基于滑模变结构控制的机器人轨迹跟踪及仿真研究(5)
关于移动机器人的跟踪控制，前人已经作了大量的研究。其中具有代表性的研究方法：非线性状态反馈控制法，滑模控制法，反馈线性化方法，计算力矩法，回退法，自适应控制法，智能控制法，综合性控制法。这些控制方法各有优势，并且互有交叉。
1) 非线性状态反馈方法主要是通过非线性状态反馈，基于非完整移动机器人运动学模型，设计非线性状态反馈控制律，得到一个闭环系统。这里的状态，是指非完整移动机器人闭环控制系统状态空间方程中的状态向量，用非完整移动机器人期望轨迹与实际轨迹之间的位姿误差来表示。该方法最大的问题在于如何使系统全局渐近稳定在原点平衡状态。
2) 滑模控制就是迫使系统在一定条件下沿规定的状态轨迹作小幅度高频率的上下运动，即滑动模态或“滑模运动”，这种滑动模态可以设计，与系统的参数与扰动无关。它是一种非线性鲁棒控制方法，可与很多种方法相结合，从而具有不同的有点。根据我所阅读的文献，归纳起来大致有以下几种：自适应滑模控制和鲁棒滑模控制等。所谓滑模控制，在闫茂德，吴青云，贺昱曜的《非完整移动机器人的自适应滑模轨迹跟踪控制》中着重介绍了基于动力学模型描述的非完整移动机器人的自适应滑模轨迹跟踪控制，实现了非完整移动机器人系统的全局渐近轨迹跟踪控制。邹小兵，蔡自兴的《非完整移动机器人道路跟踪控制器设计及应用》综合后退方法与模糊滑模控制方法设计非完整移动机器人的状态反馈控制系统，当大误差存在时，模糊滑模控制限定移动机器人在反馈控制器的稳定区域中运动，在小误差范围时，则由平滑的状态反馈控制器实现平稳快速的镇定。滑模控制的主要问题在于控制律中的不连续项会直接转移到输出项，使系统在不同的控制逻辑之间来回高速切换引起系统出现不可避免的抖振现象，造成实际控制效果较差。为了克服这一缺点，可以和其他方法如模糊控制等方法结合起来使用。
3) 动态反馈线性化方法需要控制中闭环特征值不变并有负实部，此方法不能保证由参考轨迹与实际轨迹产生的状态跟踪误差是渐近稳定的，因为系统仍然是时变的。
4) 回退法，即后退法，是一种根据李雅普诺夫函数来构造控制器，使积分环节串联的各子系统逐级稳定的方法，适用于具有严格反馈结构的系统。某些文献给出了基于简化的动力学模型的后退方法，通过设计合适的辅助速度控制输入实现非完整移动机器人对期望轨迹的跟踪。该方法的主要问题在于控制器的结构和设计过程十分复杂。而且要求机器人能够提供充分大的加速度，这在实际中很难实现。
5) 自适应控制当受控系统参数发生变化时，通过及时地辨识、学习和调整控制律，可以达到一定的性能指标。但是自适应方法实现过于复杂，难于满足一般的非完整移动机器人控制的实时性要求，而且当存在参数不确定性时，自适应控制较难保证系统的稳定性，所以尚未应用于实际非完整移动机器人平台。
6) 智能控制使控制系统设计不再依赖于数学模型，摆脱了线性局限，同时也为解决非完整移动机器人运动控制问题提供了新的手段，具有巨大的理论价值和应用前景。对运动控制问题，主要应用的是模糊控制和神经网络控制。模糊控制具有轨迹跟踪稳定和精度较高的优点，但是对系统的实时性要求比较高，即若存在大时滞时，模糊控制的性能会降低，所以采用预测控制与模糊控制结合的方法来解决该问题。但模糊规则的建立是一个十分棘手的问题，控制效果一般很不理想。神经网络具有大规模并行处理，分布式记忆，自学习自适应及联想功能等优点，因此可用来解决机器人控制等复杂问题。而自适应模糊控制能根据环境的变化改变参数，提高了灵活性和准确性，需要在线或离线学习，占用大量系统资源，严重降低了运动控制的实时性。对于非完整移动机器人控制，智能控制方法目前仍停留在理论研究阶段。
下一篇：基于IMM的机动目标跟踪算法研究