RoboCup中型组足球机器人运动控制算法

RoboCup中型足球机器人运动控制算法摘要：针对RoboCup机器人路径规划和姿态控制的特性，分别基于二维模糊控制器进行了基于错误的设计分析的域自调整伸缩系数和基于路径的误差累积系数提出了基于误差累积系数的域自调整模糊性控制算法。仿真和实验结果表明，该算法具有控制精度高、实时性好、快速准确地跟踪所需路径的特点。关键词：足球机器人；运动控制误差累积系数；域自我调整；模糊控制机器人足球世界杯(RoboCup)是人工智能和机器人学的研究课题，融合在实时视觉技术、运动控制、分布式网络、人工智能等多个领域、学科中，是目前人工智能和机器人领域的研究热点之一。运动控制是整个自主足球机器人系统的基础，因此从某种意义上说，运动控制系统的控制质量对整个系统的控制效果具有决定性的作用。传统的运动控制算法具有较高的PID控制精度，但需要精确的数学模型，其参数的调整非常困难。许多学者讨论了基于：模糊逻辑的模糊控制器1等智能控制算法的使用。该设计基于控制专家的系统知识和经验，不依赖系统的精确数学模型。但是在模糊控制器中，控制规则和隶属函数的选择具有较高的主观性，控制规则的合理获取和隶属函数的确定是模糊控制器设计的难点问题。本研究综合考虑了算法的简单性和控制效果两方面的要求。在文献提出的空间自适应模糊控制的基础上，结合RoboCup中型组三轮全方位足球机器人路径规划和姿态控制的特点，实时改变模糊控制域，修改期望速度，提出了基于累积误差系数的域自调整的模糊控制算法。该算法控制精度高，稳定性好，可以实时近似估计路径完全满足RoboCup足球机器人运动控制要求的功能。三轮全方位足球机器人运动学模型分析以三轮全方位移动机器人为研究对象，驱动部分由3个瑞典车轮组成，径向对称安装，每个车轮相互成120个角度，滚轮垂直于每个主车轮。设定世界座标系xoy和机器人座标系XOY，如图1所示。图1三轮全向机器人模型Fig. 1 Them ode l of the threewheelOm nidirectional mob ile robot图1是机器人坐标系和世界坐标系之间的角度。驱动轮之间的角度=120；l是从机器人中心到轮子中心的水平距离。v1、v2、v3是全向车轮速度，用于建立此机器人的运动学模型:样式： VX，VY是自动机在XOY坐标系的x轴和y轴上的速度分量。机器人的自转角速度。设定机器人座标系统和世界座标系统的转换矩阵：格式(1)、(2)可以得到：(3)因此，所有方向自动机的路径规划和姿态控制可以通过矢量分解和坐标变更转换为自动机的每个轴驱动电动机的运动控制5。基于误差累积因子的域自调整模糊控制算法设计两轮驱动机器人的运动轨迹可以概括为直线和圆弧，三轮全向机器人有三个驱动轮，为了实现完美的约束，可以从一点直线移动到另一点，并在移动过程中改变方向，其运动特性比两轮机器人小，但其本身是复杂的机电耦合系统，因此存在一些不确定性。由于三轮全向机器人的运动控制有很多变化，包括运动速度、运动惯性和实际道路情况，还与难以确定的因素有关，因此本研究提出了基于误差累积系数6的域自调整模糊控制算法。2.1二维模糊控制器设计本研究所使用的二维模糊控制器是具有中心平均解模糊的双输入、单输出模糊控制系统系统，其数学模型是：风格：A l (x)表示给定输入变量x的l-fuzzy集3的隶属函数。A l (y)表示给定输入变量y的第一个模糊集的隶属函数。z表示模糊集的中心值。m表示模糊集的个数。二维模糊控制器将控制目标(机器人的每个轴驱动轮)反馈速度与预期速度的偏差x和前一小时的速度偏差y设计为模糊输入量，将PWM信号负载变化量z设计为输出量，将模糊输入x的初始论域设计为-E，E，并将域定义为9种模糊语言。算法简单高效，各语言变量隶属函数的形状是对称三角形，模糊划分也是完全对称的。分别为n(负)、NB(负大)、NM(负中)、NS(负小)、ZR (0)、PS(正)、PM(中)和PB(更正)同样，设计模糊输入量y的初始理论是-D，D。模糊的方式与变量x相同。为了确保PWM波形占空比最大输出范围0，1，设计模糊输出z的初始论域为-，1-(以前称为PWM波形占空比)，模糊方法与变量x相同。设计该算法的模糊控制规则见表1。2.