基于启发式动态规划的履带机器人路径跟随控制方法

针对移动机器人传统路径跟随控制方法需要人工调校参数、缺乏自主优化能力的问题,提出了一种基于启发式动态规划(Heuristic dynamic programming,HDP)的路径跟随控制方法。首先,设计履带式机器人路径跟随控制系统结构,建立了误差状态方程;其次,提出了一种基于HDP算法的路径跟随控制方法,综合误差性能指标和跟随稳定性指标设计了回报函数,采用多层前馈神经网络逼近评价器和执行器,并推导了网络参数的在线优化规则;最后,通过数值仿真和系统试验验证了HDP方法的路径跟随性能。试验结果证明,基于HDP算法的控制器跟随直线的平均误差绝对值为0.04 m、均方根误差为0.06 m;跟随钝角转向曲线的平均误差绝对值为0.01 m、均方根误差为0.06 m;跟随锐角转向曲线的平均误差绝对值为0.03 m、均方根误差为0.09 m。该方法不需要对控制参数进行反复调试就能够获得较好的控制效果,提高了移动机器人路径跟随控制方法的环境适应性和自主优化能力。

基于无迹卡尔曼改进微分动态轨迹规划的实时算法

针对经典微分动态规划算法优化机器人移动轨迹实时性差的问题,根据拉格朗日插值法建立二阶动力学控制模型,采用无迹变换传递动力学参数与差分简化了海森矩阵和梯度计算方法,对比分析了无迹微分动态规划算法与原算法优化机器人轨迹的迭代时间。结果表明,改进算法的求解时间较原算法缩短了37.2%。无迹微分动态规划算法在轨迹最优规划中保留了原算法求解特性且提高了轨迹规划实时性。