Динамическое поверхностное управление всенаправленным мобильным роботом с полными ограничениями состояния и насыщением входа

Введение. Исследована задача управления траекторией движения всенаправленного мобильного робота с полными ограничениями на состояние и насыщением входного сигнала. При движении робота в узком пространстве чрезмерные ошибки отслеживания траектории и скорости могут привести к столкновению. На практике явление насыщения входного сигнала двигателя может привести к тому, что контроллер не сможет достичь требуемых характеристик слежения. По этой причине при проектировании контроллера важно ограничить вектор состояния робота и компенсировать ошибку момента, которая возникает из-за насыщения привода. Метод. С помощью барьерной функции Ляпунова и метода backstepping проектируется виртуальный регулятор и регулятор динамики, которые обеспечивают стабилизацию состояния системы в заданной области ограничений при движении робота по траектории. Производная виртуального закона управления рассчитывается методом динамических поверхностей, что снижает вычислительную сложность. Для устранения влияния неопределенности параметров на движение робота и оценки неизвестных частей его модели применены нейронные сети. Для компенсации ошибок, возникающих при насыщении исполнительных механизмов, создана вспомогательная система. Основные результаты. Имитационный эксперимент выполнен в пакете прикладных программ MATLAB. Экспериментальные исследования показали, что разработанный алгоритм управления может реализовать точное траекторное движение робота в условиях ограничения состояний системы и насыщения входного сигнала в исполнительных механизмах. Обсуждение. Метод может быть применен для решения задачи управления мобильным роботом в ограниченном пространстве. Аналогичным образом он может быть применен ко всем роботам с аналогичной математической моделью.

1. Kramer J., Scheutz M. Development environments for autonomous mobile robots: A survey // Autonomous Robots. 2007. V. 22. N 1. P. 101–132. https://doi.org/10.1007/s10514-006-9013-8

2. Watanabe K., Shiraishi Y., Tzafestas S.G., Tang J., Fukuda T. Feedback control of an omnidirectional autonomous platform for mobile service robots // Journal of Intelligent and Robotic Systems. 1998. V. 22. P. 315–330. https://doi.org/10.1023/A:1008048307352

3. Kalmár-Nagy T., D’Andrea R., Ganguly P. Near-optimal dynamic trajectory generation and control of an omnidirectional vehicle // Robotics and Autonomous Systems. 2003. V. 46. N 1. P. 47–64. https://doi.org/10.1016/j.robot.2003.10.003

4. Liu Y., Zhu J.J., Williams R.L. II, Wu J. Omni-directional mobile robot controller based on trajectory linearization // Robotics and autonomous Systems. 2008. V. 56. N 5. P. 461–479. https://doi.org/10.1016/j.robot.2007.08.007

5. Huang H.C., Tsai C.C. Adaptive trajectory tracking and stabilization for omnidirectional mobile robot with dynamic effect and uncertainties // IFAC Proceedings Volumes. 2008. V. 41. N 2. P. 5383– 5388. https://doi.org/10.3182/20080706-5-KR-1001.00907

6. Alakshendra V., Chiddarwar S.S. Adaptive robust control of Mecanum-wheeled mobile robot with uncertainties // Nonlinear Dynamics. 2017. V. 87. N 4. P. 2147–2169. https://doi.org/10.1007/s11071-016-3179-1

7. Lu X., Zhang X., Zhang G., Fan J., Jia S. Neural network adaptive sliding mode control for omnidirectional vehicle with uncertainties // ISA Transactions. 2019. V. 86. P. 201–214. https://doi.org/10.1016/j.isatra.2018.10.043

8. Zijie N., Qiang L., Yonjie C., Zhijun S. Fuzzy control strategy for course correction of omnidirectional mobile robot // International Journal of Control, Automation and Systems. 2019. V. 17. N 9. P. 2354–2364. https://doi.org/10.1007/s12555-018-0633-5

9. Tee K.P., Ge S.S., Tay E.H. Barrier Lyapunov functions for the control of output-constrained nonlinear systems // Automatica. 2009. V. 45. N 4. P. 918–927. https://doi.org/10.1016/j.automatica.2008.11.017

10. Xi C., Dong J. Adaptive neural network-based control of uncertain nonlinear systems with time-varying full-state constraints and input constraint // Neurocomputing. 2019. V. 357. P. 108–115. https://doi.org/10.1016/j.neucom.2019.04.060

11. Ding L., Li S., Liu Y.J., Gao H., Chen C., Deng Z. Adaptive neural network-based tracking control for full-state constrained wheeled mobile robotic system // IEEE Transactions on Systems, Man, and Cybernetics: Systems. 2017. V. 47. N 8. P. 2410–2419. https://doi.org/10.1109/TSMC.2017.2677472

12. Dong C., Liu Y., Wang Q. Barrier Lyapunov function based adaptive finite-time control for hypersonic flight vehicles with state constraints // ISA Transactions. 2020. V. 96. P. 163–176. https://doi.org/10.1016/j.isatra.2019.06.011

13. Doyle J.C., Smith R.S., Enns D.F. Control of plants with input saturation nonlinearities // American Control Conference. IEEE, 1987. P. 1034–1039. https://doi.org/10.23919/ACC.1987.4789464

14. Mofid O., Mobayen S. Adaptive finite-time backstepping global sliding mode tracker of quad-rotor UAVs under model uncertainty, wind perturbation, and input saturation // IEEE Transactions on Aerospace and Electronic Systems. 2022. V. 58. N 1. P. 140–151. https://doi.org/10.1109/TAES.2021.3098168

15. Chen X., Jia Y., Matsuno F. Tracking control for differential-drive mobile robots with diamond-shaped input constraints // IEEE Transactions on Control Systems Technology. 2014. V. 22. N 5. P. 1999–2006. https://doi.org/10.1109/TCST.2013.2296900

16. Yang C., Huang D., He W., Cheng L. Neural control of robot manipulators with trajectory tracking constraints and input saturation // IEEE Transactions on Neural Networks and Learning Systems. 2021. V. 32. N 9. P. 4231–4242. https://doi.org/10.1109/TNNLS.2020.3017202

17. Gao Y.-F., Sun X.-M., Wen C., Wang W. Adaptive tracking control for a class of stochastic uncertain nonlinear systems with input saturation // IEEE Transactions on Automatic Control. 2017. V. 62. N 5. P. 2498–2504. https://doi.org/10.1109/TAC.2016.2600340

18. Levant A. Higher-order sliding modes, differentiation and outputfeedback control // International Journal of Control. 2003. V. 76. N 9-10. P. 924–941. https://doi.org/10.1080/0020717031000099029