一、受非完整约束移动机器人的跟踪控制（论文文献综述）
冯肇晗[1]（2021）在《具有高速运动功能的球形机器人及其控制技术研究》文中研究说明球形机器人是一种具有特殊构造与行动方式的特种机器人,其通过内部驱动单元驱动球形外壳实现全方位运动。由于其特殊的密闭外形结构与驱动方式,相比轮式机器人以及足式机器人,球形机器人具有转向灵活、复杂环境适应性强的优势,使其在灾害救援、军事侦察、地质探测等领域具有广阔的应用前景。近年来,机器人在人类工作中的参与度逐渐提高,使其工作任务面临复杂化的趋势,这一趋势对球形机器人运动速度提出了较高要求。现有研究成果中,球形机器人的运动速度多集中在1.5m/s以下,该现状难以满足日益发展的实际任务需求。因此,研究球形机器人高速运动控制方法对提高其实用性具有重要的意义。本文针对高速运动球形机器人的相关问题,具体开展球形机器人动力学建模、运动控制、控制系统设计三个方面的研究,并通过仿真分析与实验验证结合的方案验证所提出控制方法的有效性。主要研究工作内容如下:（1）采取拉格朗日方法分别建立了球形机器人的平面动力学模型、球壳空间动力学模型、多体空间动力学模型,分别讨论了球形机器人平面模型与空间模型的受约束情况,分析了球形机器人的动力学特性,为运动控制研究提供了理论基础。（2）针对球形机器人动力学模型较为复杂的问题,提出球形机器人的理想运动状态条件及其推论,对动力学模型进行解耦与线性化并设计控制策略。针对摆式驱动球形机器人运动速度需要提高、转向难的问题,设计速度-航向控制器。通过MATLAB/ADAMS联合仿真验证了所设计控制器的有效性。（3）针对球形机器人的运动需求,设计球形机器人的控制系统,将控制系统分为位姿反馈系统、核心控制器、球形机器人本体、通讯系统4个部分。并根据设计方案,以BYQ-GS型球形机器人为平台对球形机器人开展了实验研究。实验研究包括定位实验与运动实验,验证了控制系统设计方案的可行性与速度-航向控制器的有效性。
张震[2]（2021）在《非完整约束移动机器人的运动规划与跟踪控制技术研究》文中指出巡检移动机器人在现代化工业生产过程中是一个不可或缺的角色,其以较低的成本实现了生产巡检过程的高度自主化和智能化,而其高效自主的导航系统设计是实现智能化的关键所在。在工业环境中道路设备布局错综复杂,通行路径上经常出现新增静态物体或行人等动态物体。同时,巡检移动机器人一般采用的四轮构型具有非完整约束特性,其可控自由度小于空间运动自由度,不能向空间任意方向移动。上述两方面巡检过程特性都使得自主导航系统设计更为复杂。本文将在上述复杂环境约束特性和移动机器人非完整运动约束特性的应用背景下,研究设计巡检移动机器人的自主导航系统。其中,本文将主要从提高机器人导航系统的全局规划能力、路径跟踪控制能力与多约束环境下的局部规划能力三个方面展开研究。首先在全局规划方面,为了提高规划效率并同时生成符合运动约束的全局路径。本文将从环境场景和移动机器人运动模型的非完整约束特性进行分析,在子节点的拓展方式、启发式函数和代价函数的设定三个方面改进混合A*算法。通过实验测试对比,验证本文设计的改进混合A*算法在规划效率和规划结果上的优越性。在路径跟踪控制方面,为了克服巡检机器人非完整运动约束产生的滑移扰动并提高机器人的动态跟踪性能,本文采用逐次线性化方式将机器人非线性运动模型线性化获得误差模型和预测模型,随后基于模型预测控制策略依据优化目标对状态量和控制量进行滚动优化、动态地求解预测时域内的机器人优化控制变量序列。通过仿真和实验分析,本文设计的基于模型预测控制的路径跟踪控制器可控制机器人稳定地跟踪运动并具有一定的抗滑移扰动能力,路径跟踪精度达到厘米级。在局部动态规划方面,本文将未知环境中的新增障碍约束分类建模并采用近似凸化方式简化其数学表达。在模型预测控制策略基础上,把动态规划过程与跟踪过程结合,将机器人运动模型约束、环境障碍约束整合其中,将局部动态规划问题描述为数学优化问题。MPC局部规划器能够动态实时地处理机器人约束、环境障碍约束,根据优化目标构建优化问题实时动态求解优化状态量和控制量,实现在尽可能跟踪参考路径下以较小代价完成避障运动。最后,基于机器人开发框架ROS系统搭建了非完整约束移动机器人实验平台。设计多个场景进行路径跟踪和动态避障的导航性能实验。通过实际导航实验与分析,验证了本文设计的基于模型预测控制的跟踪控制器和局部规划器的优越性。
陈紫渝[3]（2021）在《基于环境吸引域的移动机械臂移动装配规划及控制研究》文中进行了进一步梳理装配作为机器人操作的重要内容,在国防及民用领域都有很多重要的应用,如空间站和太空望远镜的在轨装配、炮弹装配、鼠标装配、硬盘装配等。其中一些装配任务,如多个深海潜水器之间的相互维修、航天器对接,具有目标移动的特点;另外对于一些大体积、小质量物体的装配,如飞机装配、泡沫制品装配等,装配范围大于机器人基座固定时的工作空间范围。这些任务对机器人的装配策略及控制提出了新的要求。然而,目前的研究大多针对固定基座的装配,对目标和机器人同时移动的移动装配问题研究较少。本文以移动机械臂为例,针对移动装配任务中,移动平台控制需考虑速度约束和参数时变、系统精度远低于装配要求精度、目标坐标系为非惯性系、移动机械臂控制需同时满足速度约束和柔顺性等关键问题开展研究,在团队前期环境吸引域相关研究的基础上,结合基于模型的控制、神经网络控制、柔顺控制、障碍李雅普诺夫函数以及基于环境吸引域的装配策略,设计了移动装配的策略及控制,实现了利用低精度的移动机械臂完成高精度的移动装配任务。具体内容包括:1、针对移动平台速度过大导致的安全问题及参数时变造成控制性能下降的问题,提出考虑速度约束和参数不确定的非完整轮式移动机器人神经网络控制。首先基于轮式移动机器人的动力学模型,利用障碍李雅普诺夫函数,设计考虑速度约束的模型控制,证明控制系统的稳定性,然后利用神经网络,设计考虑速度约束和参数不确定的非完整轮式移动机器人神经网络控制,并证明了控制系统的稳定性。该控制器能令机器人系统在保证速度约束的同时,在线学习系统参数,从而能适应参数的变化。将所提出的控制器分别在仿真平台和硬件平台上进行实验,验证了所提出方法的有效性,并与比例积分微分（PID）控制和自适应滑模控制对比,验证了所提出方法的优越性。2、针对系统精度远低于装配要求精度的问题,通过对环境约束的利用,基于环境吸引域（ARIE）理论,结合柔顺控制方法,针对空间站转位对接验证实验、高精密传感器零件装配任务以及视频图像阵列（VGA）线装配任务,设计了约束和与状态无关的输入力以构建环境吸引域,并根据不同约束下的环境吸引域设计装配策略及对应力和约束的柔顺控制参数。将所设计的策略及控制器参数在硬件平台上进行实验,验证了所提出方法的有效性。3、针对移动机械臂的移动装配问题,基于上述两项研究内容,提出移动机械臂的移动装配策略及满足速度约束的柔顺控制方法。首先将基于环境吸引域的装配策略拓展至移动装配策略,针对目标坐标系为非惯性系的问题,采用输入力补偿的方法,补偿目标坐标系加减速对物体在目标坐标系中的加速度的影响,进而设计了基于惯性系装配策略的移动装配策略。然后解决移动机械臂的控制问题,采用冗余机械臂和移动平台的组合,将研究内容1中的基于模型控制应用于移动机械臂的移动平台控制中,在此基础上,根据移动装配策略的要求,设计机械臂末端所需控制的力和约束,计算各关节所需加速度,并根据机器人动力学模型计算各关节所需力矩。最后,将所提出的移动装配策略及控制在仿真平台上进行实验,验证所提出方法的有效性。
蒋璐[4]（2021）在《人机协作中的运动规划与移动机械臂自适应控制》文中研究说明机器人与人协同作业可以充分发挥各自的优势,提高工作效率和舒适度。目前,人机协作已经在人类的生产和生活中得到了越来越多的应用,人们对其协调性和安全等方面的要求也越来越高,因此研究机器人在人机协作中的运动生成和控制策略有着十分重要的意义。本论文通过设计合理的人机协作中的机器人的运动规划方法,使得机器人能够根据任务执行过程中人的动作来生成相应的机器人运动,以提高机器人的协调性以及人机协作中的安全性。并且设计了移动机械臂的自适应控制器,以控制机器人能够准确跟踪期望轨迹,完成人机协作任务。本论文的主要研究内容概括如下:（1）考虑人机协作中存在大量的不确定性,基于长短期记忆网络对人和机器人整体系统进行了建模。通过示教的方式采集人机运动轨迹对作为模型的训练集,使得模型能够学习人与机器人运动的相关性。在在线阶段,机器人利用训练后的模型,可以由观测到的人的运动直接推测出机器人的关节运动。与传统的预编程方法相比,该方法不面向具体任务编程,降低了机器人对预编程的依赖,且该模型充分考虑了机器人对人的动作的适应性以及交互动作的自然性,可以提高机器人的自主性和协调性。（2）设计了一种移动机械臂自适应控制方法,控制机器人以较高的精度对期望轨迹进行跟踪。该方法基于移动平台和机械臂整体系统的动力学模型,采用神经网络对模型中的未知参数进行逼近,并利用李雅普诺夫直接法分析了系统的稳定性。（3）针对人机协作中的安全问题,提出了一种基于轨迹重塑的运动规划方法。采用高斯混合模型对人的运动意图进行预测,结合机器人的初始轨迹,将人机间的距离转化成作用在机械臂末端的虚拟交互力,将避障问题转化为在交互力作用下机器人的轨迹变形问题。基于能量优化的方法,采用神经网络来求解最优的重塑轨迹,实现对可能发生人机碰撞阶段的机器人轨迹的重规划,从而降低人机碰撞风险。该方法可以实现最优轨迹的快速求解,且可以使机器人根据实际情况决定轨迹变形的程度,减少运动生成过程中的能量消耗。
丁道远[5]（2021）在《基于干扰观测器的AGV路径跟踪控制策略研究》文中指出随着科学技术的发展和人工成本的不断增加,能够实现自动化装配、移载、分拣等功能的AGV（Automated Guided Vehicle）的发展和应用越来越受到行业的重视。路径跟踪控制技术作为AGV技术中重要的一环,其控制精度直接影响着整体任务的执行,与此同时,随着工作任务越来越复杂,对AGV的跟踪控制精度的要求也越来越高。但是,在AGV进行路径跟踪任务的过程中易受负载、外部干扰、系统参数摄动等干扰因素的影响,导致AGV的路径跟踪精度下降。为了提高在干扰环境下的AGV的路径跟踪精度,本文以轮式AGV为研究对象,基于反步法、干扰观测技术以及滑模控制技术研究AGV的路径跟踪串级控制策略,降低干扰对其路径跟踪精度的影响。主要研究内容如下:（1）分析AGV各种轮系结构,并选择两轮差速驱动AGV作为研究对象,考虑AGV的负载和外部干扰对AGV的影响,采用拉格朗日力学分析法建立AGV的运动学模型和动力学模型。（2）对AGV的水平曲线路径跟踪问题进行分析,基于AGV的运动学模型,研究局部收敛和全局收敛的路径跟踪算法。针对局部收敛算法无法达到全局任意方向跟踪的问题,提出可以沿着矢量场方向收敛的全局路径跟踪控制策略,并采用反步法的思想证明所提算法的稳定性。仿真结果表明,所提设计全局路径跟踪控制策略可以实现AGV在任意初始位姿情况下,按照所设计矢量场方向跟随给定参考路径。（3）针对AGV在实际运行过程中受到负载及外部干扰影响路径跟踪精度的问题,研究对复合干扰鲁棒的控制策略。基于AGV的动力学模型设计有限时间收敛的超螺旋干扰观测器对复合干扰进行在线估计,并将干扰估计值反馈到控制器中,从而抑制复合干扰对路径跟踪精度的影响;采用非奇异终端滑模控制算法设计有限时间收敛的力矩控制器,来提高系统的鲁棒性;针对滑模控制中的趋近过程的控制和抖振问题,将非线性函数引入趋近律的设计来提高趋近速度并抑制系统抖振现象。仿真结果表明,所设计控制策略能够提高系统的动态特性和鲁棒性,对负载及不同类型外部干扰具有很强的抑制作用。
王青伟[6]（2021）在《基于预定性能的多移动机器人编队控制》文中提出随着多机器人技术的不断发展,多机器人技术在多个领域得到应用,受到了越来越多的关注。单个机器人由于自身性能的限制无法满足人们日益增长的对机器人性能需求。多机器人系统具有更好的性能,能够协作完成更复杂的工作。多机器人编队控制是多机器人技术的一个重要的方向,对多机器人编队控制进行研究具有重要的意义。本文以轮式移动机器人作为研究对象,对多移动机器人的预定性能编队控制问题进行研究,论文主要研究内容如下:对多移动机器人领航跟随编队控制提出了一种基于预定性能的编队控制方法。本方法引入性能函数对编队跟踪误差进行性能约束,通过误差转换将原来的带有性能约束的编队跟踪误差转换成没有性能约束的编队跟踪误差。基于运动学模型设计了控制器,证明该控制器可使闭环系统中的所有信号有界,编队跟踪误差收敛到原点小的邻域内同时满足预定性能要求。仿真和实验结果验证了算法的有效性。对多移动机器人领航跟随编队控制有限时间收敛问题进行研究。在本方法中,为了减少编队跟踪误差收敛所需要的时间,基于快速终端滑模控制和预定性能控制设计了控制器,证明了该控制器可使闭环系统中的所有信号有界,编队跟踪误差有限时间收敛,同时可使跟踪误差满足预定性能要求。仿真和实验结果验证了编队控制算法的有效性。
陆佩芬[7]（2020）在《几类非完整约束移动机器人集群分布式协同控制研究》文中提出无人网络集群系统（移动机器人、航天器及无人机等）协同合作可实现通信、侦察、运输、导航等多种功能,应用前景广泛。无人网络集群系统以单平台的控制能力为基础,以平台间的协同交互能力为支撑,基于开放式体系架构和人工智能技术等构建,具有抗毁性、低成本、功能分布化等优势,是世界主要军事强国重点发展的技术领域,同时,在航天、航空、工业、水下作业、受灾地区等环境下也是重点发展的方向之一,集群技术也将是无人技术发展的一大重要热点。通过无人系统集群形成静止队形可完成覆盖、监测等任务;利用无人系统集群保持特定编队运动,可以实现日常巡逻、护航、物资运输、大面积喷洒、救援等,进而应用于军事、农业、城管、救援、物流、勘探、测绘等领域。由于无人网络集群系统有着广泛的应用背景,激发起学者们对无人系统的研究热情。目前,网络集群系统取得了很多研究成果,但目前大部分文献主要是针对单机器人的情况,或者机器人集群研究中,采用了绝对/全局信息,这违背了分布式控制设计思想。本文主要研究了几类非完整约束移动机器人集群系统集结,跟踪以及编队控制问题。主要内容包括:A.考虑了具有饱和输入的环状通讯网络下非完整约束移动机器人集群系统全局一致性问题。假设每个机器人可获得全局坐标中自身位置信息并通过无线通讯获取其邻居的位置信息,则使用设计了一种新型的分布式饱和控制器来渐近地实现多机器人系统位置全局一致性。基于Lyapunov方法,通过理论分析给出了实现非完整约束多机器人系统一致性时控制器参数需满足的充分性条件。基于无线局域网以及无线网络传输,实现了多机器人系统分布式控制。进而给出了一致性控制的仿真以及实验结果,证明了控制器设计和理论分析的有效性。B.考虑了在一般有向通讯拓扑结构下非完整约束多移动机器人集群编队控制问题。针对每个跟随者非完整约束移动机器人设计了观测器,该观测器利用自身局部信息及其相邻机器人的相对信息来估计领导者的状态。基于观测器的使用,设计了跟随者的编队控制器,用于追踪领导者的状态信息。利用Lyapunov函数分析了分布式观测器和编队控制器组成闭环系统的稳定性和收敛性,最终证明所设计的控制器能有效实现非完整约束移动机器人集群系统有向通讯拓扑下的编队控制。通过仿真和实验实例验证了理论结果。C.进一步研究了一般有向通讯拓扑结构下非完整约束移动机器人集群系统自适应神经网络协同跟踪控制问题。针对带有外界干扰不确定性和非模型动力学不确定性的非完整约束移动机器人,提出了一种分层的协同控制框架,该框架包括一个新型分布式估计器以及分布式神经网络自适应跟踪控制器,能够有效实现非完整约束移动机器人集群系统自适应神经网络协同跟踪控制。通过理论分析证明了闭环系统控制系统稳定性,进一步利用仿真实验说明了该方法。D.研究了未知领导者非完整约束移动机器人集群系统编队跟踪控制问题。考虑领导者的动力学是非理想以及受到干扰/未建模条件的影响。设计了一个分布式的联合抗干扰和领导者状态观测器实现控制目标,以分布式方式观测领导者信息。并将观测器提供的受扰领导者代入到控制器中,以抵消干扰项影响并渐近实现编队。采用摄动理论和Lyapunov方法分析分布式编队跟踪控制算法的收敛性和稳定性。通过仿真和实际实验验证了理论结果。E.研究了存在外界扰动的非完整约束移动机器人集群系统受扰编队跟踪控制问题。考虑领导者和跟随者的动力学均受到有界干扰。我们设计了一个新颖的分布式联合干扰和领导者状态观测器来解决该问题,以分布式方式观测跟随者的扰动信息和领导者的状态信息及其扰动信息。并将观测器提供的领导者状态观测信息、领导者扰动观测信息以及跟随者扰动观测信息应用于控制器中,以抵消外界干扰并渐近实现编队跟踪控制。采用摄动理论和Lyapunov方法分析分布式编队跟踪控制算法的收敛性和稳定性。最后利用仿真实例来验证理论结果的有效性。
刘明硕[8]（2020）在《非完整约束移动机器人运动控制研究》文中进行了进一步梳理随着人类对未知领域的探索活动日益频繁,非完整约束移动机器人发挥着越来越大的作用。但由于机器人很多参数存在不确定性,而且在运动过程中,会受到外界环境施加的各种干扰,所以机器人的轨迹跟踪控制会遇到各种各样的困难。本文以一种非完整约束移动机器人为研究对象,探索不确定环境下的轨迹跟踪问题,主要内容如下:根据轮-地剪切作用机理建立了电机扭矩与非完整约束移动机器人运动加速度之间的关系,并且考虑了滚动阻碍系数及地面转向阻碍力矩外加各种未知的干扰,建立了移动机器人的非完整约束动力学模型。针对带有不确定干扰的非完整约束移动机器人动力学模型,建立了鲁棒H-infinite控制器,得到了满足跟踪误差系统稳定性关系的Riccati方程。然后基于Lyapunov方法获得了系统的稳定性条件,并使系统满足一定的性能指标。仿真结果验证了位移跟踪误差和速度跟踪误差都满足指定的性能指标,设计方法有效。在此基础上,考虑了外界干扰的变化率并利用其二阶导数设计了观测器;并根据非脆弱控制方法设计了一种新颖的具有增益自动调节功能的控制器。运用Lyapunov方法验证了跟踪误差系统的稳定性,使跟踪误差收敛到原点的一个小邻域。建立了跟踪误差系统的稳定性条件,通过求解LMI获得控制器的表达形式,数值仿真验证了所设计方法的有效性。
李阳[9]（2020）在《基于解耦式主动脚轮的全向移动机器人跟踪控制及运动分配》文中研究说明基于解耦式主动脚轮的移动机器人是一类新型的全向移动机器人,特别适合狭小空间的货物搬运,具有很高的社会经济价值。该类机器人特殊的构型,在实现全向移动功能的同时也给系统造成了驱动冗余的问题,造成运动控制的困难。为促进基于解耦式主动脚轮全向移动机器人的发展,使其能够真正应用于实际工业中去,本文针对该类机器人关键技术中的运动控制进行深入研究,提出分层控制的设计理念,上层实现机器人运动的跟踪控制,下层实现运动的分配控制,并分别基于运动学模型和动力学模型实现移动机器人的轨迹跟踪控制。首先,本课题回顾了全向移动机器人的发展历程,突出解耦式主动脚轮实现机器人全向移动的各种优势,并总结了国内外关于移动机器人运动控制的重点研究内容。其次,构建了由两个解耦式主动脚轮组成的全向移动机器人,并对解耦式主动脚轮的工作原理做了说明,计算了基于解耦式主动脚轮移动机器人的自由度。基于串并联理论,将主动脚轮视为三自由度的机械臂,移动机器人视为多机械臂的平台。在理想运动情况下,构建了机器人的运动学、静力学模型。并基于galil的硬件伺服驱动系统和基于ROS的软件系统,搭建了机器人的控制系统。在基于运动学模型的跟踪控制方面,本课题对脚轮打滑干扰做了分析,建立了包含打滑干扰的全向移动机器人运动学模型。基于多传感器信息融合技术实现机器人的运动状态的速度估计与航迹推算,并对打滑做了估计。紧接着,建立了移动机器人运动过程中的跟踪误差动态模型,并结合反步法设计了上层轨迹跟踪控制器。基于逆向运动学实现了脚轮速度的分配,建立整体控制框架。然后,本课题分析了控制参数对机器人系统稳定性的影响,通过仿真与实际实验验证了控制方法的有效性。为进一步研究机器人的运动控制,本课题又从动力学的角度进行探究。针对脚轮的非完整约束特性,本课题基于第一类拉格朗日方程建立了解耦式主动脚轮的动力学模型、摩擦力简化模型,并将其转化为工作空间下的整体动力学模型。基于整体动力学模型,设计了上层滑模轨迹跟踪控制器。在下层力矩分配方面,将带约束的分配问题转化为最优化问题,采用拉格朗日乘子法求解该优化问题,实现机器人运动过程中合内力最小。然后,设计李亚普诺夫函数对系统的稳定性进行分析与证明,通过仿真实验验证了控制器的效果。本文分别基于解耦式主动脚轮全向移动机器人的运动学模型和动力学模型提出了分层次的轨迹跟踪控制器,充分考虑了全向移动平台的冗余驱动的特性,为全向移动平台后期的推广应用提供了技术保障。
刘丽霞[10]（2020）在《网络约束环境下非完整机器人系统一致性问题研究》文中认为随着近二十多年以来网络科学理论及其应用研究的迅速发展,网络环境下多机器人协调作为一种新的机器人应用形式日益引起国内外科学和工程许多领域专家学者的兴趣与关注,其中由非完整Lagrange动力学所描述多机器人系统的协调控制已成为十分活跃的研究课题之一。这主要是由于它能描述在复杂集成化生产进程中,诸如移动机器人,柔性机械臂和自动车辆等一大类物理及力学对象,其中灵活性、机动性、可靠性和可操作性是可期待甚至是必要的特征,因而所获结果有可能应用到诸如自动车辆制造,探月工程与载人航天和水下勘测与深空探测等实际工程问题关键技术的设计和实现。另一方面,网络约束环境下轮式移动机器人系统是一个呈现多层次、多结构和多尺度等高度非线性以及强耦合高维复杂动态系统,同时又具有明显的非完整和欠驱动动力学特性。相对于单轮式机器人诸如定点调节（Set-point regulation）、轨迹跟踪（Trajectory tracking）和路径规划（Path planning）等传统精准运动控制问题,在复杂网络约束环境下大规模协作非完整轮式机器人集群协调控制具有更大的挑战性。因此,研究以轮式移动机器人为载体的非完整Lagrange系统协调控制不仅从理论上具有非常重要的科学意义,而且从工程实践上也具有十分重要的应用价值。本文主要以网络约束环境下协作多机器人系统个体间通信交互的网络拓扑构型与信息融合过程中时滞和噪声两个核心要素为驱动,综合运用经典分析动力学和现代网络科学相结合的研究模式和技术手段,从多智能体分布式控制理论的角度出发,研究由非完整Lagrange系统所描述的轮式移动机器人系统协调分布式一致性跟踪的动力学与控制问题,主要内容可以概括为以下三个方面:一、网络化非完整移动机器人系统自适应一致性以表征代表性非完整和欠驱动特性通用两轮驱动小车（Two-wheel driven car）为对象,基于反步法（Back-stepping）与滑模控制法（Sliding mode con-trol）提出 了一个运动学控制器与动力学控制器相集成的协同一致性跟踪控制算法,并利用Lyapunov函数方法给出了此算法闭环系统稳定性的一个系统性分析框架。提出的自适应一致性算法一个显着特征是在控制策略中引入描述机器人个体间通信交互的网络拓扑结构,这与协作多机器人系统的实际结构和特征是一致的。最后对提出的自适应一致性算法进行数值模拟来验证控制方案的有效性,并进一步分析了不同的网络拓扑,网络耦合强度和网络连通度对非完整移动机器人系统在自适应一致性协调进程中非线性动力学响应。二、网络化非完整移动机器人系统实用一致性针对极坐标情形下具有输入扰动的轮式移动机器人系统,基于滑模控制法提出了一个由位置控制器与航向控制器相集成的实用一致性跟踪控制算法。发展的实用一致性跟踪控制方案充分利用了轮式机器人非完整与欠驱动特性来消除所设计滑模面的几何约束,从而实现了运动学和动力学两个层面控制器的有机整合。所获结果表明:发展的实用一致性跟踪控制策略即使退化到单个轮式机器人系统的情形,其跟踪控制性能仍然展示更好的稳定性,鲁棒性和有效性。最后通过具有典型网络拓扑和不同扰动输入情形的对比数值仿真实例进一步验证了提出实用一致性控制算法正确性。三、网络化非完整移动机器人系统随机一致性针对多机器人个体间通信交互过程中不可避免产生的时滞和噪声现象,通过适当引入描述机器人个体间局部通信交互网络拓扑的一个时变参考跟踪速度,使得在移动机器人运动学控制器能够合理地引入通讯时滞和输入时滞,提出了一个运动学与动力学相集成的均方一致性跟踪算法,并应用扩展随机时滞的Halanay不等式分别导出了确保相应控制算法稳定性通讯时滞和输入时滞上界的分析表达式。最后通过数值模拟证实了所获理论结果的正确性,并进一步讨论了所提出的随机一致性跟踪控制策略中通讯时滞和输入时滞的非线性效应。
二、受非完整约束移动机器人的跟踪控制（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、受非完整约束移动机器人的跟踪控制（论文提纲范文）
（1）具有高速运动功能的球形机器人及其控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 球形机器人结构设计国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 球形机器人动力学模型研究现状 |
| 1.4 球形机器人控制方法研究现状 |
| 1.4.1 基于平面动力学模型的运动控制研究 |
| 1.4.2 基于空间动力学模型的运动控制研究 |
| 1.4.3 球形机器人运动控制方法研究现状总结 |
| 1.5 本论文主要研究内容 |
| 第二章 球形机器人动力学模型 |
| 2.1 引言 |
| 2.2 球形机器人结构 |
| 2.3 球形机器人动力学模型 |
| 2.3.1 平面动力学模型 |
| 2.3.2 球壳空间动力学模型 |
| 2.3.3 球形机器人多体空间动力学模型 |
| 2.4 本章小结 |
| 第三章 球形机器人运动控制 |
| 3.1 引言 |
| 3.2 球形机器人运动控制方法研究 |
| 3.2.1 理想运动状态条件及其推论 |
| 3.2.2 内环速度-姿态控制 |
| 3.2.3 速度-航向双闭环控制 |
| 3.3 仿真验证 |
| 3.3.1 数值仿真验证 |
| 3.3.2 MATLAB-Adams联合仿真验证 |
| 3.4 本章小结 |
| 第四章 球形机器人控制系统设计 |
| 4.1 引言 |
| 4.2 控制系统总体设计 |
| 4.3 控制系统构建 |
| 4.4 控制系统软件 |
| 4.4.1 主程序与初始化程序 |
| 4.4.2 传感器驱动程序 |
| 4.5 本章小结 |
| 第五章 实验验证 |
| 5.1 引言 |
| 5.2 球形机器人运动定位实验 |
| 5.3 球形机器人全局定位实验 |
| 5.4 球形机器人高速运动实验 |
| 5.5 球形机器人速度-航向控制实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文目录 |
（2）非完整约束移动机器人的运动规划与跟踪控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 主要研究问题和方向 |
| 1.3 移动机器人运动规划与跟踪控制技术研究现状与分析 |
| 1.3.1 移动机器人全局规划技术研究现状与分析 |
| 1.3.2 移动机器人跟踪控制技术研究现状与分析 |
| 1.3.3 移动机器人局部规划技术研究现状与分析 |
| 1.4 本文主要研究内容与结构 |
| 第2章 非完整约束移动机器人的全局路径规划 |
| 2.1 引言 |
| 2.2 混合A~*算法的思想与原理 |
| 2.3 基于改进混合A~*算法的全局规划 |
| 2.3.1 改进混合A~*算法的子节点拓展策略 |
| 2.3.2 改进混合A~*算法的启发式函数建立与加速技巧 |
| 2.4 改进混合A~*算法的实现与实验对比分析 |
| 2.4.1 混合A~*算法的算法流程及参数设定 |
