摘要：针对含运动学未知参数以及动力学模型不确定的非完整轮式移动机器人轨迹跟踪问题,基于Radical Basis Function(径向基函数)神经网络,提出了一种鲁棒自适应控制器.首先,考虑移动机器人运动学参数未知的情况,提出了一种含自适应参数的运动学控制器,用以补偿参数不确定性导致的系统误差;其次,利用神经网络控制技术,对于机器人在移动中动力学模型不确定问题,提出了一种具有鲁棒性的动力学控制器,使得移动机器人可以在不知道具体动力学模型的情况下跟踪到目标轨迹;最后利用Lyapunov稳定性理论证明了整个系统的稳定性.通过数值仿真验证了所设计的控制器的可行性.

摘要：针对具有强非线性特点的机械臂覆盖控制问题,基于Voronoi图理论,提出了一种多机械臂系统的区域最优覆盖控制算法.首先,通过计算各个机械臂末端执行器的位置,将目标区域进行Voronoi划分;其次,根据凸优化理论,通过定义的描述区域覆盖控制效果的目标代价函数来衡量多机械臂系统关节以及末端执行器的移动是否最优;最后,结合机械臂系统特殊的动力学特性,给出了多机械臂系统的分布式区域最优覆盖控制器.利用Lyapunov稳定性理论对该算法进行了稳定性分析,数值仿真实验表明了算法的实际有效性,即所提算法可以使得多机械臂系统的末端执行器在代价函数值最小的情况下到达相应Voronoi区域质心并且速度渐近收敛到零,形成对目标区域的最优覆盖.特别地,该算法以机械臂为研究对象,丰富了现有的覆盖控制智能体模型研究,此外基于机械臂的非线性结构特性,算法中所设计的任务空间覆盖控制律,还可以应用到二阶系统智能体的覆盖控制研究中,拓宽了现有的基于一阶系统的覆盖控制研究.