[发明专利]一种基于ESO的移动机器人双闭环滑模轨迹跟踪控制系统

说明书

本发明涉及移动机器人轨迹跟踪控制技术领域，具体公开了一种基于ESO的移动机器人双闭环滑模轨迹跟踪控制系统，包括运动学控制器、变量转换器、IFPRRL滑模控制器、扩展状态观测器(ESO)、驱动电机、方位反馈模块。在进行轨迹跟踪时，首先给出期望位置x_d、y_d，随后根据方位反馈模块实时反馈的实际位置求出期望位置与实际位置的误差e_x、e_y，并通过运动学控制器得到此时移动机器人的期望线速度v_d与期望角速度ω_d，通过控制驱动电机跟随v_d与ω_d，形成外环闭环控制，内环闭环控制采用IFPRRL滑模控制器，并通过ESO观测扰动，能够有效控制驱动电机跟随v_d、ω_d，最终形成双闭环控制系统。本系统能够在提升到达时间的前提下，继续保持低抖振的优势，鲁棒性强。

技术领域

本发明涉及移动机器人轨迹跟踪控制技术领域，尤其涉及一种基于ESO(扩 展状态观测器)的移动机器人双闭环滑模轨迹跟踪控制系统。

背景技术

移动机器人广泛应用在国防、工业、农业等领域，根据使用场景、环境条件、 跟踪精度不同，所使用的控制系统也不相同。比如用在国防领域的移动机器人需 要对轨迹进行精确控制，对系统精度要求高，用在工业上的巡检机器人只需完成 相应的巡检轨迹，用在农业上的割草机器人只需跟踪割草路径，对跟踪精度的要 求相对较弱。但是在以上任意一种工作环境中，环境条件变化都会使系统不稳定， 导致跟踪精度欠佳，使得移动机器人偏离工作轨迹，难以完成规定任务，因此研 究一种能够保证跟踪精度且兼顾鲁棒性的算法尤其重要。

目前针对三轮差分驱动机器人轨迹跟踪控制方法主要有PID控制、反演控 制(back-stepping)、智能控制、自适应控制、滑模变结构控制等。PID控制简单， 工作可靠，被广泛应用在移动机器人轨迹跟踪控制中，但其针对移动机器人这种 非线性、欠驱动、强耦合的复杂系统来说，在实时性和鲁棒性上表现不好。反演 法控制一种由前向后递推的设计方法，针对在线控制，实时性能好，但由于每次 模拟只能够对固定时刻求解，所以针对非线性系统性能有所降低。神经网络具有 超强学习能力，所以在轮式移动机器人的跟踪控制也有所应用，以神经网络为代 表的智能控制功能强大，但由于其计算复杂、硬件要求高在工程应用不成熟。轮 式移动机器人工作环境复杂多变、数学模型难以准确建立，给系统的准确控制带 来了很多不确定因素，而自适应控制研究对象是具有一定程度不确定性的系统，因此有学者在轨迹跟踪控制上采用自适应控制算法，基于自适应的控制方法能 很好解决不确定干扰，但设计过程繁琐、成本较高，实现复杂。

变结构控制是一类非线性控制方法，因其系统结构不固定，且随着系统当前 状态有规律发生变化，形成一种独特的“滑动模态”沿着状态轨迹运动，因此又 称为滑模变结构控制(Sliding Mode Control,SMC)。因为“滑动模态”能够自行 设计，且与系统参数与扰动无关，因此具有设计简单、快速响应和鲁棒性强等优 点。但是缺点也很明显，在状态到达滑模面后，很难保证在滑模面上，而是来回 穿越，产生抖振，这对一般的控制器执行机构来说是承受不住的，因此如何降低 这种抖振成为滑模控制的重要问题，许多学者对此展开研究。