基于数据驱动高阶学习律的轮式移动机器人轨迹跟踪控制

李佳伟 林娜 池荣虎

0 引言

随着机器人技术的快速发展和社会的不断进步,轮式移动机器人(Wheeled Mobile Robot,WMR)凭借简单的机械结构、稳定的运行状态和强大的环境适应能力等独特的优势不仅被广泛应用于汽车生产和农产品种植等领域,在国家安全和空间探索等方面也发挥着重要作用[1-3].由于轮式移动机器人在各领域的广泛应用,其运动控制的关键问题包括路径规划、路径跟踪和运动避障等引起了研究人员的广泛关注.其中,路径跟踪[4-6]已成为当前研究的热点之一.

WMR本质上是一个强耦合、欠驱动、多变量非线性系统[6-8],其轨迹跟踪控制器设计存在许多困难和问题,许多专家学者对此做了大量的研究工作.考虑到轮式移动机器人操作过程中未知的参数变化和外部干扰,文献[9]提出了一种基于改进非线性状态观测器的开关增益自适应滑模控制器;文献[10]提出了一种基于神经网络优化的鲁棒模型预测控制方法,提高了模型预测控制的计算效率.

值得注意的是,目前大部分的研究工作都是基于模型的控制方法以实现路径跟踪,控制性能取决于模型精度,因此很难满足实际工作要求.同时,数据驱动控制[11-14](Data-Driven Control,DDC)在处理复杂动态过程的控制问题方面变得越来越流行,技术的进步使得获取和存储操作数据变得更加容易.DDC设计的原理是利用从实际系统中获得的测量数据来设计控制器,而不使用任何显式的辨识模型信息.

在实际工况中,WMR经常……