面向二维移动机器人的路径规划算法综述

路径规划技术是移动机器人避开障碍物且快速移动到目标点的有效方法。为了了解不同环境条件下路径规划策略的发展,找出研究差距,回顾了移动机器人及其路径规划的发展历史;将移动机器人路径规划算法分为两大类:基于先验信息的全局路径规划和基于传感器信息的局部路径规划,重点对相关算法进行了优缺点概述以及分析总结;此外列举了一些新颖的方法,目的是缩短移动机器人的规划时间,亦或是得到最优的路径;强调了移动机器人路径规划算法在未来的几个可以深入研究的方向。

一种抑制共振模态影响的伺服系统控制器设计新方法

伺服控制系统的控制性能会受到机械共振的影响,导致实际应用时控制器参数需要进行额外的调整。为了提高PID参数设计的准确性,减小共振模态对控制系统的影响,在设计伺服系统位置环控制器前,建立共振模态的数学模型,并将共振模态看成伺服系统位置环被控对象的一部分。然后,根据已包含了共振模态的被控对象的数学模型来设计伺服系统的二自由度控制器,其中前馈控制器通过不变性原理设计,反馈控制器通过提出的五阶极点配置的方法进行设计。结果表明:提出的伺服系统设计新方法能够有效提高控制系统的性能,减小机械共振的影响。因此,对于已知共振模态的伺服控制系统,该设计方法得到的控制器参数更加适用,能有效减小实际调试的难度。

基于全部参数自适应Smith预估补偿的永磁同步电机滑模前馈控制及扰动抑制

在永磁同步电机控制系统中,逆变器的延迟效应会降低系统的跟踪性能和稳定裕度。引入Smith预估补偿器可以补偿延迟环节对系统性能的影响,但Smith预估补偿器要求延迟时间和被控对象模型参数已知,这不符合实际情况。为此提出时变模型自适应预估方法,分别对延迟时间和被控对象模型参数进行自适应估计,实现Smith预估补偿器的全参数自适应。设计基于位置输出超前值预测和扰动抑制的滑模前馈控制器,与全参数自适应Smith预估补偿控制相结合,确保控制系统的全局稳定,降低系统对参数不确定的敏感性,并提高系统的抗扰性。仿真结果表明,与传统及多种改进的Smith预估补偿方法相比,该方法有着更高的跟踪精度,即使在非理想条件下,对参数不确定依然具有较强的鲁棒性,对随机扰动依然具有较强的干扰抑制能力。

改进扩张状态观测器下永磁同步电动机滑模控制

为了提高永磁同步电动机(permanent magnet synchronous motor,PMSM)伺服系统的鲁棒性,提出了一种基于改进扩张状态观测器(expanded state observer,ESO)和滑模控制(sliding mode control,SMC)相结合的复合控制器。首先,提出了一种基于新型趋近律的SMC,该新型趋近律中引入系统状态变量,使趋近速度变得与系统状态相关,同时能够保证系统状态在有限时间到达滑模面并收敛到零;其次,利用ESO估计系统状态并抵消外部扰动,且针对传统的fal函数易引起系统抖振和误差较大时引起系统增益大的问题,提出了一种新的fal函数;最后,在Matlab/Simulink中进行仿真。仿真结果表明:相比于使用传统SMC的系统,使用了该新型控制器的系统其响应时间快0.042 s,加入负载扰动时有更好的抗扰动性能,故在使用新型控制器下的系统有更好动态性能和控制精度。

基于两级滤波的改进滑模观测器PMSM无速度传感器控制

针对永磁同步电动机(permanent magnet synchronous motor,PMSM)伺服系统中由滑模观测器引起的位置估算误差以及抖振问题,提出了一种改进的两级滤波滑模观测器。首先,根据PMSM的数学模型,设计了利用传统滑模观测器估计定子电流和反电动势的估计算法;其次,分析了传统滑模观测器在PMSM伺服系统应用中的不足;再次,提出了一种新的饱和函数以代替传统的符号函数,改进了滑模观测器的控制律;最后,通过变截止频率滤波器和卡尔曼滤波器组成的二级滤波器,得到PMSM转子更精确的位置估计信息。利用Matlab,对使用了传统观测器的系统和使用改进的观测器的系统分别进行了仿真,仿真结果表明:与使用了传统观测器的PMSM伺服系统相比,使用了改进观测器的PMSM伺服系统转速误差更小、估算结果更准确。

