热敏元件:基于模糊PD控制的四轮全方位移动机器人速度补偿控制器

　　由于机械差异和四个轮子的移动型机器人全向四轮驱动之间的耦合关系，即使单个马达的控制参数进行了优化，整个机器人的控制效果可能不是最佳的。速度补偿控制器旨在解决基于模糊控制和PD的控制理论这个问题，四个车轮机器人的速度可以被有效地在各种错误和e变化.DELTA.E误差补偿。Matlab-Simulink仿真实验表明，使用该速度补偿控制器的后，上线速度和角速度的机器人监控性能显著提高跟踪精度路径。键词：移动机器人全向，配平速度，微分控制正比于模糊逻辑，运动控制图分类号：TP242.6文献代码：基于模糊-PD的方法移动机器人全向四轮驱动的AVelocity补偿控制器Jianhui，杨Yimin（广东工业大学，广州510090中国）摘要contrôleKUANG：移动机器人的全方位轮驱动在机械四个轮子的差异。然每个发动机具有最佳设置时，机器人可以在文档提出了基于该控制方法FuzzyPD的速度补偿控制器，其可在各种差错率和补偿实时每个车轮的速度错误。Matlab的Simulink环境的模拟体验的结果表明，其结果是在下面的行速度的明显改善，并且机器人的角速度，从而提高性能监控关键词：全方位手机;速度补偿近年来，移动机器人全向诸如全自主足球机器人已经广泛应用于人类的生产和生活，因为其简单的控制能力和灵活的移动性，并具有广阔的应用前景。景越来越受到关注。方位移动机器人采用全方向轮的特殊驱动机构，在二维平面上具有三个自由度。可以在任何方向同时平移和旋转。动的速度和移动性大于自由度。于3个非全向移动机器人[1]。文所研究的完全自主机器人足球采用全向车轮结构4轮，且每个轮全向通过与编码器未直流有刷电机驱动。而，由于机器人的四个车轮之间的耦合关系，即使单个车轮控制是最佳的，该效果对于整个机器人也不一定是最佳的。句话说，控制系统不仅对单个发动机具有令人满意的控制效果，而且还必须有效地减少机器人运动的整体误差。解决这个问题，常用的解决方案是使机器人获得的控制量和状态量[2，3]之间的关系建立的运动学模型和准确的动态。然这种方法可以获得相对精确的控制方程，但计算起来很复杂，并且需要知道机器人的精确机械和环境参数。文件通过将基于模糊PD控制的速度补偿器添加到控制回路来解决该问题。轮全方位移动机器人的运动学模型首先给出了机器人身体坐标系的定义，即相对坐标系。器人本体的坐标系是一个坐标系与所述机器人作为原点和机器人为横坐标的方向的向前方向上的全向视觉系统的中央位置向右，如图所示。1.Vx是机器人本体的坐标系中的横坐标方向上的线速度是Vy机器人本体的坐标系，这是的角速度的纵轴的方向上的线速度机器人，正角速度是机器人身体坐标系的逆时针方向。
　　（VxVy）是机器人的速度矢量（下文中称为速度），v1，v2，v3，v4分别是1号的机器人，第2号， 3号，4号。轮的线速度。据四个车轮的机器人的布置，和δ1δ2分别45°和60°，从驱动轮的在车体的中心的中心的距离R是22.5厘米并且驱动轮的半径r是10厘米。1对图1坐标机器人本体和分解图中的机器人的世界坐标系的速度的系统被定义为在右侧与该场的中心为原点，并为目标的方向的坐标系对手为积极方向。据图1中所示的几何关系，的四个车轮的旋转速度被分解如下：v1v2v3v4=-cosδ1-sinδ1R-sin δ2cosδ2Rsinδ2cosδ2Rcosδ1-sinδ1RVxVy（2.1）的四个车轮的预期速度是：ω 1ω2ω3ω4=v1v2v3v4Krate（2.2）1ω2，图3，图4分别是四个车轮速度，是Krate轮子。速度与速度的转换比。