双域自调整伸缩元件设计为了提高模糊控制的准确性，本文2中，可变宇宙自适应模糊控制思想：在规则格式不变的情况下，错误大小越小，域缩小(随着错误的增加而扩展):通过初始宇宙-E，E扩展#系数#(x)-#(x)局部，域收缩等于增加规则，即插值节点加密，以提高控制精度。在本研究中，相应的输入宇宙字段分别为X=-E，E ，Y=-D，D，输出宇宙空间为Z=-U，U。文档2定义为输入宇宙X的扩展因子，其中函数#: X% 0，1 ，|x |% #(x)表示调整因子必须满足对偶、保证、统一、调整和正则性的条件。如果输入域X与Y相反，则可以分别获得扩展系数#(x)和(Y)，但是在本研究中，Y与X相关，因此可以在X Y中定义输入变量扩展系数同样，定义输出变量扩展系数：(6)格式中， %1、%2、%3是常数，在本文档中，%1=%2=%3=0。选择5。基于变量域的模糊控制器实际上是可变模糊控制器9，很容易看出其控制效果很好。尤其是在处理多变量非线性系统时有效，通常包括模型自适应、规则自组织和自调整、成员资格函数自生成等优点，从而大大提高了控制质量。2.基于三路径的误差累积系数设计在RoboCup比赛中，机器人不仅快速响应主控制器发出的运动控制命令，还希望机器人的运动轨迹尽可能接近预期路径。针对这些功能，提出了基于路径的累积误差系数，主要算法分为以下几个阶段：1)从主控制器接收动作控制命令：Qxoy (t)=f (VX exp、axexp、vy exp、aye XP、a exp、t)。(7)表达式中的： ax exp、aye XP和exp分别表示XOY坐标系中机器人的加速度分量。t表示时间。q表示预期的路径。要使自动机实时响应主控制器的运动控制命令，请在收到新路径命令后，将每个驱动轮的路径累积错误ES (i，t)设置为0ES (1，0)=ES (2，0)=ES (3，0)=0。(8): I表示驱动器电机轴I(1、2、3)。2)每个驱动轮的路径累积错误：在每个伺服循环中各不相同Es (I，t 1)=es (I，t) (qxoy (I，t)-sxoy (I，t)。(9)格式： ES (i，t)，ES (i，t 1)表示t和(t 1)时刻的第一个驱动轮的累计路径误差。QXO Y (i，t)表示t时刻第一个驱动轮的预计位移，可以从样式(1)反向获得。SXOY (i，t)表示根据编码器的实际反馈在t时刻第一个驱动轮的实际位移。3)误差累积系数：分别根据ES 1、ES 2、ES 3得出(I，t 1)=！ES (i，t 1)。(10)格式： (i，t 1)表示(t 1)时刻的第一个驱动轮的累计误差系数。是常数。当然，您也可以根据ES (i，t)和ES (i，t 1)使用PID控制算法查找(I，t):样式： K p，K I分别为P，I参数，K d=0。4)每个驱动轮的预计速度：引入基于路径的错误累积因子，在每个伺服循环中实时调整预期速度，使机器人能够快速准确地跟踪所需路径。3模拟和测试结果对于单驱动器电动机，M atlab模拟7，10环境中的：驱动器电动机为0，如下所示：设计为加速到35 m/S210 s，1。以8m/S2提高5 s的速度，然后以恒定速度移动，最后以2 m/S2降低速度(图2 (a)、图2 (b)是基于多轴运动控制卡的实际测试曲线)。测试中通过编码器反馈实际速度。对于RoboCup 3轴全向自动机，自动机为0 .从2m/S2加速到VX=1m/s，VY=1m/s。根据表达式(1)，机器人的3轴加速度和速度分别为：如图2 (c)所示，曲线1、2和3分别是驱动电动机轴1、2和3的速度曲线。图2 (d)是机器人的实际导轨跟踪和预计轨迹的错误曲线。如图2所示，引入了路径累积错误因素，实时修改了预期速度。通过分析输入错误，实时改变模糊控制的输入和输出域，提高了机器人运动控制的实时性和稳定性，使实际运动轨迹能快速接近预期轨迹。四结理论在RoboCup中型组机器人运动控制的背景下，提出了基于误差累积的域自调整模糊控制计算方法。通过对三轮全方位机器人的运动学分析，设计了以机器人驱动轮相邻时刻的速度偏差为模糊输入量、PWM信号占空比变化量为输出量的宇宙自适应二维模糊控制器基于路径的误差累积因子。实时修改预期速度，使机器人快速准确地跟踪所需路径，满足RoboCup中型组机器人的运动控制要求。(参考资料)1、胡林平、吴怀宇、赵威、等。基于运动趋势分析的域自调整模糊控制算法的移动机器人运动控制J。机械和电气工程，2008，25(7) : 47。2友