<div>
	Управление отслеживанием траектории для мобильных роботов с адаптивным коэффициентом усиления </div>

Чэнь Чжицян , Ляо Дучжэшэн , Краснов Александр Юрьевич, Ли Яньюй

doi:10.17586/2226-1494-2023-23-5-904-910

2023 , ТОМ 23, НОМЕР 5 ( сентябрь-октябрь )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2023-23-5-904-910

УДК 62-50

Управление отслеживанием траектории для мобильных роботов с адаптивным коэффициентом усиления

Чжицян Ч., Дучжэшэн Л., Краснов А.Ю., Яньюй Л.

Читать статью полностью

Язык статьи - английский

Ссылка для цитирования:

Чжицян Ч., Дучжэшэн Л., Краснов А.Ю., Яньюй Л. Управление отслеживанием траектории для мобильных роботов с адаптивным коэффициентом усиления // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23, № 5. С. 904–910 (на англ. яз.). doi: 10.17586/2226-1494-2023-23-5-904-910

Аннотация

Введение. Исследованы задачи слежения за траекторией и настройки коэффициента усиления регулятора для колесных мобильных роботов. Коэффициент усиления регулятора оказывает большое влияние на процесс отслеживания траектории движения робота. Выбор требуемого коэффициента усиления в процессе проектирования регулятора очень важен, поскольку его значение может влиять на точность и скорость отслеживания. Существующие в настоящее время нейросетевые регуляторы коэффициента усиления имеют сложную структуру и требуют для поиска оптимального значения значительных вычислительных ресурсов. Для решения этой проблемы предложен контроллер слежения за траекторией с простой структурой и адаптивным коэффициентом усиления, реализованный путем объединения контроллера с нейронной сетью. Входным сигналом для контроллера служит ошибка ориентации робота. Контроллер не имеет скрытого слоя и напрямую выдает закон управления отслеживанием траектории. Метод. На основе метода функций Ляпунова разработан кинематический регулятор, обеспечивающий движение робота по опорной траектории. С помощью нейронной сети предложен алгоритм онлайн-регулировки коэффициента усиления, который позволил ускорить изменение коэффициента усиления регулятора и обеспечил надежность его работы. Для разработки регулятора слежения за скоростью на основе ошибки между виртуальной и реальной скоростью применен метод бэкстеппинга. Для учета влияния внешней среды и оценки суммарных возмущений предложен нелинейный наблюдатель возмущений. Основные результаты. Выполнен имитационный эксперимент в среде MATLAB, который показал, что предложенный алгоритм управления позволяет реализовать точное слежение за роботом по заданной траектории. Алгоритм регулировки коэффициента усиления дает возможность быстро и эффективно найти оптимальное значение коэффициента усиления, что повышает устойчивость и эффективность работы регулятора. Обсуждение. Метод может найти применение для решения большинства задач слежения за траекторией движения мобильного робота и решает проблему настройки коэффициента усиления управления.

Ключевые слова: колесный мобильный робот, управление отслеживанием траектории, онлайн-оценка параметров усиления, метод backstepping, наблюдатель нелинейных возмущений