们可以通过V =ωR知道：Krateωv= = 1R（2.3）控制系统的移动的运动控制系统架构的架构的图示于图2中的速度是示出通过对由加速度计测量的线性加速度进行积分并且通过陀螺仪测量角速度来获得线性机器人。个控制系统由两个闭环组成。环是所述机器人的速度误差通过取预期速率和反应速率的速度补偿控制器根据所述误差和变化d的速率获得速度补偿量之间的差错误。后将速度补偿量加到所需速度上，即校正所需速度。后，根据公式2.1，分解每个车轮的期望转速。实上，这会将速度补偿分散到四个车轮上，从而可以对四个车轮进行速度补偿。环是用于控制DC电动机速度的典型系统，并且通过从电动机的光电编码器盘返回的正交脉冲信号获得返回量。

　　于带内圈的无刷直流电机速度控制系统，该项目不予处理。们已经接受了单个无刷直流电机速度控制系统的精度，该系统侧重于外部回路速度补偿控制器的设计。2结构的控制器的结构的设计速率补偿控制器的运动控制系统图设计机器人（VxsVyss）的预期速度，并返回所述机器人的速度（V x ‘Vy’“），所述速度误差是（eVxeVye）=（Vxs-VxVys-Vys- “）。于通过对由加速度计测量的线性加速度进行积分来获得返回的线速度，因此精度不是很高。此，外环速度补偿控制器使用小型，高精度的控制算法，但必须尽可能提高精度，以确保速度，稳定性和控制的鲁棒性。为机器人具有以下特性：在x和体内的y方向坐标系统类似的运动，我们可以将速度误差为两个部分：线速度的误差（eVxeVy）和角速度误差e。速补偿控制器和角速度补偿控制器。度补偿控制器的输入是速度误差（eVxeVye）和输出是速度补偿量（uVxuVyU）。们知道，数字PID控制器的当前表达式为：U（K）= {Kp值E（k） =TTiΣki0e（ⅰ） TdT[E（k）的-e （K-1）]} =Kpe（K） =KiΣki0e（ⅰ） Kd[E（k）的-e（K-1）]（4.1）平均T为采样周期，k是采样频率，Kp是比例作用因子，Ki=KpTTi是积分动作系数K =Kd pTdT是微分作用的系数。公式4.1的第二项所示，积分项取决于所有先前的误差。前所述，作为回报，回来的线速度的精确度不是很高：如果引入了积分项，它会堆积在显著误差，大大提高运算量。此，本文采用PD控制方法，其表达如下：U（k）的=Kpe（K） Kd[E（k）的-e（K-1）]（4.2）控制器记录速度补偿参数是KpV，KdV和角度校正控制器的参数是KP，Kd。

　　KpV，KdV，KP，Kd都是正数，它可以从4.2获得：uVx（k）的uVy （K）=KpVeVx（k）的eVy（K） KdVeVx（k）的-eVx（K-1） VyE（k）的-eVy（K-1）（4.3）U（K）=Kpe（K） Kd[e（k）的-e（K- 1）]（4.4）由于两个速度补偿控制器的结构相似，我们可以考虑Vx的补偿。速分布的输入量是VxVy，其可以通过结合图4来可视化。2，式4.3和式4.4：VxVy=Vxs uVx（K） VysuVy（K） su（ K）（4.5）至Vx，当k-1和k是一个和另一个，预期的速度等于反应速率，即VxsV当x = ‘，eVx= 0，uVx（k）= 0，Vx=Vxs。Vxs>Vx”，也就是说eVx（K）> 0，则实际速度小于预期的速度，如果几个eVx（k）的-eVx （K-1）> 0，表明误差在grandir.A的这一阶段的过程中，式4.3的右侧为正，则最高补偿量uVx（k）为然后得到，使Vx>Vxs。过速度分布补偿每个车轮的补偿量，从而机器人在x方向上增加速度以减小误差。这一点上，热敏元件eVx（k）的-eVx（K-1）<0，等式4.3的右侧的第二项变为负值和补偿uVx的量（k）变小。