[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

本發明公開了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，具體包括以下步驟：建立輪式移動機器人的動力學模型和期望的周期軌跡；設計自適應神經網絡控制器，并利用確定學習理論獲取經驗知識；設計作用于傳感器與控制器之間網絡通道的事件觸發機制；建立基于經驗知識和事件觸發的常值神經網絡控制器。本發明設計的方法不僅將傳統的輪式移動機器人時間觸發控制方式推廣到了事件觸發控制方式，降低了遠程控制中網絡帶寬的占用，而且利用確定學習理論設計了常值神經網絡控制器，在減少網絡帶寬的同時保證了好的暫態跟蹤性能。

技術領域

本發明涉及輪式移動機器人的智能跟蹤控制的技術領域，具體涉及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。

背景技術

輪式移動機器人是結合了信息論、控制論、人工智能等多個不同領域的產物，其在工業生產、土木建筑、醫療衛生、教育科研等諸多場景中得到廣泛地應用。注意到輪式移動機器人系統由于阻尼和摩擦力等因素導致系統存在建模不確定性。為了克服建模不確定性帶來的控制精度下降問題，通常采用神經網絡進行對輪式移動機器人系統未知動態進行辨識。但是傳統的自適應神經網絡控制對機器人執行相同或相似控制任務都需要在線調整權值來重新辨識未知動態，使得控制方案耗時長，不易實施。基于確定學習設計出的控制器能夠利用學習到的經驗知識來完成控制任務，避免了神經網絡重復訓練的問題。然而，現有的確定學習控制方案均采用了時間觸發方式。由于其通過固定時間周期地對信號進行采樣傳輸，勢必會造成不必要的信號傳輸，從而造成網絡通道不必要的資源占用。因此，設計一個適當的觸發機制，使得控制系統既能保持良好的控制性能也能減少網絡通道資源的使用，是網絡化控制系統中的一個非常重要的課題。

發明內容

本發明的目的是針對上述現有技術的不足，提出了一種基于確定學習和事件觸發的輪式移動機器人的位置控制方法；針對神經網絡每次做任務都要重復訓練的問題，該方法利用確定學習理論，將收斂后的神經網絡權值存儲為經驗知識，當移動機器人再次做同樣任務的時候，可以直接調用經驗知識進行利用，而不需要重復訓練神經網絡；針對傳統時間觸發控制方法出現的不必要的網絡資源傳輸問題，該方法利用事件觸發機制，當不滿足所設事件觸發條件的時候，才進行信號的傳輸，從而避免了網絡資源浪費的問題。

本發明的目的可以通過如下技術方案實現：

本發明提供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，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；

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。

進一步的，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。

進一步的，步驟1中，所述期望的周期軌跡為：