轮式移动机器人的稳定切换控制，以及轮廓跟随控制器
文丨栋栋不爱动
编辑丨栋栋不爱动
在阅读此文前，诚邀您点击一下“关注”，既方便您进行讨论与分享，又给您带来不一样的参与感，感谢您的支持
前言
可以从非常简单的解决方案开始说轮式自主移动机器人导航问题，这些解决方案用于解决更复杂的任务。
这样，它被认为是一种混合方法，由几个单独的连续控制器组成，每个控制器都解决一个特定的导航问题，但当被视为一个整体时，构成了一种用于更要求导航的新方法挑战。
高阶监控器控制架构的稳定性
该系统的分立部分由一个高阶监控器组成，它提供逻辑切换。特别是，涉及交换系统，这是一种混合系统，其特点是只有一个唯一的控制器可以在任何时候处于活动状态。
这种控制架构具有一些优点，模块化和分析整个系统行为的可能性，使设计人员能够得出稳定性结论。
相反，它还允许将给定任务分解为更简单的子任务，这些子任务可以单独处理，以促进设计过程。
对渐近稳定性的兴趣源于对控制系统分析的兴趣。稳定性和常见李雅普诺夫函数，以证明单个控制器以及切换控制器的稳定性。
将从控制的角度展示稳定切换控制器的设计和分析以及轮式机器人导航的两个应用示例：开发用于反应性避障的切换控制器，它在同步定位和地图构建任务中的本地导航级别的应用。
机器人自主性与机器人在没有持续人类指导的情况下执行给定任务的能力直接相关，提出了一种处理这种自主性的方法，将任务分解为个体行为，移动到目标、找到下一个点、返回开始、徘徊和停止。
接下来，可以根据期望的性能来选择或融合这些行为。在几种可用的行为中，人们感兴趣的是机器人自主的一个关键特征：障碍物检测、识别和回避。
在这种情况下，有两种主要方法：路径规划控制器或反应控制器。在路径规划控制器中，通过定义新的安全路径来检测和避开障碍物。
反应控制器仅对感官输入做出反应，而不需要大量的计算工作。设计的沿墙控制器被视为我们的避障控制器的基础。
WF任务的特点是机器人与墙壁保持恒定距离，并且可以与其他任务适当结合，以获得移动平台更高程度的自主权，Go-to-技能目标避开障碍物。
通常，WF控制器必须识别机器人和墙壁之间的距离和方向误差。这两种控制状态可以使用声纳、激光测距仪或从摄像机提取的信息来测量或估计。
通过设置相对于走廊中心的所需距离，WF控制器可以轻松适应沿着走廊的导航。对于机器人周围的环境，WF控制器对于未知环境中的反应式导航非常有用。
在这种情况下，它可以通过将障碍物视为要遵循的墙壁的一部分来用作避障器，针对多种轮廓的墙壁设计控制器具有重要意义。
包含这种情况会导致一个新的控制问题：处理墙壁轮廓上的不连续性。WF问题作为当前机器人研究的重要组成部分，已被广泛考虑。
在早期工作中，WF控制器用于避开障碍物并遵循未知的墙壁。然后提出了一种扩展这种行为能力的方法，但作为路径规划问题，而不描述控制器。
在轮廓跟随问题通过使用模糊逻辑控制器来处理，使用神经网络来估计机器人和墙壁的相对方向。一个完整的切换控制器，允许机器人跟踪尖锐的不连续轨迹。
最后一种切换方法包括切换时的稳定性演示，但控制器需要跟踪路径，并且在跟踪轨迹时没有考虑避障。在这里，WF问题通过在完全未知的环境中使用激光测距仪和里程计来解决。
最初，假设墙壁的轮廓平滑变化，并提出了一种将轮廓变化与控制动作的饱和度联系起来的表达式，这对于设计无饱和控制器很有用，第一部分包括直墙的简单情况。
然后，当考虑角点等不连续性时，轮廓跟踪问题被视为WF问题的扩展方法。对于该CF控制器，考虑了三个单独的子系统，其中一个子系统描述了每种行为：重新定向、沿墙和循环表演。
除了几位作者考虑的在移动到目标和避障行为中使用WF之外，CF控制器的其他补充应用是内部环境的映射，在监视任务和远程操作环境中使用类似的行为来遥控移动机器人。
其余部分的结构移动机器人的运动学，提出了一个WF控制器，仅基于激光和里程信息来维持笔直且平滑的变化墙壁的所需距离。
接下来显示了这种方法的一些局限性，并提出了一种允许物体完全轮廓跟踪的切换方案，包括几个实验结果。
移动机器人的状态和控制
考虑独轮式轮式移动机器人，让设置具体的符号，全局或任务坐标系用表示，机器人附属的坐标系用表示。
机器人状态变量是x、y和;其中表示车辆相对于世界坐标系的WX轴的航向。向量时间定义车辆的姿态，机器人的运动学可以通过众所周知的运动学模型来建模。
该机器人配备了激光雷达传感器一些横向光束用于估计物体轮廓角度，而所有光束用于定义安全区域，其目的是检测机器人和物体之间可能的碰撞。
选择要跟随的物体的一侧是基于初始条件的，机器人计算其右侧和左侧的物体方向和到物体的距离。然后，机器人将选择最近的一侧进行跟随，并将继续跟随该侧。
每个光束均通过其角度进行识别，对于0°的光束符号d000用于表示该光束测量的距离。从这里开始，为了简化符号，将假设机器人仅跟随机器人右侧的墙壁。
当不允许遵循不连续的墙壁时，WF控制器将在中被称为标准控制器。可以说，这使得机器人能够遵循连续且平滑变化的轮廓。
轮廓跟随控制器
多个控制器之间的稳定切换是提高性能或实现连续非线性控制下难以或不可能考虑的控制目标的正确方法。
所提出的切换控制器被设计为遵循至少与机器人尺寸相当的物体的轮廓。基本思想是使用沿墙控制器，该控制器是在开关系统稳定性理论的背景下设计的。WF控制器单独作用时在沿墙时表现出良好的性能。
物体轮廓的突然变化使得难以估计实际物体的角度。在这种情况下激光束测量的距离突然变化。由于内角而导致轮廓突然变化，导致机器人碰撞到物体。
第一步是正确检测这些情况，幸运的是，这两种情况都可以通过使用激光雷达来检测。可以通过计算侧梁长度的方差来检测第一种情况。
当机器人沿着墙壁行驶时，该方差的值接近于零，但当该轮廓丢失时，该方差会变得更大。可以定义阈值以生成墙壁丢失事件。
另一方面，对于第二种情况，碰撞可以被检测为对机器人安全区的入侵。如果任何梁的长度位于该预定义的安全区域内，则可能会生成碰撞事件。聚合了两个新的单独子系统，一个用于处理每种情况，从而构建了一个交换系统。
当障碍物出现在机器人前方一定距离处时，此行为被激活影响力，存在影响力在机器人安全，一旦设计了每个部分，就必须设计监控器逻辑。
这些离散状态之间的转换，如前所述“可能崩溃”条件被检测为所示的保护区的入侵，而“墙体丢失”条件取决于侧面激光束长度的变化机器人的。
很容易看出，这些转换并不取决于控制状态值，而是取决于激光测距仪提供的数据。这个先验的不可预测的数据将定义开关信号的值。
给定一系列系统，希望切换系统对于每个切换信号都是稳定的σ。这被称为任意切换下的稳定性，并且已成为多项研究的主题、和。
事实上，为了证明任意切换的稳定性，考虑了常见的李亚普诺夫函数。找到一个共同的李雅普诺夫函数可能是一项艰巨的任务，但如果找到了这样的函数，对切换信号的限制就会消失，从而允许所涉及的控制器之间进行稳定的切换。
使用的一个基本事实是具有适当属性的通用李亚普诺夫函数的存在保证了一致稳定性。很明显，原点是所涉及控制器的公共平衡点。然后用于这些控制器之间切换的公共李亚普诺夫函数由给出。
可以得出结论，由前面描述的三个子系统组成的切换控制系统对于任何切换信号都是稳定的，因为考虑到常见的Lyapunov函数，每个行为至少都是稳定的。
所提出的应用程序由渐近稳定的主要行为和两个互补的稳定行为组成。正如补充行为仅在特殊情况下才会活跃，并且系统始终返回主要行为。只要壁面跟随行为渐近稳定，就可以得出整个切换系统的GUAS属性。
