专利交易市场

本发明涉及基于Lyapunov稳定性与反步法的地面自适应移动机器人控制方法，具体步骤包括：建立包含移动坐标系和固定参考坐标系的移动机器人运动模型，并构建移动机器人的误差预测参数；根据误差预测参数设计包含饱和函数的Lyapunov函数V1(x)，推导计算移动机器人的期望控制率ωd，引入辅助控制输入v，根据辅助控制输入v计算移动机器人的转向速率误差eω，根据误差预测参数设计包含饱和函数的Lyapunov函数V2(x1)；结合移动机器人的期望控制率ωd，根据反步法推导计算得到辅助控制输入v，最后根据辅助控制输入v计算得到移动机器人的实时转向速度指令ωc。

一种基于策略迭代的移动机器人轨迹跟踪控制方法，对于已知的移动机器人系统，先搭建两个神经网路。分别为actor神经网络，和critic神经网络，其中actor神经网络用于系统控制策略的评估与改进，critic神经网络主要用来计算当前控制策略下的价值函数，用此价值函数评估当前策略。包括以下步骤：1)建立移动机器人的运动学模型；2)设计Actor神经网络；3)设计Critic神经网络；4)设计Actor/Critic结构的在线算法。本发明基于数据驱动的控制算法，利用价值函数对其策略函数进行评估，保证学习的过程同时兼顾价值函数和策略函数，可以较好实现对移动机器人的轨迹跟踪。

本发明公开了一种基于固定时间稳定理论的移动机器人NMPC方法，包括如下步骤：建立两轮差分驱动的移动机器人的运动学模型；将非线性模型预测控制问题描述为最优控制问题，引入哈密顿量并对连续系统进行离散化处理，得到最优性的离散必要条件，并获得优化问题；采用固定时间收敛率对优化问题的解进行迭代，并将所得解作为连续广义最小残差法的初始解，对轮式移动机器人进行控制，实现轮式移动机器人的点镇定，提供更好的闭环性能和干扰抑制性能，提高系统的实时性，使系统状态能够在固定时间内收敛，克服了非线性模型预测控制实时性较差的问题。

本发明涉及移动机器人的控制技术领域，公开了一种抗扰动移动机器人输出反馈控制方法，针对速度不可测量的受非对称时变约束的移动机器人系统模型，本发明建立移动机器人的动态模型，利用径向基函数神经网络对系统进行近似处理，然后针对系统的扰动和状态不可测的问题，设计复合状态观测器，同时估计未知速度信号与未知干扰；构建非对称障碍李雅普诺夫函数解决系统的非对称时变约束问题；结合预定性能控制、命令滤波与神经网络学习，提出一种基于复合状态观测器的神经网络预定性能自适应控制算法。与现有技术相比，本发明降低了传统方法中的跟踪信号适用条件，提高了移动机器人的控制精度。通过闭环系统稳定性分析，证明了本发明提出方法的可行性。