一种基于事件触发的移动机器人轨迹跟踪控制方法与流程

本发明涉及机器人控制技术领域，具体来说是一种基于事件触发的移动机器人轨迹跟踪控制方法。

背景技术：

移动机器人相对于传统的工业机器人，具有工作效率高、驱动和控制简单、运行灵活方便等优点，因此在各领域具有广泛的应用。其中在民用领域，移动机器人可以代替人类从事各种繁重的任务，例如变电站设备的巡检、商场安保巡视、仓储物流配送等场合。在军事领域，各种无人作战机、拆弹防爆机器人等的应用也日益广泛。因此，随着智能化技术的日益成熟，各类移动机器人将会有更加广泛的应用。

轨迹跟踪控制是移动机器人研究的基础性问题，是智能化技术的核心，因此，提高移动机器人的轨迹跟踪控制性能对于提高机器人自动化水平具有重要的理论意义和实用价值；另一方面，目前大多数移动机器人都是通过各种算法进行控制的，由于不同算法对于计算资源和通信带宽的消耗不同，机器人的轨迹跟踪的精确度和消耗的能量也不同。因此，如何利用有限的计算资源，提高机器人轨迹跟踪的精度成为一个至关重要的课题。

机器人估计跟踪控制主要有两个难点：

1)如何建立机器人运动控制系统模型；

2)如何选取合适的事件触发条件，使得闭环系统稳定且跟踪到给定的机器人参考轨迹。

与本发明相关的现有技术一——基于机器视觉的机器人运动控制系统

现有技术一的技术方案为：

该方案提供了基于机器视觉的机器人运动控制系统，属于机器人技术领域。该技术方案包括机器人、视觉定位系统和运动控制系统，视觉定位系统包括定位相机和集成图像采集模块及图像数据处理模块的工控机，图像采集模块与定位相机连接，定位相机能将获取的图像输送给图像采集模块，图像经转换成数字信号传送给图像数据处理模块处理、储存及输送，图像数据处理模块与运动控制系统连接用于控制机器人空间位置。

现有技术一的缺点为：

1)由于需要对图像数据进行处理，数据处理量大；

2)没有对机器人系统进行建模。

与本发明相关的现有技术二——一种基于节能考虑的轮式移动机器人轨迹跟踪控制方法

现有技术二的技术方案为：

该发明提供了一种基于节能考虑的轮式移动机器人轨迹跟踪控制方法，属于机器人控制领域。该方案根据轮式移动机器人的能耗特点，考虑机器人巡航时的驱动电机能耗优化，构建电机的能耗模型；根据轮式移动机器人轨迹跟踪的特点，建立运动学模型及跟踪误差模型，设计运动学控制子控制器；根据运动学模型和电机能耗模型之间的内在关联机制，构建起关联模型；最后得到节能子控制器，从而获得一种基于节能考虑的轮是移动机器人轨迹跟踪控制方法。

现有技术二的缺点为：

1)系统中将运动控制器和节能控制器分开考虑，使得整体系统控制较复杂；

2)系统中只考虑后轮驱动电机的能耗，未考虑前导向轮中控制转向的电机能耗。

与本发明相关的现有技术三——运动控制系统及机器人系统

现有技术三的技术方案为：

该发明公开了一种运动控制系统及机器人系统。其中，该运动控制系统，用于控制机器人包括：第一处理器，用于运行运动控制算法，以生成用于控制机器人运动的控制逻辑；第二处理器，与第一处理器连接，用于将控制逻辑通过网络总线传输给对应的机器人。

现有技术三的缺点

1)没有实现精确的运动控制，即机器人不能准确的运动到目标点；

2)系统的实时性要求高，通信量很大。

技术实现要素：

本发明要解决的技术问题是如何减少机器人轨迹跟踪控制时的资源消耗和提升资源利用率。

本发明通过以下技术方案来解决上述技术问题：

一种基于事件触发的移动机器人轨迹跟踪控制方法，包括以下步骤：

1)建立移动机器人运动方程，给出参考机器人的动态方程，引入误差坐标系，得到系统跟踪误差的动态方程；

2)设计控制输入并给定控制输入的状态测量误差；

3)引入lyapunov函数,依据lyapunov函数设计事件触发条件，使误差动态系统稳定，并且移动机器人可以跟踪到参考机器人的轨迹；

4)计算3)中的事件触发条件，若满足则事件被触发，控制器状态进行更新；否则，控制器状态不更新，直到下一个触发时刻到来再更新；

5)返回步骤2)。

优选的，所述步骤1)中，移动机器人的运动方程为：

其中(x,y)是移动机器人在笛卡尔坐标系下的坐标，θ是机器人运动方向与x轴正向的夹角，(v,ω)是控制输入向量；

参考机器人的动力学方程为：

其中(xr,yr)是参考机器人在笛卡尔坐标下的坐标，θr是参考机器人运动方向与x轴正向的夹角，(vr,ωr)是参考机器人的控制输入向量；

引入误差坐标系如下：

其中(xe,ye,θe)是移动机器人与参考机器人的位姿误差；

根据式(1)～(3)可得系统跟踪误差的动态方程为：

其中t表示信号采样时间。

优选的，所述步骤2)中，设计控制器如下：

p(t),q(t)满足如下

(7)式中，ε＞0且p(t)，q(t)表示控制器的状态；

控制器状态测量误差定义为：

其中tp(k),tq(k)分别表示p(t),q(t)的第k次事件触发时刻；tp(k+1),tq(k+1)表示第k+1次事件触发时刻，p(tp(k))，q(tq(k))分别为第k次触发时刻p(t)，q(t)的状态值。

