22、移动机器人轨迹跟踪的神经网络控制方法

移动机器人轨迹跟踪的神经网络控制方法

一、引言

如今，移动机器人在工业、服务业、仓储业、物流业、安保业等众多领域得到了广泛应用。不同领域中，机器人面临的问题背景和应用场景存在一定差异，但在所有涉及移动机器人运动控制的场景中，都需要确保机器人在运动过程中能够快速、准确地跟踪给定轨迹或目标，实现实时轨迹跟踪控制，因此该研究具有长期的实际价值。

轨迹跟踪控制的对象是非完整约束移动机器人，它属于典型的非线性系统，这给轨迹跟踪控制带来了巨大挑战。目前，解决轨迹跟踪控制问题的方法主要分为传统方法和智能方法两大类，且发展趋势是后者。许多学者在轮式移动机器人轨迹跟踪控制方面取得了一定成果，例如：
- Ibrahim介绍并讨论了一种非完整约束轮式移动机器人的控制策略，包括处理系统运动学的“转向”控制器和速度控制器。
- 赵等人提出了一种新颖的轨迹跟踪控制方法，将滑模控制（SMC）、PID、神经网络与专家知识相结合，设计了运动学控制器和动态控制器。
- Rossomando提出了一种使用自适应神经网络的滑模控制方法，确保神经滑模控制能为具有未知非线性动力学的移动机器人的轨迹跟踪控制实现稳定的闭环系统。
- 刘等人提出了一种改进的神经网络自适应滑模控制方法，主要通过粒子群优化算法优化网络结构参数并减少抖振。
- 余和陈采用迭代学习控制算法解决具有时变、非线性和强耦合动力学特性的高精度轨迹跟踪问题，并给出了严格的数学证明。
- 王等人提出了一种参数自适应控制器，以提高控制性能并解决传统反步跟踪控制中存在的速度跳跃问题。
- Aissa利用神经网络和模糊推理系统的综合性能设计了一种自适应神经模糊推理系统（ANFIS）控制器，用于安全控制移动机器人并使其到达