博文

全向移动机械手的积分终端滑模增强有限时间视觉伺服控制

已有 780 次阅读 2025-5-12 09:05 |个人分类:文章推荐|系统分类:博客资讯

编辑荐语

本期将给大家分享“Integral terminal sliding mode augmented finite-time visual servo control of omni-directional mobile manipulators (全向移动机械臂的积分终端滑模增强有限时间视觉伺服控制)”。

机器人近年来在各领域得到广泛应用，而全向移动机械手（OMMs）因其高机动性和效率受关注。基于位置的视觉伺服（PBVS）技术为其提供自主跟踪能力，但其控制设计因三维位姿估计与非线性动力学耦合而导致复杂化。滑模控制（SMC）以鲁棒性著称，但传统方法难以解决视觉伺服的全阶系统问题。本研究提出基于积分终端滑模（ITSM）的PBVS控制器，结合滑模观测器（SMO），解决不匹配扰动问题，以提升OMMs跟踪性能与鲁棒性，实现有限时间收敛与抖振抑制。

Integral terminal sliding mode augmented finite-time visual servo control of omni-directional mobile manipulators 全向移动机械臂的积分终端滑模增强有限时间视觉伺服控制

Yuanji Liu1 · Tianyu Zhu1 · Qingdu Li1 · Jianwei Zhang2

机构：1 上海理工大学机器智能研究院；2 汉堡大学数学信息工程学和自然科学系

引用：Liu, Y., Zhu, T., Li, Q. et al. Integral terminal sliding mode augmented finite-time visual servo control of omni-directional mobile manipulators. Control Theory Technol. (2025). https://doi.org/10.10‍07/s11768-025-00243-z

全文链接：https://r‍dcu.be/edkzs

摘要

本文提出了一种鲁棒的有限时间视觉伺服控制策略，用于解决受失配扰动影响的全方位移动机械手（OMMs）的跟踪问题。首先，本文明确提出了具有失配扰动的全方位移动机械手的视觉伺服非线性运动学模型，以解决全身逆运动学问题。其次，提出了一种带有积分终端滑模控制器的滑模观测器，以处理这些不确定性并确保系统收敛到平衡点附近的一个小区域内。采用边界层技术来减轻抖振现象。此外，还进行了严格的有限时间Lyapunov稳定性分析。本文对所提算法与传统基于位置的视觉伺服控制器进行了实验对比，结果表明所提控制算法具有优越性。

引言

多年来，机器人已广泛应用于各个行业和领域。与传统机械手相比，全向移动机械手（OMMs）是一种带有三自由度（3-DOF）移动平台的机器人机械手。OMMs 具有更高的机动性和效率。此外，当配备摄像头时，OMMs 具备感知三维环境的能力。基于位置的视觉伺服（PBVS）控制技术通过视觉信息为 OMMs 提供自主跟踪能力。然而，OMMs 的视觉伺服控制系统的复杂性使控制器的设计变得具有挑战性。首先，在 PBVS 系统中，实时三维目标位姿估计依赖于图像特征的分析，而状态估计的精度取决于摄像机标定的准确性。估计位姿的精度直接影响控制精度。其次，OMMs 的动力学涉及电机和连杆侧之间的非线性耦合，这使得控制器设计更加复杂。此外，OMMs 系统容易受到未知的时变扰动影响，例如车轮打滑和机械手关节中的间隙。系统的鲁棒性是控制器设计的关键标准。

滑模控制（SMC）技术因其强大的鲁棒性特性而在机器人控制领域得到了广泛应用。SMC 包括两个阶段：趋近阶段和滑动阶段。在滑动阶段，系统状态（如误差）到达滑模面s(e) = 0。在这一状态中，系统具有以下特性：滑模面的不变性确保了系统的动力学仅由预设滑模面决定，而与参数不确定性和外部扰动无关。这种鲁棒性由滑模面的数学特性和控制器设计所保证。最近，有研究开发了一种鲁棒的非奇异终端滑模控制（TSMC）策略，使 OMMs 能够在存在参数不确定性和外部扰动的情况下，在任务空间中执行运动学冗余的位置跟踪任务。一种结合分数阶非奇异终端滑模（FO-NTSM）和模糊小波神经网络（FWNNs）的自适应控制策略被用来提高 OMMs 的轨迹跟踪性能。一种基于扩展状态观测器的滑模控制器被开发用于 OMMs 的摩擦补偿。一种基于神经网络的滑模控制策略被应用于 OMMs 的轨迹问题。然而，上述研究主要应用于机械手或 OMMs 的二阶系统，可能不适用于 OMMs 的视觉伺服控制系统。

由于综合信号中包含积分项，积分终端滑模（ITSM）基于全阶系统的设计，能够有效解决系统阶数问题，同时确保有限时间收敛性和非奇异性。ITSM 方法消除了趋近阶段，提高了系统的整体鲁棒性。原始的 SMC/ITSM 方法使用符号函数作为鲁棒项，导致抖振现象，这可能降低跟踪精度并对执行器造成磨损。许多边界层技术已被应用于解决这些问题。然而，ITSM 型控制器对由不可测系统状态引起的不匹配扰动较为敏感。为减轻这些扰动，滑模观测器（SMO）使用系统的输入和输出信号来估计控制器的外部不确定性。这种方法已在多个领域中得到了应用，例如电机和永磁同步电机伺服系统，并成为一种颇具前景的解决方案。

