×
哈克谢纳斯·M·阿米雷扎;穆罕默德·迈赫迪·法塔赫;艾哈迈迪、赛义德·穆罕默德

电动非完整轮式移动机器人的自适应控制：基于泰勒级数的方法，具有保证的渐近稳定性。 （英语） Zbl 1467.93174号

国际期刊改编。控制信号处理。 34，第5期，638-661（2020）.
摘要：利用自适应泰勒级数逼近器，本研究旨在研究电动差动驱动轮式移动机器人的两回路鲁棒控制器。在外环中设计了一个虚拟电流信号，使系统具有良好的跟踪性能和渐近稳定性。此外，电流误差将通过内部回路中的实际控制输入最小化。对于内外环，不确定非线性函数都可以用自适应泰勒级数系统逼近。为了验证所提出的控制算法，对两种不同的期望轨迹和多个初始条件进行了大量仿真。同时，将该控制器与最近设计良好的鲁棒自适应模糊控制器进行了比较。此外，为了简化轮式移动机器人的数学建模过程，使用MATLAB的Simscape多体环境进行三维仿真。

引用于1文件

MSC公司：

93C40型 自适应控制/观测系统
93C85号 控制理论中的自动化系统（机器人等）
93天20分 控制理论中的渐近稳定性
70层25 与粒子系统动力学有关的非完整系统
41A58型 级数展开式（例如泰勒级数、利德斯通级数，但不是傅里叶级数）

关键词：

自适应泰勒级数;渐近稳定性;simscape多体;双回路控制;轮式移动机器人

软件：

Matlab公司;Simscape公司;机构动态仿真模块组;Simscape多体
PDF格式BibTeX公司 XML格式引用
\textit{A.Haqshenas M.}等人，国际期刊Adapt。控制信号处理。34，第5号，638--661（2020；Zbl 1467.93174）
全文： 内政部

