7、轮式移动机器人的视觉 - 大脑假设与神经认知控制

轮式移动机器人的视觉 - 大脑假设与神经认知控制

1. 视觉 - 大脑假设的进一步应用

在实际场景中，视觉 - 大脑假设面临着诸多挑战，如环境差异对人脸识别效率的影响。为应对这些挑战，未来的机器人将配备受大脑启发的认知系统，以处理实际场景中的不可控差异，并实现更具挑战性的应用。

2. 神经认知计算机制的背景

2.1 轮式移动机器人研究现状

轮式移动机器人在空间探索、救援、服务等领域具有重要应用价值。随着科学研究的深入，目标系统结构日益复杂，对控制精度的要求也越来越高，这使得设计跟踪控制算法的难度大大增加。

2.2 神经网络在机器人控制中的应用

神经网络可用于解决轮式移动机器人的跟踪控制问题。许多基于神经网络的跟踪算法已被设计出来，如基于自适应反馈误差学习方法的跟踪控制算法。然而，机器人模型存在各种限制，如最大允许滑移率、齿轮系统减速比、传动效率、最大牵引力和车轮转向角速度等。违反这些约束会严重影响系统性能，甚至威胁系统安全。因此，研究受限移动机器人的控制问题具有重要的科学意义。

2.3 神经网络在处理约束问题中的优势

在理想条件下，神经网络可以以任意精度逼近不同类型的非线性方程，已广泛应用于自适应控制算法的设计。对于具有约束的非线性系统，神经网络算法通常表现出良好的性能。然而，现有的轮式移动机器人跟踪控制工作对全状态约束的跟踪控制考虑不足。通过使用神经网络、Moore - Penrose逆项和障碍Lyapunov函数，可以估计轮式移动机器人运动学模型中的不确定性，处理全状态约束带来的问题，并保证系统的稳定性。

3. 全状态约束的轮式移动机器人系