CN108839026B - 一种移动机器人视觉伺服跟踪预测控制方法 - Google Patents
一种移动机器人视觉伺服跟踪预测控制方法 Download PDFInfo
- Publication number
- CN108839026B CN108839026B CN201810795014.5A CN201810795014A CN108839026B CN 108839026 B CN108839026 B CN 108839026B CN 201810795014 A CN201810795014 A CN 201810795014A CN 108839026 B CN108839026 B CN 108839026B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- defining
- input
- matrix
- tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000000007 visual effect Effects 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000005096 rolling process Methods 0.000 claims description 5
- 239000013589 supplement Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
一种移动机器人视觉伺服跟踪预测控制方法,包括以下步骤:1)考虑输入约束,将移动机器人视觉伺服跟踪控制问题建模成一类具有参数不确定的跟踪误差状态空间模型;2)设计预测性能指标函数;3)基于预测控制算法设计视觉伺服跟踪控制器;4)定义输入约束;5)设计伺服跟踪预测控制器。本发明提供了一种可以有效解决具有输入约束的移动机器人视觉伺服跟踪预测控制方法。
Description
技术领域
本发明涉及基于视觉的移动机器人伺服跟踪控制***,尤其涉及的是存在输入限制的移动机器人视觉伺服预测控制方法。
背景技术
随着科学技术和控制技术的发展,计算机视觉在各个领域已有广泛的运用,视觉数据信息量丰富,处理手段丰富等特点使得基于视觉的移动机器人控制被广泛应用于科研、军事、工业以及物流等领域。路径跟踪作为移动机器人运动控制中的基本问题之一,一直备受广泛关注。因此,针对基于视觉的移动机器人伺服跟踪控制技术的研究,不仅可以丰富移动机器人运动控制的理论成果,还可以满足多领域对运动控制技术越来越高的要求,具有重大的理论和工程意义。此外,通过引入视觉信息,延展了移动机器人的能力范围,可以有效满足人机交互的需求。
然而在实际的实验过程中,尤其是复杂背景下,存在各种不确定性的因素干扰移动机器人的伺服跟踪控制,给基于视觉的移动机器人伺服跟踪控制带来的新的机遇与挑战。
预测控制方法是一种将***分为了预测模型,滚动优化和反馈优化几个部分并设计控制器使得整个***在闭环控制下渐近稳定的控制策略。相较于其他控制方法,预测控制采用的是滚动优化策略,非一次全局性的优化,能够及时的弥补以及校正模型失配、畸变、干扰等引起的不确定性,动态性能较好,近年来在移动机器人伺服跟踪领域受到普遍的关注。刘洋等人在论文(基于模型预测控制的移动机器人路径跟踪控制)中利用非线性模型预测控制(Nonlinear Model Predictive Control,NMPC)具有滚动优化和反馈校正的机理,能够处理***的状态约束和输入约束。邓骏等人在论文(基于预测控制的非完整移动机器人视觉伺服)中提出模型预测控制可以把目标函数转化为一个二次规划的问题,在有限时域内执行预测控制,然后通过原对偶神经网络在线求解上述二次规划问题,从而实现视觉伺服***的控制任务。肖涵臻等人在论文(基于预测控制方法的轮式机器人编队)中为了能成功控制住者两个***,实验中采用了模型预测控制(MPC)作为控制方法。模型预测控制通过构建一个带约束的二次规划(QP)求最优问题,并迭代地实时求这个最优问题,得到最优控制输入。然而,这些结果都没有将基于视觉伺服跟踪控制***中引入有限优化时域的带约束的预测控制方法以及提出状态反馈的设计方法并设计成预测控制器。并且在实际应用当中,机器人的运动受到速度调节限制,因此,针对具有输入约束的移动机器人视觉伺服预测跟踪控制方法的研究很有必要。
发明内容
为了克服现有技术无法解决移动机器人视觉伺服预测跟踪控制问题的不足,本发明提供一种移动机器人视觉伺服预测跟踪控制方法,通过将该问题建模为一类具有参数不确定的跟踪误差模型,基于该模型给出了预测指标,同时提供了预测反馈控制器求解方法。
