基于反步法的農業采摘機器人移動路徑跟蹤控制研究

張光磊 賈鶴鳴

摘要為實現農業采摘機器人路徑跟蹤控制，基于李雅普諾夫穩定性理論設計了一種反步法控制器。通過調節控制器參數抵消了機器人誤差模型中的部分未知非線性項，簡化了控制器的設計形式。利用神經網絡對模型未知項和外界干擾進行估計，設計魯棒自適應控制器在線補償設計的神經網絡的估計誤差，提高了神經網絡的學習精度。仿真試驗結果表明，設計的控制器可實現采摘機器人在存在外界干擾作用下對期望路徑的精確跟蹤。

關鍵詞農業采摘機器人；路徑跟蹤；反步法；神經網絡

中圖分類號S126文獻標識碼A文章編號0517-6611（2014）23-08023-04

基金項目中央高校基本科研業務費專項（DL13BB04）。

作者簡介張光磊（1978- ），吉林長春人，講師，博士研究生，從事系統工程研究。*通訊作者，副教授，博士，從事非線性控制理論與應用研究。

收稿日期20140702隨著國家對農業自動化發展的重視程度日益提高，智能農業機器人迎來了快速發展和應用的熱潮。近年來，一些研究機構紛紛將研究的重心從機械部分轉向機器視覺和任務執行智能控制問題，以解決農業機器人的智能化問題[1-2]。

該研究所研究的農業采摘機器人是一種復雜的高智能的農業技術設備，集機械技術、計算機技術及自動控制技術等高新技術于一身，集機器人視覺系統、運動控制系統、衛星導航定位系統于一體。在實際工作中，采摘機器人面臨的是復雜的三維空間，地面凸凹不平及意外障礙都會對采摘機器人的平穩運動和本體路徑選擇的正確性產生較大影響。路徑跟蹤控制技術在提高采摘機器人行動的穩定性和可靠性等方面具有重要實用價值[3-6]。所謂的路徑跟蹤控制問題是要求采摘機器人在控制系統驅動下，從任意初始位置駛入期望的路徑，并沿此路徑完成給定任務[7-10]。

該研究針對采摘機器人的路徑跟蹤問題，提出基于神經網絡的反步法控制器。采用神經網絡估計補償采摘機器人模型中的不確定部分和外界環境干擾，通過設計魯棒控制器在線補償神經網絡的估計誤差，利用李雅普諾夫穩定性理論推導得出神經網絡權重和逼近誤差估計的自適應學習律，保證了閉環系統的全局穩定性。利用該研究的控制算法進行農業采摘機器人在考慮干擾作用下對曲線路徑的跟蹤控制仿真試驗，結果表明所設計的控制器可實現對期望路徑的精確跟蹤。

1機器人模型

1.1農業采摘機器人的一般模型笛卡爾坐標系下的農業采摘機器人，假設其具有一定的直線前進速度，忽略橫向速度對前和方向角的影響[11-12]，其數學模型可以簡化建立為：

1.2期望跟蹤路徑選擇期望路徑Ω上的虛擬點P的坐標可表示為關于標量參數μ∈R的函數，

外界環境干擾設定為2sin（2πt/100），假設模型中非線性不確定項g（u，r）和f（u，r）分別為u2和0.5ur，設采摘機器人的初始位置和方向角為[x（0），y（0），ψ（0）]=[30，0，π/2]，初始速度和角速度為[u（0），r（0）]=[0，0]，期望速度ud=1（m/s）。選取虛擬點的增益參數為k1=1，其他控制器參數如下：p1=2，p2=102，c1=1.5，c2=2，c3=1，λ=1。選取神經網絡隱層的神經元數目為14個，基函數的中心點均勻地分布在[-0.5，0.5]的區間上，神經網絡權值的初始權值為0，學習增益為γ=4。

～3為采用采摘機器人的行走路線非線性模型且存在外界擾動時的跟蹤控制仿真結果。從可以看出，該研究的控制器由于含有神經網絡，可對外界環境干擾進行在線補償，實現考慮干擾情況下采摘機器人對設定的路徑精確跟蹤，具有較強的魯棒性。為機器人的縱向和橫向的位移誤差變化曲線，為系統控制量的連續變化曲線。

干擾條件下的機器人路徑跟蹤曲線位置誤差變化曲線控制量變化曲線5結論

該研究針對農業采摘機器人路徑跟蹤控制問題，考慮了模型不確定性和路面凸凹不平的外界干擾作用，結合Serret-Frenet坐標系，提出了基于反步法的神經網絡控制方法，利用神經網絡補償機器人方程中的非線性項和外界環境擾動影響，降低了設計的控制器的復雜度，提高了控制器參數的可調節性，仿真結果表明，所設計的控制器可驅動采摘機器人對任意設定路徑的精確跟蹤，具有較高的工程實用價值。

參考文獻

[1] 宋健，張鐵中，張賓，等.農業機器人的研究現狀與發展展望[J].濰坊學院學報，2005，5（4）：1-4.

[2] 楊寶珍，安龍哲，李會英，等.農業機器人的應用及發展[J].農機使用與維修，2008（6）：103.

[3] 張利軍，賈鶴鳴，邊信黔，等.基于L2干擾抑制的水下機器人三維航跡跟蹤控制[J].控制理論與應用，2010，28（5）：645-651.

[4] 賈鶴鳴，程相勤，張利軍，等.基于離散滑模預測的欠驅動AUV三維航跡跟蹤控制[J].控制與決策，2011，26（10）：1452-1458.

[5] 俞建成，李強，張艾群，等.水下機器人的神經網絡自適應控制[J].控制理論與應用，2008，25（1）：9-13.

[6] 唐旭東，龐永杰，李曄，等.基于混沌過程神經元的水下機器人運動控制方法[J].控制與決策，2010，25（2）：213-217.

[7] REPOULIAS F，PAPADOPOULOS E.Trajectory planning and tracking control design of underactuated AUVs[C]//Proceedings of the IEEE International Conference on Robotics and Automation.Spain：IEEE Press，2005：1622-1627.

[8] REPOULIAS F，PAPADOPOULOS E.Planar trajectory planning and tracking control design for underactuated AUVs[J].Ocean Engineering， 2007，34（1）：1650-1667.

[9] LAPIERRE L，SOETANTO D.Nonlinear path-following control of an AUV[J].Ocean Engineering，2007，34（1）：1734-1744.

[10] CASALINO G，AICARDI M，BICCHI A，et al.Closed loop steering and path-following for unicycle-like vehicles：a simple Lyapunov function based approach[J].IEEE Robotics and Automation Magazine，1995，2（1）：27-35.

[11] MICAELLI A，SAMSON C.Trajectory tracking for unicycle-type and two-steering wheels mobile robots.Technical Report No.2097，INRIA[R].France：Sophia-Antipolis， 1993.

[12] 高劍，嚴衛生，趙寧寧，等.UUV的全局路徑跟蹤控制[C]