轮廓跟随控制器——SLAM算法的组成
切换轮廓跟随控制器已在PioneerIII移动机器人中实现，该机器人以每秒150毫米的速度在典型的办公环境中导航。
机器人沿着400毫米长方形盒子的轮廓移动，在这种特殊的不连续轮廓中，控制器在沿墙和圆形路径控制器之间切换时具有良好的性能。
SLAM算法由基于顺序扩展卡尔曼滤波器特征的SLAM组成。在给出实验结果之前，有必要先用一些段落来介绍其功能算法，以保证其完整性。该算法在SLAM系统状态下融合环境的角点和线条。
角在笛卡尔坐标系中定义，而线在极坐标系中定义。除了SLAM系统状态之外，还维护辅助地图。
该辅助地图存储与环境线相关联的每个线段的端点的信息，辅助地图和SLAM系统状态同步更新。
一旦一个新的特征被添加到SLAM系统状态中，它也会被添加到辅助地图中。特征提取方法允许拒绝环境中的移动主体。
方程显示了SLAM系统状态及其协方差，可以看出，SLAM系统状态有机器人的位姿估计以及定义环境特征的参数。
协方差矩阵具有机器人位姿估计的协方差，特征参数的协方差和相应的互相关。SLAM系统状态的元素附加到SLAM第一次执行时确定的全局坐标系。
SLAM算法与环境内探索或导航策略的结合被称为主动SLAM，并且一直是自主移动机器人实现中的关键问题。
将SLAM算法与控制策略相结合来控制移动机器人的运动以及自行选择可行目的地的能力将赋予车辆完全的自主性。
控制策略与SLAM算法的结合是从两个截然不同的角度来解决的。第一个考虑如何使用控制来减少估计过程中的误差，第二个涉及提供最佳地图的探索技术。
尽管调节和估计之间存在二元性，但无论采用何种控制策略，都不能保证移动机器人通常会遵循环境内的特定轨迹。
在许多应用中，控制信号不被视为SLAM算法的输入，而是使用机器人的里程测量。大多数相关实现都集中在低级、基本控制反应行为上，而将运动规划和控制作为辅助算法。
结论
这种切换式计数跟随控制器，它允许轮式移动机器人跟随不连续的墙壁轮廓。该控制器是通过考虑标准墙壁跟随控制器和聚合两个互补控制器而开发的。
一个负责避免机器人和被跟踪的物体之间的碰撞，另一个负责找到同一物体丢失的轮廓。事实证明，这种新型开关控制器的开关信号稳定，保证机器人能够保持所需的机器人到物体的距离，并具有相同的物体方向。
接下来，该控制器被纳入SLAM算法中，以处理未知环境的探索和地图构建，暴露了这种控制架构的模块化能力。在设计控制系统时，考虑并证明了各个控制器的渐近稳定性以及切换时间的渐近稳定性。
包括带有里程计和激光雷达传感器的PioneerIII移动机器人的几项实验结果；显示了所提出的控制策略在实验室环境中的良好性能，在第一次尝试中，以及后来在SLAM实验的大规模环境中。
参考文献
安藤Y。裕太S。1996年带有声纳环的自主移动机器人的反应式沿墙算法及其行为。机器人与机电一体化杂志，81),3339。
安德拉德-塞托J。三费柳A。2006年室内移动机器人的环境学习，978-3-54032-795-0系列：高级机器人学施普林格单张，23施普林格
阿尔金RC1998年基于行为的机器人，麻省理工学院出版社：剑桥，马萨诸塞州。
奥特切因。FA2009年基于不确定区导航的移动机器人的同步定位和建图，博士论文，978-9-87056-727-1INAUT：圣胡安国立大学
贝利T。涅托J。吉万特J。史蒂文斯M。内博特E。2006年EKF-SLAM算法的一致性，在IEEE/RSJ国际智能机器人与系统会议（IROS）上，35623568,142440259中国北京
美长E。2000年基于低水平距离传感器检测、表示和跟随墙壁，Proc。第二国际。神经计算研讨会。