本发明解决其技术问题所采用的技术方案是:
一种移动机器人视觉伺服预测跟踪控制方法,包括以下步骤:
1)建立基于视觉的移动机器人模型,定义x和y为归一化后的相机横纵坐标,zc为相机的z轴坐标,相机在相机坐标系下的速度矢量为vc和ωc分别为移动机器人的在z轴线速度和x-z平面角速度,机器人在自身坐标系下的速度矢量为vr和ωr分别为移动机器人的参考在z轴线速度和x-z平面角速度,则基于视觉的移动机器人运动学模型为:
2)建立基于视觉的移动机器人跟踪误差模型,定义ρ1和ρ2代表特征点在像素坐标系下的实时位置
定义yc是摄像机的原点到特征点的高度,对(2)式进行求导得
eθ=θ-θ* (4)
把式(3)代入(5)中得
将式(6)进行利用采样周期T的一阶泰勒级数展开法离散化,得到模型:
e(k+1)=A(ω(k))e(k)+Bu(k) (7)
定义角速度更新规则为
ωc(k+1)=0.8ωc(k)+0.06e-0.01kT (8)
由于ωc(k)是有界时变参数,将***转化为参数不确定模型处理有界时变参数:
ΔA=DF(t)E
3)定义预测性能指标函数
其中,m为控制时域,p为优化时域,Q>0和R>0表示权重矩阵,e(k+i|k)表示基于跟踪误差模型的k+i时刻的状态预测值,u(k+1|k)表示k时刻使滚动指标(10)优化的受控序列{u(k|k),u(k+1|k),......,u(k+m|k)}在k+1时刻的值,根据预测控制的特点,只有输入u(k|k)施加到***控制中,然后到下一时刻,重新计算优化问题得到不同的受控输入序列;
定义李雅普诺夫函数V(e(k|k))=eT(k|k)Pe(k|k),则
其中P是2维对称正定矩阵,即
e(k+i|k)TQe(k+i|k)+u(k+i|k)TRu(k+i|k)≤-ΔV(k) (12)
根据李雅普诺夫渐近稳定性理论可知,最小化V(e(k|k))=e(k|k)TPe(k|k),P>0等价于
令Q=γP-1>0,则根据Schur补定理可知,又可等价于
4)定义输入约束
||u(k)||2≤umax (15)
其中umax表示输入的最大值,利用线性矩阵不等式方法得式(13)等价于
5)设计预测跟踪控制器
利用李雅普诺夫稳定性理论及线性矩阵不等式方法得到保证移动机器人移动到期望位置的充分条件:
通过Matlab中的LMI工具箱求解得W,X,进一步得移动机器人跟踪问题反馈控制器的解为u(k)=K(k)e(k),其中,K(k)=WX-1。
本发明的技术构思为:首先,考虑输入限制的影响,将移动机器人跟踪控制问题建模为一类具有参数不确定的跟踪误差状态空间模型。然后,基于该模型给出预测指标并将其转化为一个最优化问题。最后,采用预测控制方法求解优化问题,给出了通过LMI求解控制器参数的方法。
本发明的有益效果主要表现在:通过将输入限制和参数不确定***转化为线性矩阵不等式,易于求解最优化问题;结合预测方法求解反馈控制器参数,能够离线计算控制器参数;给出了反馈控制器的具体参数,有效解决了具有输入约束影响下移动机器人视觉伺服预测跟踪控制问题。
附图说明
图1是移动机器人坐标建立示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种移动机器人视觉伺服预测跟踪控制方法,包括以下步骤:
1)建立基于视觉的移动机器人模型,定义x和y为归一化后的相机横纵坐标,zc为相机的z轴坐标,相机在相机坐标系下的速度矢量为vc和ωc分别为移动机器人的在z轴线速度和x-z平面角速度,机器人在自身坐标系下的速度矢量为vr和ωr分别为移动机器人的参考在z轴线速度和x-z平面角速度,则基于视觉的移动机器人运动学模型为:
2)建立基于视觉的移动机器人跟踪误差模型,定义ρ1和ρ2代表特征点在像素坐标系下的实时位置
定义yc是摄像机的原点到特征点的高度,对(2)式进行求导得
eθ=θ-θ* (4)
把式(3)代入(5)中得
将式(6)进行利用采样周期T的一阶泰勒级数展开法离散化,得到模型:
e(k+1)=A(ω(k))e(k)+Bu(k) (7)
定义角速度更新规则为
ωc(k+1)=0.8ωc(k)+0.06e-0.01kT (8)
由于ωc(k)是有界时变参数,将***转化为参数不确定模型处理有界时变参数:
ΔA=DF(t)E
3)定义预测性能指标函数
其中,m为控制时域,p为优化时域,Q>0和R>0表示权重矩阵,e(k+i|k)表示基于跟踪误差模型的k+i时刻的状态预测值,u(k+1|k)表示k时刻使滚动指标(10)优化的受控序列{u(k|k),u(k+1|k),......,u(k+m|k)}在k+1时刻的值,根据预测控制的特点,只有输入u(k|k)施加到***控制中,然后到下一时刻,重新计算优化问题得到不同的受控输入序列;
