非完整约束轮式机器人运动控制器-笔记1

本文探讨了非完整约束WMR机器人的运动控制,重点介绍了基于视觉引导的控制框架、失速检测方法,如IMU和UKF状态观测器,并分析了不同控制策略,包括模糊、神经网络和强化学习。还讨论了四驱机器人控制的复杂性,强调了避障和输入饱和优化在实际应用中的重要性。
摘要由CSDN通过智能技术生成

关键词:The nonholonomic constraints of WMR 非完整约束WMR机器人
链接:https://open.weixin.qq.com/connect/oauth2/authorize?appid=wx21dd00cd1ccac236&redirect_uri=https%3A%2F%2Fwww.zhihu.com%2Foauth%2Fcallback%2Fwechat_mp%3Faction%3Dsocial_info%26from%3Dhttps%253A%252F%252Fzhuanlan.zhihu.com%252Fp%252F106593961%253Futm_source%253Dwechat_session%2526utm_medium%253Dsocial%2526s_r%253D0%2523showWechatShareTip&response_type=code&scope=snsapi_userinfo&state=38616561396434632d633861392d343136312d383764372d663730613730316562653566&connect_redirect=1#wechat_redirect
在这里插入图片描述在这里插入图片描述
图1 非完整约束WMR机器人模型

局限公式编辑的复杂性,建议读者自行阅读参考文献 [5] [9]。

运动控制器设计思路如下:
在这里插入图片描述
图2 轮式控制器设计流程
在文献[1]中也将WMR控制形式分为4类:

  • 行为基础控制 behavior-based control
  • 图论 graph theory
  • 虚拟结构控制 virtual structure
  • 领航者-跟随者方法 leader-follower approach

其中,leader-follower approach是WMR运动控制中最流行的控制方法。其控制方法可以理解获取目标点作为控制系统输入之一(个人理解)。后文中的控制器都是采用该运动控制方法,后文中控制器框图可有助于理解。 一个基于视觉引导的控制系统框架如下图。
在这里插入图片描述
图3 基于视觉引导的轮式机器人控制系统框架

在失速已知的情况下,可以采用线性、近似线性控制策略解决机器人运动控制问题[2]。参考文献[3],采用数据融合算法根据机器人机身惯性测量元件

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值