够平滑地改变机器人的速度，减少振动。他情况的分析是类似的。置PD控制器参数在机器人控制算法中，PID和PD是最简单的控制算法。制算法不仅简单，还提供了方便的参数设置，良好的鲁棒性和高可靠性。而，它是一种基于数学对象模型的方法，特别是对于可以建立精确数学模型的确定性控制系统。于机器人足球系统是一个复杂的多变量，强耦合和随时间变化，则难以维持上述性能，并且当系统负载或参数改变设计的所期望的效果。而，模糊控制不需要掌握被控对象的数学模型，可以克服非线性因素的影响，具有很强的鲁棒控制对象的参数变化，并能减少超调，提高抗干扰能力，缩短设置。间[4，5]。于上述原因，本文结合模糊控制和PD控制的优点与基于模糊控制参数的自动调整功能，以设计一个模糊PD控制器。3自调整模糊PD控制器如图3所示，我们使用自调整模糊规则调整PD控制器的Kp，Kd参数。体而言，误差e和.DELTA.E误差变化率的系统的操作过程中被连续检测，并且两个设置根据模糊控制的原理，以满足不同的操作条件在线路改变（通过e表示和Δe）（Kp，Kd）的要求不同，最终得到良好的动静态控制性能。结以前的控制系统设计经验：何时| e | Kp应该更大，Kd应该更小，这可以加快系统的响应速度，使机器人能够快速可靠地返回到所需的路径;当| e |中等，Kp应该很小，因此过冲很小，Kd应该是合适的，因为它对系统响应有更大的影响;当| e | Kp越小，Kp越宽，系统表现出更好的稳态性能，Kd也应该有助于避免平衡点附近的振荡[6]。据以上分析，我们划分| e |和| Δe|两个模糊集，表示为“大”（L），“中”（M）和“小”（S），和它们的从属关系函数是如下所示。在图a和图4的B中所示，该形状可以使用参数a1，a2，a3和b1，b2，b3进行调整。4语言变量的隶属函数| e |和| Δe|根据|的不同组合e |和| Δe|在相应的运行条件下自动设定参数的模糊控制规则如下：rule1：IF [和] THEN 规则2：IF [和] THEN rule3：IF [和] THEN rule4：IF [和]那么规则5：IF [and] THEN | e |和| Δe|通过反复试验获得各种组合的Kp，Kd。

　　最大| e |和| Δe|通常在机器人开始加速时发生，较小的那些| e |和| Δe|通常在机器人以恒定速度线性移动时发生，而介质| e |和| Δe|当机器人以弧形行走时发生。此，根据实际情况，对于|的最大组合e |和| Δe|，我们尝试参数Kp，Kd几次，直到机器人的起动速度令人满意;对于小家伙| e |和| Δe|组合，让我们尝试一套Kp，Kd，这样机器人可以采取更准确的直线;对于媒体的组合| e |和| Δe|，尝试一组Kp，Kd使机器人能够进行更精确的圆周运动;对于|的其他组合e |和| Δe|，可以根据实际情况组合前三种情况的参数Kp，Kd。外，在上述的规则，Kp1，Kd1是由机器人，Kp2的线性测试获得的参数，Kd2是由圆周的试验中获得的参数机器人Kp3，Kd3是机器人开始测试的参数。真实验本文在MatlabSimulink环境下对机器人运动控制系统进行建模和仿真。了便于分析，根据实际应用，我们发送以下假设：在平坦的表面上的机器人移动到忽略地面的不规则性，车轮和地面之间的滚动摩擦足够小滚动轮子;钢体，不论变形。外，由于传感器和陀螺仪不能用来测量模拟体验机器人的速度，我们可以从四个车轮的转动速度得到了机器人的实际速度2.1和2.2的制剂：Vx’Vy ”=（sinδ1 cosδ2）00012R（sinδ1 cosδ2）-1cosδ 1-1sinδ21sin21cosδ1-111-1cosδ2sinδ1sinδ1cosδ21’ω2“ ω3“4’1 /Krate（5.1）的模拟体验的性能参数参数Matlab的DC无刷电动机：额定功率60瓦，额定转矩85 MNM;额定转速8，050转;额定电压24 V;额定电流3.44A;转子惯量33.3gcm2;电枢电阻0.611Ω;电枢电感0.119 mH;扭矩常数25.9 mNm / A; 369转/分速度恒定;机械时间常数为3.03 ms。