定义李雅普诺夫函数V(e(k|k))=eT(k|k)Pe(k|k),则
其中P是2维对称正定矩阵,即
e(k+i|k)TQe(k+i|k)+u(k+i|k)TRu(k+i|k)≤-ΔV(k) (12)
根据李雅普诺夫渐近稳定性理论可知,最小化V(e(k|k))=e(k|k)TPe(k|k),P>0等价于
令Q=γP-1>0,则根据Schur补定理可知,又可等价于
4)定义输入约束
||u(k)||2≤umax (15)
其中umax表示输入的最大值,利用线性矩阵不等式方法得式(13)等价于
5)设计预测跟踪控制器
利用李雅普诺夫稳定性理论及线性矩阵不等式方法得到保证移动机器人移动到期望位置的充分条件:
通过Matlab中的LMI工具箱求解得W,X,进一步得移动机器人跟踪问题反馈控制器的解为u(k)=K(k)e(k),其中,K(k)=WX-1。
Claims (1)
1.一种移动机器人视觉伺服跟踪预测控制方法,其特征在于,所述方法包括以下步骤:
1)建立基于视觉的移动机器人模型,定义x和y为归一化后的相机横纵坐标,zc为相机的z轴坐标,相机在相机坐标系下的速度矢量为vc和ωc分别为移动机器人的在z轴线速度和x-z平面角速度,机器人在自身坐标系下的速度矢量为vr和ωr分别为移动机器人的参考在z轴线速度和x-z平面角速度,则基于视觉的移动机器人运动学模型为:
2)建立基于视觉的移动机器人跟踪误差模型,定义ρ1和ρ2代表特征点在像素坐标系下的实时位置
定义yc是摄像机的原点到特征点的高度,对(2)式进行求导得
eθ=θ-θ* (4)
把式(3)代入(5)中得
将式(6)进行利用采样周期T的一阶泰勒级数展开法离散化,得到模型:
e(k+1)=A(ω(k))e(k)+Bu(k) (7)
定义角速度更新规则为
ωc(k+1)=0.8ωc(k)+0.06e-0.01kT (8)
由于ωc(k)是有界时变参数,将***转化为参数不确定模型处理有界时变参数:
ΔA=DF(t)E
3)定义预测性能指标函数
其中,m为控制时域,p为优化时域,Q>0和R>0表示权重矩阵,e(k+i|k)表示基于跟踪误差模型的k+i时刻的状态预测值,u(k+1|k)表示k时刻使滚动指标(10)优化的受控序列{u(k|k),u(k+1|k),......,u(k+m|k)}在k+1时刻的值,根据预测控制的特点,只有输入u(k|k)施加到***控制中,然后到下一时刻,重新计算优化问题得到不同的受控输入序列;
定义李雅普诺夫函数V(e(k|k))=eT(k|k)Pe(k|k),则
其中P是2维对称正定矩阵,即
e(k+i|k)TQe(k+i|k)+u(k+i|k)TRu(k+i|k)≤-ΔV(k) (12)
根据李雅普诺夫渐近稳定性理论可知,最小化V(e(k|k))=e(k|k)TPe(k|k),P>0等价于
令Q=γP-1>0,则根据Schur补定理可知,又可等价于
4)定义输入约束
||u(k)||2≤umax (15)
其中umax表示输入的最大值,利用线性矩阵不等式方法得式(13)等价于
5)设计预测跟踪控制器
利用李雅普诺夫稳定性理论及线性矩阵不等式方法得到保证移动机器人移动到期望位置的充分条件:
通过Matlab中的LMI工具箱求解得W,X,进一步得移动机器人跟踪问题反馈控制器的解为u(k)=K(k)e(k),其中,K(k)=WX-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810795014.5A CN108839026B (zh) | 2018-07-19 | 2018-07-19 | 一种移动机器人视觉伺服跟踪预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810795014.5A CN108839026B (zh) | 2018-07-19 | 2018-07-19 | 一种移动机器人视觉伺服跟踪预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108839026A CN108839026A (zh) | 2018-11-20 |
CN108839026B true CN108839026B (zh) | 2021-04-06 |
Family
