，系统输出y可以跟踪期望的信号yb；状态x满足所需的非对称时变状态约束；跟踪误差变量在有限时间内稳定，且满足预定性能指标。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种抗扰动移动机器人输出反馈控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD