非结构化环境下基于模型学习的轮式机器人智能预测控制研究

The research results of classical control theory can not solve the uncertainty problem of unstructured environment. Although terramechanics theory reveals the complex interaction between the wheeled robot and its environment, it is difficult to provide the effective model because terramechanics model contains a lot of coupling parameters with uncertainties. According to data learning model can provide direct and accurate system model, the research on model learning method will become the focus on the future complex robots and their applications in unstructured environment. This project will establish the simplified system model of wheeled robot based on wheel-terrain interaction mechanics which simulates the movement mechanism of robot in unstructured terrain environment in a certain extent; The randomness and variability of terrain are fully considered and the new method to quickly learn the terrain properties will be developed; Combining neural network and Gaussian processes model learning advantage, a practical model of control system is trained using sample executions of motion primitives on representative terrain, and predicts the future control actions on similar terrain. This model can be auto-updated as the variable terrain, and provides the effective support model for autonomous motion planning and predictive control of wheeled robots in unstructured environment. The research of this subject will produce a positive effect on the key technology research of motion control of wheeled robots.

经典的控制理论研究成果无法解决非结构化环境具有的不确定性问题。尽管地面力学理论揭示了轮式机器人与环境之间的复杂作用关系，但是地面力学模型包含了很多不确定参数的耦合，难以提供有效的应用模型。根据数据学习模型的方法能够提供直接的和准确的系统模型，模型学习方法的研究将成为未来复杂机器人及其在非结构化环境下应用的研究热点。本项目将构建基于轮地作用力学的轮式机器人系统简化模型，在一定程度上模拟非结构化地形环境中机器人运动机理；充分考虑地形的随机性和时变性，发展地面特征快速学习的新方法；结合神经网络和高斯过程等方法的模型学习优势，利用代表性地形的运动执行样本训练控制系统的实用模型，预测未来相似地形的控制行为。该模型随着地形特征变化进行自动更新，为轮式机器人在非结构化环境下自主运动规划和预测控制提供了有效的模型支持。本课题的研究将对轮式机器人运动控制的关键技术研究产生一定的推进作用。

本项目以悬架式全地形轮式移动机器人为试验平台，研究轮式机器人在非结构化环境下的运动规划和智能控制方法。首先，课题针对六轮独立驱动的移动机器人平台构建了基于差速转向的运动学模型、基于非完整约束的转向动力学模型和基于弹性悬架作用的越障动力学模型。其次，本课题研究了轮式机器人越障行为的机动性能，分析了机器人在松软地形和凹凸地形等各种障碍路面上的通过性，包括轮廓通过性和车身悬通过性；分析了机器人在倾斜状态下的静态稳定性和动态稳定性。为研究轮式机器人在非结构化环境下的自主运动规划和预测控制提供了有效的模型支持。然后，课题研究了复杂环境下的轮式机器人运动路径规划算法，分别提出了改进蚁群算法和TC-RRT算法。改进蚁群算法提高了蚁群算法的全局性优化和收敛速度，避免了参数选择的随机性和盲目性。TC-RRT算法在RRT算法中引入三角几何学、剪枝和Cantmull-Rom 插值后的平滑处理，不仅提高了收敛速度，减少了迭代的次数，而且得到了适用于移动机器人的光滑路径。最后，课题研究了轮式机器人的轨迹跟踪控制算法。在考虑车轮发生滑转和滑移的情况下，采用局部高斯过程模型对系统不确定的非线性部分逼近算法，提出了基于车轮打滑补偿的轨迹跟踪控制策略，提高了控制精度。项目从平台的模型研究到最终的控制实现，全面研究了全地形轮式机器人在非结构化环境下的移动作业问题。本课题的研究将对轮式机器人运动控制的关键技术研究产生一定的推进作用。