因此，基于上述分析，本研究旨在解决现有研究中的两个主要缺点：第一，传统的 PBVS 技术直接使用误差设计 PD 型控制器，仅具有指数收敛特性，缺乏鲁棒性设计，导致系统鲁棒性较弱。第二，现有的 SMC 方法（如 TSMC）具有有限时间收敛特性和强鲁棒性，但主要适用于二阶系统，不能直接应用于视觉伺服系统。本研究的动机在于利用积分项的特性修改滑模面以适应全阶系统，并结合观测器技术和积分滑模控制改进传统 PBVS 技术的快速收敛性和鲁棒性。在本研究中，我们开发了一种鲁棒的有限时间视觉伺服控制器，用于解决 OMMs 在不匹配不确定性条件下的跟踪问题。首先，我们基于平坦性描述了 OMMs 的视觉伺服问题，考虑了包括机械手关节间隙和外部时变扰动在内的集总不确定性。其次，鉴于实际模型受到这些不匹配扰动的影响，我们开发了一种具有有限时间收敛特性的滑模观测器（SMO），用于减轻这些扰动。这是基于从测量图像中提取的特征向量、系统阶数以及少量可调参数实现的。利用从 SMO 获得的估计值，我们设计了基于积分终端滑模的基于位置的视觉伺服（ITSM-PBVS）控制方案，并通过边界层技术进一步增强。通过将不匹配扰动转化为控制信号，同时使用抖振抑制技术平滑控制输出，显著提高了 OMMs 的鲁棒性。

本研究的主要贡献总结如下：

提出了创新的 OMMs 视觉伺服运动学模型，考虑了由机械手关节间隙和外部时变扰动引起的集总不确定性。
提出的 ITSM-PBVS 控制律具有非奇异性和有限时间收敛特性，能够抵抗不匹配扰动，适用于 OMMs 的视觉伺服控制，并通过双曲正切函数实现抖振抑制。
通过Lyapunov稳定性分析验证了系统的有限时间稳定性，确定了收敛时间并建立了上界。

Fig. 1

（原文Fig.1）全向移动机械手（OMMs）多坐标系关系图

结论

本文研究了包含不匹配不确定性的全向移动机械手（OMMs）系统的视觉伺服跟踪问题。所提出的 OMMs 全身运动学模型能够高效地解决从笛卡尔空间到冗余关节空间的逆问题。开发了一种新型的积分终端滑模控制器，该控制器结合滑模观测器和边界层技术，确保了系统状态的有限时间收敛，并削弱了不匹配扰动的影响。测试结果表明，与经典 PBVS 方法相比，所提出的控制器具有更快的收敛速度、更高的跟踪精度和更强的抗扰能力。然而，与传统滑模面或微分滑模面相比，积分滑模面固有地增加了计算负担。由于 OMMs 的状态方程是高维的，大量矩阵运算会降低计算频率。因此，未来的研究将重点采用离散化、克罗内克积和矢量化技术，以降低计算复杂度。这些策略旨在优化控制算法，在保持有效控制性能的同时提高计算效率。

作者介绍

Yuanji Liu，2017 年获得河南科技大学农业装备工程学院农业机械化及其自动化学士学位，于 2020 年获得北京科技大学控制科学与工程硕士学位。目前，他正在上海理工大学攻读控制科学与工程博士学位。他的研究兴趣包括先进控制理论和全身控制。

Tianyu Zhu，2022 年获得上海应用技术大学电气与电子工程学院自动化学士学位。目前，他正在上海理工大学光电与计算机工程学院攻读控制科学与工程硕士学位。他的研究兴趣包括滑模控制、非线性控制和机器人控制。

Qingdu Li，2002 年和 2004 年分别获得重庆邮电大学电子工程学士学位和微电子工程硕士学位，并于 2008 年获得华中科技大学工学博士学位。他曾于 2011 年在康奈尔大学理论与应用力学系担任博士后研究员，并于 2017 年在汉堡大学信息学系担任研究员。目前，他是上海理工大学机器智能研究所的教授。他的研究兴趣包括双足机器人、动态行走、非线性电路、复杂系统、以及分岔与混沌。

Jianwei Zhang，分别于 1986 年和 1989 年获得清华大学计算机科学系学士（荣誉学位）和硕士学位，于 1994 年获得卡尔斯鲁厄大学实时计算机系统与机器人研究所计算机科学博士学位，并于 2000 年获得比勒费尔德大学技术学院的教授资格认证。目前，他是汉堡大学信息学系 TAMS 团队的教授兼负责人。他已发表约 300 篇期刊和会议论文（获得四项最佳论文奖）、技术报告、四本书籍章节以及五部研究专著。他曾主持多个欧盟和德国研究委员会的合作研究项目，包括 Transregio-SFB TRR 169 跨模态学习项目。他目前的研究兴趣包括认知机器人学、传感器融合、灵巧操作以及多模态机器人学习。

期刊简介

640 spr.jpg

欢迎扫码进入期刊主页

Control Theory and Technology (CTT), 中文名《控制理论与技术》, 创刊于2003年，原刊名为Journal of Control Theory and Applications，2014年刊名更改为Control Theory and Technology。由华南理工大学与中国科学院数学与系统科学研究院联合主办，主要报道系统控制科学中具有新观念、新思想的理论研究成果及其在各个领域中的应用。目前被 ESCI (JIF 1.7)、EI、Scopus (CiteScore 3.1，更新于2025年4月5日)、CSCD、INSPEC、ACM 等众多数据库收录, 并于2013–2018年获得两期中国科技期刊国际影响力提升计划项目资助。2017–2021年连续获得“中国最具国际影响力学术期刊”和“中国国际影响力优秀学术期刊”称号，获得广东省高水平科技期刊建设项目(2021-2024年)，2022-2024年进入中国科协自动化学科领域高质量科技期刊目录。

官网：https://link.springer.com/journal/11768 (即http://www.springer.com/11768)

https://jcta.ijournals.cn/cta_en/ch/index.aspx

投稿：https://mc03.manuscriptcentral.com/ctt

微信：ControlTheoryTech （欢迎扫码关注期刊微信公众号）