| 2.4.2 改进混合A~*与经典A~*算法的对比实验 |
| 2.5 小结 |
| 第3章 基于逐次线性化模型预测控制的路径跟踪方法研究 |
| 3.1 引言 |
| 3.2 非完整约束移动机器人的逐次线性误差模型建立 |
| 3.3 基于模型预测控制策略的跟踪控制器设计 |
| 3.3.1 模型预测控制策略及优化问题 |
| 3.3.2 模型预测跟踪控制器设计与反馈控制 |
| 3.4 跟踪控制仿真实验与分析 |
| 3.4.1 MPC跟踪控制器的仿真分析 |
| 3.4.2 MPC与PI跟踪控制器的对比分析 |
| 3.5 小结 |
| 第4章 基于模型预测控制理论的机器人局部规划与动态避障 |
| 4.1 引言 |
| 4.2 局部动态规划过程的数学描述 |
| 4.2.1 局部规划过程的场景描述 |
| 4.2.2 局部规划过程的问题描述 |
| 4.3 局部规划器中障碍约束的数学建模与凸化 |
| 4.3.1 局部规划器中障碍约束的数学建模 |
| 4.3.2 凸优化问题及其性质 |
| 4.3.3 局部规划器中障碍约束条件的近似凸化 |
| 4.3.4 MPC局部规划器的优化思想 |
| 4.4 基于模型预测控制的局部动态规划仿真与分析 |
| 4.4.1 面向新增静态障碍约束的动态规划仿真与分析 |
| 4.4.2 面向动态障碍约束的动态规划仿真分析 |
| 4.4.3 MPC局部规划器的性能分析 |
| 4.5 小结 |
| 第5章 移动机器人运动规划控制系统设计与实验研究 |
| 5.1 引言 |
| 5.2 基于ROS框架的移动机器人系统平台搭建 |
| 5.2.1 移动机器人平台的结构与硬件框架 |
| 5.2.2 基于ROS框架的移动机器人软件系统搭建 |
| 5.3 非完整约束移动机器人路径跟踪性能的实验与分析 |
| 5.3.1 机器人路径跟踪的实验过程与结果 |
| 5.3.2 跟踪实验与MPC跟踪控制性能的分析 |
| 5.4 移动机器人局部规划器动态性能的实验分析 |
| 5.4.1 实验参数配置与巡检跟踪实验分析 |
| 5.4.2 面向新增静态障碍的局部动态规划实验分析 |
| 5.4.3 面向动态障碍的局部动态规划实验分析 |
| 5.5 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）基于环境吸引域的移动机械臂移动装配规划及控制研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 关键问题 |
| 1.1.2 论文主要研究内容 |
| 1.1.3 论文结构安排 |
| 第2章 国内外研究现状 |
| 2.1 移动平台控制研究现状 |
| 2.2 高精度装配研究现状 |
| 2.3 用于组成移动机械臂的协作机械臂 |
| 2.4 移动机械臂柔顺控制研究现状 |
| 第3章 考虑速度约束的轮式移动机器人神经网络控制 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 定义及引理 |
| 3.2.2 问题描述 |
| 3.3 基于模型的控制 |
| 3.3.1 基于模型的控制器设计 |
| 3.3.2 基于模型的控制器的稳定性分析 |
| 3.4 基于神经网络的控制 |
| 3.4.1 自适应神经网络控制器设计 |
| 3.4.2 神经网络控制器的稳定性分析 |
| 3.5 仿真实验 |
| 3.6 硬件实验 |
| 3.7 本章小结 |
| 第4章 基于环境吸引域的装配策略及控制研究 |
| 4.1 引言 |
| 4.2 环境吸引域介绍 |
| 4.3 柔顺控制 |
| 4.3.1 阻抗控制 |
| 4.3.2 导纳控制 |
| 4.4 基于环境吸引域的装配规划 |
| 4.4.1 空间站转位对接验证实验 |
| 4.4.2 VGA线装配 |
| 4.4.3 高精密传感器零件装配 |
| 4.5 实验 |
| 4.5.1 空间站转位对接任务地面验证实验 |
| 4.5.2 复杂多轴孔形状VGA线装配任务 |
| 4.5.3 高精密传感器零件装配任务 |
| 4.6 本章小结 |
| 第5章 移动机械臂移动装配策略及控制研究 |
| 5.1 引言 |
| 5.2 基于环境吸引域的移动装配策略 |
| 5.3 阻抗控制 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（4）人机协作中的运动规划与移动机械臂自适应控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 深度学习在机器人领域的应用研究现状 |
| 1.2.2 人机协作中的安全策略研究现状 |
| 1.2.3 移动机械臂的运动控制研究现状 |
| 1.3 论文的研究内容和结构安排 |
| 1.4 本章小结 |
| 第2章 人机协作实验平台介绍 |
| 2.1 机器人平台 |
| 2.2 人体运动捕捉系统 |
| 2.3 系统框架构建 |
| 2.3.1 硬件框架设计 |
| 2.3.2 软件框架设计 |
| 2.4 移动平台的运动学模型 |
| 2.5 本章小结 |
| 第3章 基于长短期记忆网络的运动生成 |
| 3.1 引言 |
| 3.2 机械臂的运动学模型 |
| 3.2.1 机器人的位姿描述基础 |
| 3.2.2 机械臂的运动学模型 |
| 3.3 基于LSTM的运动生成方法 |
| 3.3.1 LSTM神经网络简介 |
| 3.3.2 LSTM网络结构及参数 |