基于模糊时变滑模的永磁同步电机调速系统设计

针对永磁同步电机突然加入负载时存在的转速波动和不稳定问题,提出一种基于积分时变滑模面和新型模糊增益趋近律的滑模调速方法。采用积分时变滑模面,在传统积分滑模面中加入一个时变项,借此提升系统的响应速度。改进传统的指数趋近律,加入非线性函数来削弱系统的抖振,同时根据不同的系统状态用模糊算法整定趋近律增益参数,着重于提升趋近速度和系统抗扰动能力。最后,使用李雅普诺夫稳定性判据证明了该控制系统的稳定性。在MATLAB/Simulink环境下将此控制策略与传统滑模控制策略进行对比,仿真结果表明:采用此控制方法的系统响应速度更快、抑制系统扰动和抖振的能力更强,具备更好的综合性能。

基于自适应扰动和改进趋近律的永磁同步电机滑模调速系统

针对永磁同步电机突然加入负载时存在的转速波动和不稳定问题,提出一种基于自适应扰动和新型趋近律的滑模速度控制方法。在趋近律内引入系统状态变量,同时改进趋近律内的数学关系,从而提高系统趋近速度的自适应调节能力,达到提升系统综合性能的目的;利用李雅普诺夫稳定性判据进行反推,对负载转矩进行了自适应估计,使得文中控制策略满足李雅普诺夫稳定判据的同时,降低了外部负载对电机转速的影响。最后,在Simulink环境下将文中控制策略与传统滑模控制策略进行对比。仿真结果表明:采用文中控制方法的系统响应更快、抑制系统抖振的能力更强,此方法能够有效地提高系统的综合性能,实现更稳定的转速控制。

基于多智能体强化学习的滑模控制器参数整定

针对永磁同步电机系统中滑模控制器参数多且范围大难以整定,从而导致永磁同步电机控制效果不佳的问题,提出利用多智能体强化学习对滑模控制器参数进行整定的方法。该方法通过多个智能体共享奖赏的方式对控制器每个参数进行独立寻优,有效避免了不同参数选取范围差别较大而导致智能算法多参数同步寻优时产生的维度灾难问题。通过Python与MATLAB联合仿真,并与采用遗传算法整定参数的控制器进行比较,结果表明:多智能体的多臂老虎机算法较遗传算法整定的速度滑模控制器在超调量、响应速度、抗干扰能力和鲁棒性方面具有明显的优势,验证了该方法能够有效地解决滑模控制器参数难以整定的问题。

改进D^(*)算法下的无人机三维路径规划

针对无人机使用传统D^(*)算法进行三维路径自主规划过程中,存在算法效率低和路径拐点多且复杂等问题,给出一种改进的D^(*)算法。首先,使用变步长的方式扩展节点,加快算法在规划阶段遍历节点的速度;同时,使用切比雪夫距离和曼哈顿距离的融合式作为代价值,改进代价函数,缩减算法计算量,克服算法效率低的问题;最后,将三维地图以及所得路径投影到二维平面上,选取关键节点,舍弃冗余节点,优化生成路径,所得路径的拐点数减少、复杂性降低。使用MATLAB进行仿真实验,仿真结果表明:改进后D^(*)算法可以有效利用于无人机在三维环境下的路径规划,在加快算法效率和提高路径质量方面取得了预期效果。

结合先验知识与深度强化学习的机械臂抓取研究

在应用深度强化学习(deep reinforcement learning,DRL)实现机械臂自主行为决策过程中,高维连续的状态-动作空间易引起数据采样效率低及经验样本质量低,最终导致奖赏函数收敛速度慢、学习时间长。针对此问题,提出一种引入先验知识的DRL模型。该模型与机械臂逆运动学相结合,在DRL采样阶段引入先验知识指导智能体(Agent)采样,解决学习过程中的数据采样效率低、经验样本质量低的问题;同时通过网络参数迁移的方式验证引入先验知识的DRL模型在面对新任务时仍具有较强的泛化能力;最后,利用Python和CoppeliaSim仿真平台进行联合仿真实验。结果表明:引入先验知识的DRL模型比原始模型的学习效率提升了13.89%、12.82%,完成任务的成功率提高了16.92%、13.25%;在新任务中,学习率提升了23.08%、23.33%,成功率提高了10.7%、11.57%。

基于扩展观测器的永磁同步电机快速积分终端滑模控制

为了优化永磁同步电机(PMSM)调速系统的动态性能,使用滑模控制的PMSM控制系统的非线性速度控制算法。提出一种新的快速积分终端滑模面(FITSMC),以提高传统积分终端滑模控制在速度误差远离平衡点时的跟踪误差收敛速度。针对高切换增益引起的大抖动现象,提出一种改进的抗干扰滑模速度控制器,该方法引入扩展状态观测器观测集中扰动,并在FITSMC中添加前馈补偿项。最后,通过仿真验证所提控制方法的有效性。结果表明:采用FITSMC替代传统的PI控制器,可以有效地降低动态速度跟踪误差。通过与传统方法进行比较,验证了所提方法(FITSMC+ESO)的优越性。