　　速电机的参数为：减速比1:22，转动惯量0.8 gcmg2。
　　器人参数如下：23 kg体重，22.5厘米半径，车轮半径10厘米，摩擦转矩在车轮牛1.86为了测试就行速度机器人的跟踪性能。角速度，模拟实验允许机器人遵循全局坐标系中的S形曲线。体而言，给定的机器人的所述主体的所述坐标系的x方向上的线速度为1微米/s和y方向的线速度为0微米/s，​​和x轴的正方向机器人本体的坐标系指向世界y轴的正方向。机器人改变取向的θ=π4sin（πT）的法律的角度，从而使机器人的角速度是π24cos=（πT）。验中的补偿器的速度的速度补偿器进行比较，并获得四个车轮的速度曲线，机器人速度曲线和机器人的轨迹，如在点图5a，图5的b和c示出分别。果分析：当速度补偿器未被激活时，四个车轮的旋转速度（特别是在第一和第三轮）具有滚动轨道机器人的曲率大的波动，从而使机器人的线性速度也更好。动很大。为模拟实验没有介绍关于机器人返回位置（事实上，在机器人的返回位置通过（a）中的四个车轮速度曲线（b）机器人的速度曲线经过（ c）该机器人路径…的预期速度曲线，并且当速度补偿器已经被去激活的行程曲线速度的速度曲线和速度曲线和轨迹当巡航控制被激活图5在S轨道上的以下实验的结果表明，所实现的全向视觉自定位），从而使速度误差相对于位置误差的积累，该机器人的轨迹从所希望的轨迹上的显著偏差：补偿率的激活之后，所述四个车轮的旋转速度的波动被显著降低，从而使机器人跟随线速度和所述速度ngulaire期望。度改进后，机器人的轨迹也更接近所需的轨迹。论由于四个车轮的全方位移动机器人四轮驱动之间的耦合关系，即使一个发动机控制参数进行了优化，整个机器人控制效果可能不最佳。外，因为在网站上的不同的材料，有在四个车轮的组装误差，车轮与场之间的摩擦是不连贯和四个驱动马达具有机械的差异，这使得它们加速过程中四个非相干加速轮，从而使机器人实际运转。势和所需姿势之间存在间隙。外，机器人的速度越大，铺设的间隙越大。活速度补偿器后，整个机器人将在闭环中进行控制。PD模糊控制用于实时基于特定工况补偿速度，最后将其分配到所有四个车轮，提高了轨迹跟踪的准确性。考文献[1] LUCAÇALESSANDRO DL，我STEFANO，移动机器人轮驱动差动控制的轨道跟踪控制[C] //国际会议机器人和自动化，底特律，MI，美美国：IEEE，1999：2632-2638。2]熊荣，张伟，严健等。轮全方位移动机器人的建模与优化控制[J]。

　　制理论与应用，2006，23（1）：93-98。[3]宋海涛，张国良，王世成等。制全方位移动机器人的最短时间[J]。气与控制机械学报，2008，12（3）：337-342。[4]陈其军，王月娟，陈惠堂。于PD [J]控制的机器人轨迹跟踪性能搜索与比较。制与决策，2003，18（1）：53-57。[5]张玉洲，杨维静，张安祥。糊自适应PID控制搜索及应用仿真[J]。算机模拟，2009，26（9）：132-135。[6]徐力。能控制与智能系统[M]。

　　京：机械工业出版社，2007，2（1）：132-135。意：请阅读PDF格式的原始文本，评论，公式等。
　　本文转载自
　　热敏元件www.wisdom-thermostats.com