优选的，所述步骤3)中，选取lyapunov函数如下：

其中常数δ＞0；

对(8)式两边求一阶导数可得

由于v(t)＝p(t)，ω(t)＝q(t)，因此上式中v(tp(k))＝p(tp(k))，ω(tq(k))＝q(tq(k))；

将(6)式带入(9)式中得到

定义事件触发条件为：

其中0＜σp＜1并且0＜σq＜1；

将(11)式带入到(10)式中可得：

综合以上分析可知v(x)单调递减且趋于零，因此进一步由barbalat引理可得：

因此，由位姿误差可知，机器人可以跟踪到给定的参考机器人轨迹。

本发明的优点在于：

本文提出了一种基于事件触发控制的方法，相比于采用时间采样的控制方法，该方法可以有效节约计算和通信资源。事件触发机制只需要在某一预先设定的事件条件发生时才进行采样传送，并且控制系统的性能与时间触发下的系统性能相似。通过选择合适的事件条件，事件触发机制显著地减少了采样点，从而有效地节约了网络带宽资源。

本发明基于事件触发的移动机器人轨迹跟踪控制方法，在系统控制输入中加入事件触发机制，不仅保证了系统的渐近稳定性，使得机器人可以跟踪到给定的参考机器人轨迹，而且减少了系统控制中的采样次数，因此减少了系统资源的消耗，提升了资源的利用率。

附图说明

图1是本发明的控制算法流程图；

图2是本发明的移动机器人轨迹跟踪控制的结构图。

具体实施方式

为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：

本发明提供的完整技术方案(总的流程如图1所示)

3.2.1本发明的技术方案：

1)建立移动机器人运动方程，给出参考机器人的动态方程，引入误差坐标系，得到系统跟踪误差的动态方程；

2)设计控制输入并给定控制输入的状态测量误差；

3)引入lyapunov函数v(t),依据lyapunov函数设计事件触发条件，使误差动态系统稳定，并且移动机器人可以跟踪到参考机器人的轨迹；

4)计算3)中的事件触发条件，若满足则事件被触发，控制器状态进行更新；否则，控制器状态不更新，直到下一个触发时刻到来再更新；

5)返回步骤2)。

3.2.2本发明的具体实施方式：

1)建立系统的误差动态方程

首先建立移动机器人的运动方程：

其中(x,y)是移动机器人在笛卡尔坐标系下的坐标，θ是机器人运动方向与x轴正向的夹角，(v,ω)是控制输入向量。

参考机器人的动力学方程为：

其中(xr,yr)是参考机器人在笛卡尔坐标系下的坐标，θr是参考机器人运动方向与x轴正向的夹角，(vr,ωr)是参考机器人的控制输入向量。

引入误差坐标系如下：

根据式(1)～(3)可得系统跟踪误差的动态方程为

2)控制器设计，测量误差定义

本发明中，为了解决移动机器人轨迹跟踪问题，设计控制器如下：

p(t),q(t)满足如下

(6)式中，ε＞0且p(t)，q(t)表示控制器的状态；

控制器状态测量误差定义为

其中tp(k),tq(k)分别表示p(t),q(t)的第k次事件触发时刻；tp(k+1),tq(k+1)表示第k+1次事件触发时刻，p(tp(k))，q(tq(k))分别为第k次触发时刻p(t)，q(t)的状态值。

3)构造lyapunov函数，结合设计的事件触发条件，利用lyapunov第二法证明系统稳定性

选取lyapunov函数如下

其中常数δ＞0。

对(8)式两边求一阶导数可得

将(6)式带入(9)式中得到

定义事件触发条件为

其中0＜σp＜1并且0＜σq＜1。

将(11)式带入到(10)式中可得

综合以上分析可知v(x)单调递减且趋于零，因此进一步由barbalat引理可得

因此，由位姿误差可知，机器人可以跟踪到给定的参考机器人轨迹。

具体工作原理：

如图2所示，由给定的参考机器人动态和移动机器人的动态，得到关于状态误差的动态方程，通过传感器将状态误差传送给事件发生器，以得到控制器状态的误差并进一步得到控制器的状态测量误差，再将误差信号的采样状态保持送给控制器，然后控制器将控制信号发送给执行器，然后控制输入返回给机器人。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。