[發明專利]一種基于確定學習的輪式移動機器人事件觸發跟蹤控制方法

有效

• 申請號: 202010830331.3
• 申請日: 2020-08-18
• 公開（公告）號: CN112051734B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 占宏;胡銳;黃龍旺
• 申請（專利權）人: 華南理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于確定學習的輪式移動機器人事件觸發跟蹤控制方法，其特征在于，包括以下步驟：

步驟1、建立輪式移動機器人的動力學模型和期望的周期軌跡；

步驟2、獲取經驗知識：結合李雅普諾夫穩定性理論和動態面設計方法構造自適應神經網絡控制器，并利用確定學習理論將收斂后的神經網絡權值保存為常值權值

步驟3、構建作用于傳感器到控制器之間網絡通道的事件觸發機制，當網絡通道傳輸信號達到觸發條件，將采用信號經過網絡通道傳輸到控制端，具體為：

定義位于傳感器到控制器之間網絡通道的狀態信號傳輸誤差為：

其中，x₁和x₂分別為移動機器人的位姿向量和速度向量，和分別為經過網絡通道傳輸到控制器端的移動機器人的位姿向量和速度向量，e₁和e₂分別為移動機器人在網絡通道中的傳輸誤差；

令e＝[e₁^T,e₂^T,e_J^T]^T,其中F₁(x₁,x₂)＝J(x₁)x₂-x₂，J(x₁)為移動機器人模型中的用于坐標變換的旋轉矩陣，設計網絡通道傳輸信號的觸發條件為：

若系統滿足該條件，則將采樣信號經過網絡通道傳輸到控制端；

其中，k₁,k₂是控制器的增益參數，L是神經網絡基函數的利普希茨系數，z＝[z₁^T,z₂^T]^T，其中z₁是移動機器人的位姿與期望軌跡的差值組成的列向量，z₂是移動機器人的速度向量與虛擬速度經過濾波器之后輸出值的差值組成的列向量，Λ是大于0的設計參數，是常值權值；

步驟4、設計基于經驗知識和事件觸發的常值神經網絡控制器，利用常值神經網絡控制器對觸發事件進行跟蹤；所述常值神經網絡控制器為：

其中，B表示與移動機器人的質量、慣性、輪子半徑相關的已知常數矩陣，k₂為誤差的設計參數，為經過確定學習得到的常值神經網絡權值。

2.根據權利要求1所述的一種基于確定學習的輪式移動機器人事件觸發跟蹤控制方法，其特征在于：步驟1中，所述動力學模型為：

其中x₁＝[x,y,θ]^T為環境坐標系下的移動機器人的位姿向量，表示機器人坐標系下的移動機器人的速度向量，J(x₁)表示用于坐標變化的旋轉矩陣，B是一個已知的且與移動機器人的質量、慣性、輪子半徑有關的常數矩陣，A(x₂)是未知的且與移動機器人的摩擦系數、慣性、質量有關的矩陣；τ是系統的控制輸入。

3.根據權利要求1所述的一種基于確定學習的輪式移動機器人事件觸發跟蹤控制方法，其特征在于：步驟1中，所述期望的周期軌跡為：

其中，x_d1＝[x_d1,1,x_d1,2,x_d1,3]^T為移動機器人位姿的期望參考軌跡，f(x_d1,x_d2)為給定的連續函數。