基于滑模控制与深度学习的滑移转向移动机器人带滑移与侧滑补偿的轨迹跟踪控制
机器人学
2023-10-24 v2 人工智能
系统与控制
系统与控制
摘要
补偿滑移与侧滑对于在户外地形上行驶的移动机器人至关重要。在这些挑战性环境中,滑动与侧滑给轨迹跟踪系统带来不确定性,可能危及车辆安全。尽管该领域已有研究,但由于户外环境中轮-地交互的复杂性,具备现实可行在线滑移与侧滑补偿仍具挑战。本文提出一种新颖的轨迹跟踪技术,为户外作业的滑移转向移动机器人提供车辆级现实可行的在线滑移与侧滑补偿。该方法采用滑模控制设计鲁棒轨迹跟踪系统,以考量此类机器人固有的不确定性。为估计机器人的滑移与有害侧滑并实时补偿,两个先前开发的深度学习模型被集成至控制反馈回路中。所提技术的主要优势在于:(1) 考虑整个机器人的两个滑移相关参数,而非传统的每个车轮两个滑移分量加机器人侧滑的方法;(2) 具备在线现实可行的滑移与侧滑补偿器,在未知环境中降低跟踪误差。实验结果表明显著改进,使轨迹跟踪系统性能提升超过 27%。
引用
@article{arxiv.2309.08863,
title = {Trajectory Tracking Control of Skid-Steering Mobile Robots with Slip and Skid Compensation using Sliding-Mode Control and Deep Learning},
author = {Payam Nourizadeh and Fiona J Stevens McFadden and Will N Browne},
journal= {arXiv preprint arXiv:2309.08863},
year = {2023}
}