ID=64196377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810795014.5A Active CN108839026B (zh) | 2018-07-19 | 2018-07-19 | 一种移动机器人视觉伺服跟踪预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108839026B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109760047B (zh) * | 2018-12-28 | 2021-06-18 | 浙江工业大学 | 一种基于视觉传感器的舞台机器人预测控制方法 |
CN109799698B (zh) * | 2019-01-30 | 2020-07-14 | 上海交通大学 | 时滞视觉伺服***最优pi参数优化方法及*** |
CN110244703B (zh) * | 2019-03-28 | 2022-05-03 | 浙江工业大学 | 一种具有外部干扰和数据异常的移动机器人预测控制方法 |
CN110116410B (zh) * | 2019-05-28 | 2021-03-12 | 中国科学院自动化研究所 | 基于视觉伺服的机械臂目标导引方法 |
CN111931387B (zh) * | 2020-09-23 | 2020-12-22 | 湖南师范大学 | 一种面向移动柱状组合体的视觉伺服趋近方法 |
CN113031590B (zh) * | 2021-02-06 | 2022-09-23 | 浙江同筑科技有限公司 | 一种基于李雅普诺夫函数的移动机器人视觉伺服控制方法 |
CN112947569B (zh) * | 2021-03-09 | 2022-08-12 | 中南大学 | 基于预设性能四旋翼无人机视觉伺服目标跟踪控制方法 |
CN113848908B (zh) * | 2021-09-27 | 2024-04-05 | 浙江工业大学 | 一种全方位移动机器人视觉伺服***的建模与控制方法 |
CN114610047B (zh) * | 2022-03-09 | 2024-05-28 | 大连海事大学 | 一种在线深度估计的qmm-mpc水下机器人视觉对接控制方法 |
CN114714351B (zh) * | 2022-04-06 | 2023-06-23 | 上海工程技术大学 | 用于移动机械臂的抗饱和目标跟踪控制方法及控制*** |
CN114721275B (zh) * | 2022-05-13 | 2022-09-09 | 北京航空航天大学 | 一种基于预设性能的视觉伺服机器人自适应跟踪控制方法 |
CN117506913A (zh) * | 2023-11-27 | 2024-02-06 | 山东科技大学 | 一种基于事件触发模型预测的视觉伺服控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2729480B1 (fr) * | 1995-01-16 | 1997-04-04 | Sextant Avionique | Procede de pilotage d'un aerodyne par asservissement sur une trajectoire horizontale determinee a partir de points de passage |
CN102880062B (zh) * | 2012-09-04 | 2014-12-31 | 北京化工大学 | 基于非线性模型预测的智能小车2.5维视觉伺服控制方法 |
US8972061B2 (en) * | 2012-11-02 | 2015-03-03 | Irobot Corporation | Autonomous coverage robot |
CN105116900B (zh) * | 2015-08-28 | 2017-07-25 | 浙江工业大学 | 基于Nash迭代的分布式多移动机器人编队控制方法 |
CN106292290B (zh) * | 2016-09-28 | 2019-01-29 | 浙江工业大学 | 一种轮式移动机器人点镇定滚动优化控制方法 |
CN106371442B (zh) * | 2016-11-02 | 2019-03-19 | 河海大学常州校区 | 一种基于张量积模型变换的移动机器人控制方法 |
CN106933107B (zh) * | 2017-05-15 | 2019-09-27 | 中南大学 | 一种基于多自由度控制量设计的输出跟踪鲁棒预测控制方法 |
-
2018