参考文献：

[1] 利马，里贝罗密歇根州。移动机器人。高等教育研究所（Instituto Superior Técnico）/科学院（Instituteo de Sistemas e Robótica）：课程讲义；2002
[2] SiegwartR、NourbakhshIR、ScaramuzzaD、ArkinRC。自主移动机器人简介。美国：麻省理工学院出版社；2011
[3] MurphyRR、KravitzJ、StoverSL、ShoureshiR。矿山救援和恢复中的移动机器人。IEEE机器人自动化杂志2009；16(2):91‐103.
[4] DemirisY卡尔森。机器人轮椅的协同控制：性能、注意力和工作量的评估。IEEE Trans-Syst、Man、Cybernet。2012;42(3):876‐888.
[5] GelhausFE，RomanHT公司。机器人在核电站中的应用。Prog Nucl Energy，1990年；23(1):1‐33.
[6] CaltabianoD、MuscatoG。用于火山勘探的机器人系统。收录：Kordic V，Lazinica A，Merdan M，eds.《前沿机器人：高级机器人系统科学书籍》。德国：支持文学；2005:499‐519.
[7] DeSantisRM。带差动驱动的移动轮式机器人的建模和路径跟踪控制。机器人。1995;13(4):401‐410.
[8] ZalzalaAMS ChenMW公司。非完整移动机械手的动力学建模和基于遗传的轨迹生成。控制工程实践。1997;5(1):39‐48.
[9] 路易斯安那州费罗。使用神经网络控制非完整移动机器人。IEEE Trans神经网络。1998;9(4):589‐600.
[10] 克雷格JJ。机器人学导论：机械和控制。第3卷。美国新泽西州上鞍河：皮尔逊/普伦蒂斯·霍尔；2005:48‐70.
[11] 莱文森达·凯恩特。动力学、理论与应用。纽约州纽约市：McGraw Hill；1985
[12] TannerHG，基里亚科普洛斯KJ。Kane对移动机械手建模的方法。高级机器人。2002年；16(1):57‐85.
[13] 设计EA。吉布斯-阿佩尔运动方程。美国物理学杂志。1988;56(9):841‐846.
[14] MirzaeinejadH，ShafeiAM。两轮移动机器人的建模和轨迹跟踪控制：Gibbs-Appell和基于预测的方法。机器人。2018;36(10):1551‐1570.
[15] UtkinVI，GuldnerJ。使用用于导航和滑模控制的Lyapunov函数稳定非完整移动机器人。决策与控制，1994年，第33届IEEE会议记录。第3卷。佛罗里达州布埃纳维斯塔湖：IEEE；1994:2967‐2972.
[16] BeMentSL ZhaoY。轮式移动机器人的运动学、动力学和控制。机器人与自动化，1992年。诉讼程序。，1992年IEEE国际会议。法国尼斯：IEEE；1992:91‐96.
[17] 路易斯安那州费罗。非完整移动机器人的控制：将运动学倒退为动力学。J机器人系统。1997;14(3):149‐163. ·Zbl 0897.70019号
[18] DongW，KuhnertKD公司。具有参数和非参数不确定性的非完整移动机器人鲁棒自适应控制。IEEE Trans机器人。2005;21(2):261‐266.
[19] 布拉季奇S。一种新型轮式移动机器人轨迹跟踪控制律。机器人自动系统。2011;59(11):1001‐1007.
[20] 黄杰、文C、王伟、江泽平。非完整移动机器人的自适应输出反馈跟踪控制。自动化。2014;50（3）：821‐831·Zbl 1298.93239号
[21] 绍贾伊克。m，s型轮式移动机器人的神经自适应输出反馈编队控制。IET控制理论应用。2016;11(4):504‐515.
[22] JardinePT、KoganM、GivigiSN、YousefiS。基于强化学习的差动驱动机器人自适应预测控制。国际J自适应控制信号处理。2019;33(2):410‐423. ·Zbl 1417.93220号
[23] TinhN、HoangT、PhamM、DaoN。基于高斯小波网络的轮式移动机器人鲁棒自适应跟踪控制器。国际J控制。2018;92:2681‐2692. https://doi.org/10.1080/00207179.2018.1458156。 ·Zbl 1425.93236号 ·doi:10.1080/00207179.2018.1458156
[24] 翟杰，宋志波。轮式移动机器人的自适应滑模轨迹跟踪控制。国际J控制。2018;92:2255‐2262. https://doi.org/10.1080/00207179.2018.1436194。 ·Zbl 1423.93084号 ·doi:10.1080/00207179.2018.1436194
[25] 陈德、李斯、廖尔。一种用于具有物理约束的移动机器人最优运动控制的递归神经网络。应用软计算。2019;85:105880. https://doi.org/10.1016/j.asoc.2019.105880。 ·doi:10.1016/j.asoc.2019.105880
[26] 杨杰、肖福、陈特。无速度测量的非完整移动机器人的事件触发编队跟踪控制。自动化。2019;112:108671. https://doi.org/10.1016/j.automatica.2019.108671。 ·Zbl 1430.93152号 ·doi:10.1016/j.automatica.2019.108671
[27] ShojaeiK、ShahriAM、TarakaehA、TabibianB。差速驱动轮式移动机器人的自适应轨迹跟踪控制。机器人。2011;29(3):391‐402.
[28] 阿拉巴·法特姆。采用电压控制策略对轮式移动机器人进行鲁棒控制。非线性动力学。2015;79(1):335‐348.
[29] AlanisAY、Lopez‐FrancoM、Arana‐DanielN、Lopez-FrancoC。电动非完整移动机器人的离散时间神经控制。国际J自适应控制信号处理。2012;26(7):630‐644. ·Zbl 1250.93077号
