基于模糊神经网络PID的机器人路径跟踪控制

摘要：

为实现履带机器人在复杂环境下的路径跟踪,提出基于模糊神经网络自适应PID的路径跟踪控制方法.在预瞄控制的基础上,分析位姿偏差耦合关系对路径跟踪的影响,提出使用LQR对耦合关系解耦的方法.算法使用LQR得到最优解耦系数,并使用模糊神经网络PID作为主控制器.既基于所建模型求得最优解耦系数,又不完全依赖于模型,鲁棒性更好.此外,LQR解耦中还有线速度项,可以实现在不同速度下路径跟踪自适应调节.最后,在Matlab/Simulink仿真平台对所设计的算法有效性验证,包括直线和曲线路径跟踪.在线速度为1.5 m/s的直线路径跟踪过程中,控制量最大偏差为-0.07 rad/s,调节时间为1.3s.在线速度为1 m/s的曲线路径跟踪过程中系统最大超调量为20％,调节时间为4s.与传统预瞄控制相比,所设计的基于LQR解耦和模糊神经网络PID的控制方法相较于传统预瞄控制具有调节时间快、稳定性好的特点.

关键词：LQR解耦、模糊神经网络PID、履带机器人、路径跟踪

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：山西省科技平台项目201805D121006

在线出版日期：2020-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：182-187