- 2018-07-19 CN CN201810795014.5A patent/CN108839026B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108839026A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108839026B (zh) | 一种移动机器人视觉伺服跟踪预测控制方法 | |
CN108614560B (zh) | 一种移动机器人视觉伺服保性能跟踪控制方法 | |
CN105772917B (zh) | 一种三关节点焊机器人轨迹跟踪控制方法 | |
CN107662211A (zh) | 一种基于量子粒子群算法的空间机器人预测控制方法 | |
CN107065564B (zh) | 一种基于自抗扰的中性浮力机器人姿态与轨迹控制方法 | |
CN109901403A (zh) | 一种自主水下机器人神经网络s面控制方法 | |
Mu et al. | Nonlinear sliding mode control of a two-wheeled mobile robot system | |
CN110095983B (zh) | 一种基于路径参数化的移动机器人预测跟踪控制方法 | |
CN107160401B (zh) | 一种解决冗余度机械臂关节角偏移问题的方法 | |
CN109760047B (zh) | 一种基于视觉传感器的舞台机器人预测控制方法 | |
Hu et al. | Sliding mode control unified with the uncertainty and disturbance estimator for dynamically positioned vessels subjected to uncertainties and unknown disturbances | |
CN108170151A (zh) | 一种水下机器人的自适应运动控制装置及其方法 | |
CN110744552A (zh) | 一种基于奇异摄动理论的柔性机械臂运动控制方法 | |
CN110703692A (zh) | 一种基于虚拟结构法的多移动机器人分布式预测控制方法 | |
Li | Robot target localization and interactive multi-mode motion trajectory tracking based on adaptive iterative learning | |
Yan et al. | Robust nonlinear model predictive control of a bionic underwater robot with external disturbances | |
Qi et al. | Three-dimensional formation control based on filter backstepping method for multiple underactuated underwater vehicles | |
CN112947430B (zh) | 一种移动机器人的智能轨迹跟踪控制方法 | |
Cai et al. | ROS-based depth control for hybrid-driven underwater vehicle-manipulator system | |
CN109828586B (zh) | 基于非线性不确定性的无人船舶鲁棒h∞航向控制方法 | |
Hong-Bin et al. | Open-closed loop ILC corrected with angle relationship of output vectors for tracking control of manipulator | |
CN114012733B (zh) | 一种用于pc构件模具划线的机械臂控制方法 | |
Wu et al. | Adaptive iterative learning control of robotic manipulator with second-order terminal sliding mode method | |
CN114879508A (zh) | 一种基于模型预测控制的磨削机器人路径跟踪控制方法 | |
Priyadarshini et al. | Controller Design for the Pitch Control of an Autonomous Underwater Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |