引用本文
于力率, 苏晓杰, 孙少欣, 焦春亭. 基于分层控制策略的六轮滑移机器人横向稳定性控制. 自动化学报, 2023, 49(7): 1421−1432 doi: 10.16383/j.aas.c220326
Yu Li-Shuai, Su Xiao-Jie, Sun Shao-Xin, Jiao Chun-Ting. Lateral stability control of six-wheeled skid-steering robot based on hierarchical control strategy. Acta Automatica Sinica, 2023, 49(7): 1421−1432 doi: 10.16383/j.aas.c220326
http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c220326
关键词
分层控制策略,横向稳定性,滑移转向,滑模控制,转矩分配
摘要
六轮野外机器人通常体积庞大, 难以建立其动力学模型. 采用传统的速度控制方法很难保证机器人的横向稳定性. 为解决这一问题, 开展基于分层控制策略的六轮滑移机器人横向稳定性控制研究. 首先分析整车受力情况, 建立六轮滑移机器人的动力学模型. 其次, 设计基于分层控制策略的动力学控制器, 其中上层为基于改进趋近律的滑模控制器, 实现对期望横摆角速度的跟踪; 下层为基于附着率最优的转矩分配控制器, 该控制器可以保证机器人行驶的横向稳定性. 最后, 在不同工况下进行仿真实验, 并搭建实验平台进行实物测试. 结果表明设计的控制器可以有效提高机器人的横向稳定性.
文章导读
运动控制是移动机器人研究领域中的核心问题之一, 机器人运动的横向稳定性是指机器人抵抗横向侧滑和侧倾的能力. 在转弯时, 若机器人超过横向稳定范围, 就会发生侧滑或侧倾等事故. 影响机器人横向稳定性的因素一般包括机器人运行速度、路面附着条件、底盘受力和底盘的结构等.
轮式底盘是机器人底盘的一个重要分支, 在各类轮式机器人模型中, 轮式滑移转向机器人没有单独的转向机构, 通过左右两侧车轮差速转动完成转向. 这类机器人具有结构简单、转向灵活的特点, 广泛应用于野外任务中[1]. 轮式滑移转向机器人一般分为两轮、四轮、六轮等类型. 其中六轮滑移机器人作为一种典型的欠驱动系统, 本身控制难度高, 车轮相对地面存在的滑动摩擦力比两轮、四轮更大, 也更难以观测. 在野外作业时, 机器人常常面临频繁且未知的外部干扰, 这进一步增加了机器人横向控制难度. 对于较为平坦的理想路面环境, 基于运动学模型设计的运动控制器可以满足机器人的控制性能要求[2]. 但对于在野外行驶的六轮滑移机器人, 则需要基于机器人动力学模型, 设计动力学控制器, 以保障其在野外运行时的横向稳定性. 动力学控制器的控制输出一般为车轮电机的力或者转矩, 通过转矩可对机器人进行动力学层面的控制, 从而提高控制性能. 要想得到更好的动力学控制效果, 首先需要为机器人建立精确的动力学模型.
轮式滑移转向机器人不同于传统的Ackermann转向机器人有转向机构, 而是依靠机器人左右两侧车轮的速度不同实现转向, 因此可以实现原地转向. 滑移机器人优秀的转向特性让其动力学建模成为了研究热点. Maclaurin等[3]将滑移转向与Ackermann转向模型进行了详尽的对比研究, 分析了现代滑移转向车辆的基本性能, 显示滑移转向车辆通常转向过度, 而Ackermann转向车辆转向不足. Yu等[4] 考虑车胎受力、胎面与地面间的滚动摩擦系数、剪切形变等因素, 建立了滑移转向模型的一般平面运动和线性空间运动的动力学模型, 并进行了实验验证. Liao等[5]将底盘运动学、底盘动力学和车轮动力学集成在整车的动力学模型中, 设计虚拟摩擦驱动力, 模拟了车轮−地面相互作用, 使模型更加准确. Tang等[6]通过估计低压充气车轮与松软地面之间的相对运动, 计算施加在轮胎上的力和扭矩, 进而建立轮式底盘的动力学模型, 该方法优化了求解过程、提高了计算效率, 可以准确模拟这类车轮在松软地面上的运动性能.
在动力学模型基础上设计的动力学控制器通常将用户的操作指令经过硬件或软件转换成机器人的期望输入, 对其进行跟踪. Du等[7]采用自适应速度跟踪控制器, 主动适应车轮旋转阻力, 通过自动调整扭矩指令, 可以有效避免在低摩擦条件下产生过多的滑移, 但对于在野外路面行驶的滑移转向机器人来说, 摩擦力特别是车轮滑动摩擦力通常难以避免. 熊璐等[8]在反馈控制的基础上增加了前馈控制, 使整车质心侧偏角变化率保持稳定, 但是质心侧偏角的观测十分复杂, 很难得到准确的观测值. 王昕煜等[9]利用多传感器融合的方法, 通过单目相机、轮式里程计及惯性测量单元(Inertial measurement unit, IMU)对机器人速度进行观测, 并且用增量式比例−积分−微分(Proportion-integration-differentiation, PID)控制器得到机器人的速度控制系统, 然而该方法更适合室内机器人. 因为对于野外差速滑移机器人来说, 里程计误差更大, IMU波动也更大, 单目相机面对的光线更为复杂. 贾松敏等[10]针对未知轮子打滑干扰问题为全向移动机器人设计自抗扰反步控制器, 从纵向控制、横向控制及姿态控制上对打滑干扰实时估计与补偿. 机器人等自主无人系统通常由感知识别、决策规划和控制执行三大模块构成, 控制执行模块一般需跟踪决策规划模块下发的整车直驶速度与横摆角速度指令. 王玉琼等[11]针对高速无人驾驶车辆运动控制过程提出了综合前馈−反馈以及自抗扰控制(Active disturbance rejection control, ADRC)补偿相结合的横向控制算法, 该算法提高了无人驾驶车辆高速运动时的横向稳定性能及轨迹跟踪性能, 但是不适用于滑移转向方式的机器人底盘. Ni等[12]考虑操纵和驾驶极限状态下的干扰, 设计基于鲁棒$ H_{\infty }$输出反馈方法的横向控制器, 保证了自动驾驶车辆的横纵稳定性, 但是该研究的控制器是针对行驶在平坦路面的自动驾驶赛车设计的, 对于野外颠簸路面适应性不足.
在多轮驱动的底盘动力学控制中, 需要将控制器输出的总力或总转矩以合适的方式分配到每个车轮电机上. Shino等[13]提出了基于驱/制动力分配的直接横摆转矩控制, 提高了整车的操控性和稳定性, 但直接分配的转矩分配控制器对于野外颠簸路面适用性较差. 续丹等[14]基于系统能效最优的思想得到转矩优化函数, 提高了整车经济效益并且有效节省能量, 但是在车轮左右受力不均的情况下, 整车能效最优可能会导致整车转向不足. 李庆望等[15]考虑车辆出现单轮失效情况时的稳定性, 将电机失效程度纳入约束条件中对各轮力矩进行分配, 保证车辆在车轮失效时不出现打滑或侧倾等事故. 闫永宝等[16]以车辆附着裕度最高为优化目标, 实现六轮电机驱动力分配, 降低了车辆侧倾的风险.
综上所述, 针对目前研究存在的问题, 本文研究六轮独立驱动滑移机器人的横向稳定性控制. 其主要贡献如下.
1) 引入了六轮独立驱动滑移机器人的轮胎受力模型, 在轮胎受力模型的基础上建立了机器人整体的动力学模型. 与传统运动学模型相比, 本文动力学模型引入了轮胎力, 对轮胎力的分析可以让机器人的整体动力学模型更准确, 有利于控制的稳定性. 同时考虑到传统Ackermann底盘中, 方向盘转角与前轮转角有一定的映射关系, 故本文为差速滑移机器人建立驱动映射模型, 建立方向盘角度与机器人运行状态的映射关系, 更贴近控制者实际操作习惯.
2) 针对机器人控制系统设计了分层策略, 上层基于改进趋近律设计滑模控制器, 可以在快速稳定的同时有效降低机器人在起伏路面运行时的滑模抖振; 下层提出基于整车附着利用率最优的转矩分配控制器, 显著提高机器人运动时的横向稳定性, 并且可以防止出现侧倾、侧滑等事故. 本文所设计的控制器与传统控制器相比, 采用分层控制结构, 可以直接生成六个车轮的电机驱动转矩指令, 进行动力学控制.
3) 为保证所设计的控制器能稳定有效运用在实际系统中, 本文搭建了真实实验机器人. 该实验机器人比一般机器人更大型、重量也更重. 在几种机器人野外行驶的常见工况下完成仿真验证后, 在机器人实物上进行了算法测试, 结果证实了算法有效性.
图 1 机器人系统框架
图 2 滑移底盘动力学模型
图 3 两种用户驱动工具
本文首先在动力学模型的基础上设计驱动映射模型, 以统一有人/无人决策规划接口; 其次基于改进指数趋近律设计了机器人的上层转矩控制器, 基于附着利用率最低的优化目标设计了转矩分配算法, 提高了整车运动速度跟踪性能、提升了横向稳定性; 最后通过将算法部署在基于ROS环境的实验样机的实验表明, 本文所设计的分层控制策略能够有效提高机器人的横向稳定性.
但是, 本文所设计的控制算法没有很好地与真实机器人悬架的参数解耦. 未来, 应进一步对系统的横向控制以及包含悬架的纵向控制进行深入研究.
作者简介
于力率
重庆大学自动化学院控制科学与工程博士研究生. 2021年获得重庆大学控制工程硕士学位. 主要研究方向为多机器人系统, 机器人规划与控制, 人工智能算法及其应用. E-mail: yulishuai@cqu.edu.cn
苏晓杰
重庆大学自动化学院教授. 2013年获哈尔滨工业大学控制科学与工程博士学位. 主要研究方向为智能控制系统及其在无人系统中的应用. 本文通信作者. E-mail: suxiaojie@cqu.edu.cn
孙少欣
重庆大学自动化学院助理研究员. 2021获得东北大学控制理论与控制工程博士学位. 主要研究方向为模糊系统, 时滞系统, 故障估计, 容错控制和随机系统. E-mail: ssx5fd@cqu.edu.cn
焦春亭
重庆大学自动化学院助理研究员. 2020年获得清华大学控制科学与工程博士学位. 主要研究方向为智能控制系统, 机器人控制和运动规划. E-mail: jiaochunting@cqu.edu.cn
转载本文请联系原作者获取授权,同时请注明本文来自欧彦科学网博客。
链接地址:https://wap.sciencenet.cn/blog-3291369-1397482.html?mobile=1
收藏