| 3.4 实验部分 |
| 3.4.1 实验任务描述 |
| 3.4.2 基于示教的数据采集 |
| 3.4.3 数据预处理 |
| 3.4.4 实验结果与分析 |
| 3.5 本章小结 |
| 第4章 移动机械臂自适应控制 |
| 4.1 引言 |
| 4.2 移动机械臂动力学建模 |
| 4.3 移动机械臂神经网络自适应控制 |
| 4.3.1 自适应神经网络 |
| 4.3.2 控制器设计 |
| 4.4 实验部分 |
| 4.4.1 实验任务描述 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 基于轨迹重塑的安全运动规划 |
| 5.1 引言 |
| 5.2 基于高斯混合模型的人的行为预测 |
| 5.2.1 高斯混合模型 |
| 5.2.2 期望最大化算法 |
| 5.2.3 高斯混合回归 |
| 5.3 基于轨迹重塑的安全运动规划 |
| 5.3.1 交互力转化 |
| 5.3.2 轨迹重塑 |
| 5.3.3 神经动力学优化 |
| 5.4 实验部分 |
| 5.4.1 实验任务描述 |
| 5.4.2 人的轨迹预测实验分析 |
| 5.4.3 轨迹重塑实验分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文主要工作总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（5）基于干扰观测器的AGV路径跟踪控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 AGV的国内外发展现状 |
| 1.3 AGV的路径跟踪控制策略研究现状 |
| 1.4 本文研究内容及结构安排 |
| 第二章 AGV结构分析与数学建模 |
| 2.1 AGV的轮系结构分析 |
| 2.2 两轮差速驱动AGV的建模分析 |
| 2.2.1 坐标系统与建模条件分析 |
| 2.2.2 两轮差速驱动AGV的非完整约束分析 |
| 2.3 两轮差速驱动AGV运动学和动力学建模 |
| 2.3.1 两轮差速驱动AGV的运动学建模 |
| 2.3.2 空载情况下的AGV动力学模型建立 |
| 2.3.3 负载及外部干扰条件下的AGV动力学模型 |
| 2.4 本章小结 |
| 第三章 AGV运动学路径跟踪控制策略研究 |
| 3.1 水平曲线参考路径定义及路径跟踪误差分析 |
| 3.2 AGV运动学局部路径跟踪控制策略 |
| 3.3 基于反步法的AGV运动学全局路径跟踪控制策略 |
| 3.3.1 反步设计法基本原理 |
| 3.3.2 基于反步法的运动学控制器设计 |
| 3.4 仿真结果与分析 |
| 3.4.1 圆形路径跟踪结果分析 |
| 3.4.2 正弦路径跟踪结果分析 |
| 3.5 本章小结 |
| 第四章 基于超螺旋干扰观测器的AGV路径跟踪控制 |
| 4.1 串级控制方案设计 |
| 4.2 滑模控制基本原理 |
| 4.2.1 非奇异终端滑模基本原理 |
| 4.2.2 超螺旋滑模算法基本原理 |
| 4.3 超螺旋干扰观测器设计 |
| 4.4 基于非奇异终端滑模控制算法的路径跟踪控制器设计 |
| 4.4.1 基于非奇异终端滑模路径跟踪控制器设计 |
| 4.4.2 变速趋近律设计 |
| 4.4.3 稳定性分析 |
| 4.5 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 文章不足与展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（6）基于预定性能的多移动机器人编队控制（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 多机器人编队国内外研究现状 |
| 1.3 多机器人编队研究的主要问题 |
| 1.4 多机器人编控制方法 |
| 1.5 本文的主要内容和结构安排 |
| 1.5.1 本文的主要研究内容 |
| 1.5.2 论文结构 |
| 1.6 本章小结 |
| 第二章 基础知识 |
| 2.1 引言 |
| 2.2 非完整约束系统描述 |
| 2.3 轮式移动机器人运动学模型 |
| 2.4 预定性能控制 |
| 2.4.1 性能函数 |
| 2.4.2 误差转换 |
| 2.5 滑模控制 |
| 2.6 本章小结 |
| 第三章 基于预定性能的多移动机器人编队控制 |
| 3.1 引言 |
| 3.2 单个机器人运动学模型 |
| 3.3 领航-跟随编队运动学模型 |
| 3.4 性能方程和误差转换 |
| 3.5 控制器设计和稳定性分析 |
| 3.6 仿真结果 |
| 3.7 实验 |
| 3.7.1 实验平台介绍 |
| 3.7.2 实验平台硬件组成 |
| 3.7.3 实验平台软件程序设计 |
| 3.7.4 实验结果 |
| 3.8 本章小结 |
| 第四章 带有预定性能的多移动机器人编队滑模控制 |
| 4.1 引言 |
| 4.2 多机器人编队误差模型 |
| 4.3 误差转换 |
| 4.4 控制器设计和稳定性证明 |
| 4.5 仿真和实验 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（7）几类非完整约束移动机器人集群分布式协同控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号表 |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 具有输入饱和约束的分布式无领导者全局一致性控制 |