[30] 绍贾伊克。带饱和执行器的轮式移动机器人的神经自适应鲁棒输出反馈控制。国际J自适应控制信号处理。2015;29(7):855‐876. ·Zbl 1330.93167号
[31] BoukensM、BoukabouA、ChadliM。基于鲁棒自适应神经网络的非完整电动移动机器人轨迹跟踪控制方法。机器人自动系统。2017;92:30‐40.
[32] NguyenDT、TranCC、LeHD、PhamTT、NguyenCN。利用BFGS算法训练基于RBF神经网络的全方位移动机器人自适应滑模控制。2018年国际机械工程机器人研究杂志；7(4):367-373.
[33] 丁磊、李斯、高赫、陈C、邓姿。轮式移动机器人系统基于自适应部分强化学习神经网络的跟踪控制。IEEE Trans-Syst、Man、Cybernet：系统。2018https://doi.org/10.109/TSMC.2018.2819191。 ·doi:10.1109/TSMC2018.2819191
[34] 黄赫、周杰、迪奇、周杰和李杰。基于鲁棒神经网络的输入饱和轮式移动机器人跟踪控制与镇定。国际J鲁棒非线性控制。2019;29(2):375‐392. ·Zbl 1411.93160号
[35] 左伊、王伊、刘X。基于小波变换和概率神经网络的菱形探月轮式移动机器人自适应鲁棒控制策略。计算应用数学。2018;37(1):314‐337. ·Zbl 1438.93175号
[36] SinghNH、ThongamK。基于神经网络的移动机器人在静态和移动障碍物环境中导航方法。智能服务机器人。2019;12(1):55‐67.
[37] XiaK，GaoH，DingL，等。基于模糊神经网络和扩展卡尔曼滤波的轮式移动机械手轨迹跟踪控制。神经计算应用。2018;30(2):447‐462.
[38] ShiW彭斯。非完整轮式移动机器人的自适应模糊输出反馈控制。IEEE接入。2018;6:43414‐43424.
[39] WuX、JinP、ZouT、QiZ、XiaoH、LouP。基于模糊滑模控制的差动移动机器人后退轨迹跟踪。智能机器人系统杂志。2019;96(1):109‐121.
[40] BegniniM、BertolDW、MartinsNA。轮式移动机器人有效鲁棒自适应模糊变结构跟踪控制的实际实现。J智能模糊系统。2018;35(1):1087‐1101.
[41] 齐尔科希姆。基于直接自适应函数逼近技术的机器人控制。动态系统，测量控制。2018;140(1):011006.
[42] 纳维德·萨马迪尔·托赫迪。最短路径问题近似解的勒让德谱配置法。系统科学控制工程2015；3(1):62‐68.
[43] KhorashadizadehS，ZareiR。使用勒让德多项式对一类不确定非线性系统进行直接自适应无模型控制。Trans-Inst测量控制。2019;41(11):3081‐3091.
[44] KotAC PatraJC公司。基于切比雪夫函数链人工神经网络的非线性动态系统辨识。IEEE Trans-Syst Man Cybern B Cybern.电气与电子工程师协会。2002年；32(4):505‐511.
[45] ZouAM、KumarKD、HouZG。基于四元数的Chebyshev神经网络航天器自适应输出反馈姿态控制。IEEE Trans神经网络。2010年；21(9):1457‐1471.
[46] ChenZ，JagannathanS。仿射非线性离散时间系统的基于广义Hamilton-Jacobi-bellman公式的神经网络控制。IEEE Trans神经网络。2008;19(1):90‐106.
[47] RigatosGG公司。使用基于hermite多项式的神经网络控制具有柔性部件的机器人系统。机器人操纵器的新成就。英国伦敦：IntechOpen；2010
[48] 阿特金森科。数值分析导论。纽约州纽约市：John Wiley&Sons；2008
[49] QuarteroniA，SaccoR，SaleriF，《数值数学》。第37卷。柏林，海德堡：施普林格科学与商业媒体；2010
[50] RabinowitzP，RalstonA。数值分析第一课程。纽约州纽约市：McGraw-Hill；2001
[51] 艾哈迈迪SM，FatehMM。机器人的泰勒级数渐近跟踪控制。机器人。2019;37(3):405‐427.
[52] 艾哈迈迪SM，FatehMM。基于自适应不确定性估计的电动机器人鲁棒控制。计算机电子工程2016；56:674‐687.
[53] 艾哈迈迪SM，FatehMM。使用自适应泰勒级数不确定性估计器的机器人任务空间控制。国际J控制。2019;92(9):2159‐2169. ·Zbl 1421.93090号
[54] 艾哈迈迪SM，FatehMM。使用直接自适应泰勒级数控制器的机器人任务空间渐近跟踪控制。J可控震源控制。2018;24(23):5570‐5584.
[55] KlancarG、ZdesarA、BlazicS、SkrjancI。轮式移动机器人：从基础到自治系统。荷兰阿姆斯特丹：Butterworth‐Heinemann；2017
[56] KwanC、LewisFL、DawsonDM。刚性连杆电动机器人的鲁棒神经网络控制。IEEE跨神经网络。1998;9(4):581‐588.
[57] LiY、Qiang S、ZangX、KaynakO。使用RBF神经网络的非线性系统的鲁棒和自适应反步控制。IEEE Trans神经网络。2004;15(3):693‐701.
[58] SpongMW、HutchinsonS、VidyasagarM。机器人建模与控制。第3卷。纽约：威利；2006:187‐227.
[59] 斯洛汀·JJE，LiW。应用非线性控制。第199卷，第1期。新泽西州恩格尔伍德悬崖：普伦蒂斯大厅；1991. ·Zbl 0753.93036号
[60] Mohareio、DhaouadiR、RadAB。基于神经网络的非完整移动机器人间接自适应跟踪控制。神经计算。2012;88:54‐66.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。