基于生物神经动力学的轮式移动机器人轨迹跟踪控制研究

Traditional control method would bring a big jump of initial velocity vector which is un-realizable in reality if there is initial orientation error or reference trajectory is discontinuous. In addition, many control methods are on the assumption of the design velocity. Therefore, there will be a great tracking error and poor robustness in actual tracking. The information processing mechanism of the biological neural network will provide new research ideas to break through this bottleneck. In this topics, we will in-depth explore the dynamic characteristic of the biological neurons, construct biological neural dynamics model, study the nonlinear processing ability of the biological neuron to its input signal, epurate their information processing mechanism, propose a tracking controller for WMR based on biological neural dynamics which making the outputs are smoothened and bounded, and thus to realize the smooth transition of WMR’s initial velocity, improving the “velocity jump” phenomenon and its robustness. This research will realize the organic combination of the biological neural dynamics and the non-holonomic control system, and open the door for the application of biological intelligence in the engineering, which have significant scientific significance, theoretical value and application prospects.

当轮式移动机器人（WMR）存在初始位姿误差或参考轨迹不连续时，传统的控制方法会产生一个较大初始速度跳变，而这在现实中是不可实现的；另外，很多控制方法都是在“理想速度”成立的假设基础上进行的，所以当进行实际轨迹跟踪时，WMR会产生较大的跟踪误差，鲁棒性不够理想。生物神经网络的信息处理机制为突破这一瓶颈提供了新的研究思路。本项目将深入探索生物神经元动态特性，构建神经动力学模型，研究神经元对输入信号进行非线性处理能力，提炼出生物神经网络信息加工机理；提出一种基于生物神经元的WMR轨迹跟踪控制理论与方法，使速度控制器产生光滑、有界的输出，实现WMR在轨迹跟踪中速度平稳过渡，从而有效解决移动机器人跟踪控制中存在的“速度跳变”问题，增强其鲁棒性。本项目的研究将实现生物神经动力学和非完整控制系统有机结合，为生物智能在工程中的应用开启新的研究思路，具有很好的科学意义、重要的理论价值和实际的应用前景。

本项目旨在实现生物神经动力学和非完整控制系统有机结合，为生物智能在工程中的应用开启新的研究思路。首先，研究了生物神经网络机理，建立了神经动力学数学模型，并对其特性进行分析；其次，对WMR 跟踪控制问题进行研究，建立其运动学/动力学模型，设计基本的跟踪控制策略；接着，将生物激励神经动力学原理应用到移动机器人运动控制中，实现移动机器人的鲁棒控制，具体为：（1）针对WMR系统的镇定问题，在深入研究了存在非完整约束和控制输入约束的WMR轨迹跟踪的非线性模型预测控制技术的基础上，将神经动力学、跟踪控制和镇定控制综合起来考虑，提出了一种基于神经动力学的WMR模型预测控制方法；（2）对WMR运动过程中的系统能耗问题进行了深入分析，建立了WMR系统的能耗模型及运动学模型，考虑速度跳变问题，结合神经动力学模型，设计了一种基于神经动力学的WMR节能跟踪控制器；（3）分别针对WMR控制系统中初、中和后期出现的速度跳变、能耗和镇定问题，提出了一种WMR分段运动控制（SMC）方法，实现了对WMR整个跟踪过程的有效控制。对该项目研究成果进行整理，发表了四篇学术论文，其中一篇SCI期刊论文已刊出，两篇EI期刊论文和一篇EI会议论文已被录用。