Список литературы

Xiao X., Liu B., Warnell G., Stone P. Motion planning and control for mobile robot navigation using machine learning: a survey // Autonomous Robots. 2022. V. 46. N 5. P. 569–597. https://doi.org/10.1007/s10514-022-10039-8
Tzafestas S.G. Mobile robot control and navigation: A global overview // Journal of Intelligent & Robotic Systems. 2018. V. 91. N 1. P. 35–58. https://doi.org/10.1007/s10846-018-0805-9
Pandey A., Pandey S., Parhi D.R. Mobile robot navigation and obstacle avoidance techniques: A review // International Robotics & Automation Journal. 2017. V. 2. N 3. P. 22. https://doi.org/10.15406/iratj.2017.02.00023
Kanayama Y., Kimura Y., Miyazaki F., Noguchi T. A stable tracking control method for an autonomous mobile robot // Proc. of the IEEE International Conference on Robotics and Automation. 1990. P. 384–389. https://doi.org/10.1109/ROBOT.1990.126006
Sun S. Designing approach on trajectory-tracking control of mobile robot // Robotics and Computer-Integrated Manufacturing. 2005. V. 21. N 1. P. 81–85. https://doi.org/10.1016/j.rcim.2004.04.002
Xin L., Wang Q., She J., Li Y. Robust adaptive tracking control of wheeled mobile robot // Robotics and Autonomous Systems. 2016. V. 78. P. 36–48. https://doi.org/10.1016/j.robot.2016.01.002
Huang J., Wen C., Wang W., Jiang Z.-P. Adaptive output feedback tracking control of a nonholonomic mobile robot // Automatica. 2014. V. 50. N 3. P. 821–831. https://doi.org/10.1016/j.automatica.2013.12.036
Shojaei K., Shahri A.M., Tarakameh A., Tabibian B. Adaptive trajectory tracking control of a differential drive wheeled mobile robot // Robotica. 2011. V. 29. N 3. P. 391–402. https://doi.org/10.1017/S0263574710000202
Huang J., Wen C., Wang W., Jiang Z.-P. Adaptive stabilization and tracking control of a nonholonomic mobile robot with input saturation and disturbance // Systems & Control Letters. 2013. V. 62. N 3. P. 234–241. https://doi.org/10.1016/j.sysconle.2012.11.020
Jiang Z.P., Nijmeijer H. Tracking control of mobile robots: A case study in backstepping // Automatica. 1997. V. 33. N 7. P. 1393–1399. https://doi.org/10.1016/S0005-1098(97)00055-1
Fierro R., Lewis F.L. Control of a nonholomic mobile robot: Backstepping kinematics into dynamics // Journal of Robotic Systems. 1997. V. 14. N 3. P. 149–163. https://doi.org/10.1002/(SICI)1097-4563(199703)14:3<149::AID-ROB1>3.0.CO;2-R
Fukao T., Nakagawa H., Adachi N. Adaptive tracking control of a nonholonomic mobile robot // IEEE Transactions on Robotics and Automation. 2000. V. 16. N 5. P. 609–615. https://doi.org/10.1109/70.880812
Mudi R.K., Pal N.R. A self-tuning fuzzy PI controller // Fuzzy Sets and Systems. 2000. V. 115. N 2. P. 327–338. https://doi.org/10.1016/S0165-0114(98)00147-X
Le T.D., Kang H.J., Suh Y.S., Ro Y.-S. An online self-gain tuning method using neural networks for nonlinear PD computed torque controller of a 2-dof parallel manipulator // Neurocomputing. 2013. V. 116. P. 53–61. https://doi.org/10.1016/j.neucom.2012.01.047
Zong Q., Zhao Z.S., Zhang J. Higher order sliding mode control with self-tuning law based on integral sliding mode // IET Control Theory & Applications. 2010. V. 4. N 7. P. 1282–1289. https://doi.org/10.1049/iet-cta.2008.0610
Sungthong A., Assawinchaichote W. Particle swam optimization based optimal PID parameters for air heater temperature control system // Procedia Computer Science. 2016. V. 86. P. 108–111. https://doi.org/10.1016/j.procs.2016.05.027
Yamada T., Yabuta T. Neural network controller using autotuning method for nonlinear functions // IEEE Transactions on Neural Networks. 1992. V. 3. N 4. P. 595–601. https://doi.org/10.1109/72.143373
Zeng W., Wang Q., Liu F., Wang Y. Learning from adaptive neural network output feedback control of a unicycle-type mobile robot // ISA Transactions. 2016. V. 61. P. 337–347. https://doi.org/10.1016/j.isatra.2016.01.005
Chen W.H., Ballance D.J., Gawthrop P.J., O'Reilly J. A nonlinear disturbance observer for robotic manipulators // IEEE Transactions on Industrial Electronics. 2000. V. 47. N 4. P. 932–938. https://doi.org/10.1109/41.857974

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License