| 1.2.2 基于分布式估计器的编队控制 |
| 1.2.3 基于自适应神经网络的协同跟踪集结 |
| 1.2.4 有界干扰输入下的编队控制 |
| 1.2.5 非完整轮式移动机器人集群分布式协同控制方式的进一步讨论 |
| 1.3 非完整约束移动机器人集群分布式协同控制现有结果局限性 |
| 1.4 本文主要内容安排 |
| 第二章 预备知识 |
| 2.1 代数图论 |
| 2.2 神经网络逼近理论 |
| 2.3 重要引理 |
| 2.4 本章小结 |
| 第三章 具有分布式饱和输入的环网非完整约束移动机器人集群系统全局一致性控制 |
| 3.1 模型描述 |
| 3.2 主要结果 |
| 3.3 数值仿真 |
| 3.4 实验 |
| 3.4.1 硬件和软件配置 |
| 3.4.2 具体实验操作 |
| 3.5 本章小结 |
| 第四章 基于分布式估计器的非完整约束移动机器人集群系统编队控制 |
| 4.1 问题描述 |
| 4.2 分布式观测器 |
| 4.3 分布式协议和主要结果 |
| 4.4 数值仿真 |
| 4.5 实验 |
| 4.6 本章小结 |
| 第五章 基于神经网络自适应的非完整约束移动机器人集群系统协同跟踪集结 |
| 5.1 问题描述 |
| 5.2 分布式观测器 |
| 5.3 分布式协议设计 |
| 5.4 主要结果 |
| 5.5 数值仿真 |
| 5.6 本章小结 |
| 第六章 领导者有界干扰输入下非完整约束移动机器人集群系统编队控制 |
| 6.1 问题描述 |
| 6.2 分布式观测器设计 |
| 6.3 分布式协议和主要结果 |
| 6.4 数值仿真 |
| 6.5 实验 |
| 6.6 本章小结 |
| 第七章 有界干扰输入下非完整约束移动机器人集群系统编队跟踪控制 |
| 7.1 问题描述 |
| 7.2 分布式观测器设计 |
| 7.3 分布式协议和主要结果 |
| 7.4 数值仿真 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）非完整约束移动机器人运动控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 非完整约束移动机器人控制研究现状 |
| 1.3 本文章节安排 |
| 1.4 本章小节 |
| 第2章 非完整约束移动机器人动力学模型 |
| 2.1 引言 |
| 2.2 建立非完整约束机器人动力学模型 |
| 2.2.1 机器人简要说明 |
| 2.2.2 机器人动力学模型的建立 |
| 2.3 本章小结 |
| 第3章 基于H-infinite控制的移动机器人轨迹跟踪 |
| 3.1 引言 |
| 3.2 机器人轨迹跟踪误差方程的建立 |
| 3.3 轨迹跟踪 H-infinite 控制器设计 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第4章 基于干扰观测器的机器人轨迹跟踪 |
| 4.1 引言 |
| 4.2 考虑干扰的跟踪误差方程的建立 |
| 4.3 干扰观测器设计 |
| 4.3.1 基于干扰变化率设计观测器 |
| 4.3.2 基于干扰的二阶导数设计观测器 |
| 4.3.3 干扰变化率估计器设计 |
| 4.4 基于干扰观测器的轨迹跟踪控制器设计 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 第5章 基于非脆弱控制的机器人轨迹跟踪 |
| 5.1 引言 |
| 5.2 机器人轨迹跟踪系统的建立 |
| 5.3 轨迹跟踪非脆弱控制器设计 |
| 5.4 仿真验证 |
| 5.5 本章小结 |
| 参考文献 |
| 致谢 |
（9）基于解耦式主动脚轮的全向移动机器人跟踪控制及运动分配（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 全向移动机器人脚轮发展概述 |
| 1.2.2 基于运动学模型的移动机器人运动控制研究 |
| 1.2.3 基于动力学模型的移动机器人运动控制研究 |
| 1.3 研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 课题内容 |
| 1.4 本章小结 |
| 第2章 基于解耦式主动脚轮的全向移动机器人系统 |
| 2.1 解耦式主动脚轮 |
| 2.2 全向移动机器人 |
| 2.3 移动机器人数学建模 |
| 2.3.1 正向运动学 |
| 2.3.2 逆向运动学 |
| 2.3.3 静力学 |
| 2.4 系统参数计算 |
| 2.5 控制系统架构 |
| 2.5.1 基于Galil的硬件系统 |
| 2.5.2 基于ROS的软件系统 |
| 2.6 本章小结 |
| 第3章 基于运动学模型的全向移动机器人反步法跟踪控制 |
| 3.1 引言 |
| 3.2 基于运动学的移动机器人数学建模 |
| 3.2.1 考虑打滑情况的移动机器人运动学模型分析 |
| 3.2.2 基于多传感器融合的速度估计及里程推算 |
| 3.2.3 轨迹跟踪动态误差建模 |
| 3.3 控制系统设计 |
| 3.3.1 基于反步法的跟踪控制 |
| 3.3.2 基于速度的协调控制 |
| 3.4 系统稳定性分析及参数整定 |
| 3.4.1 系统稳定性证明 |
| 3.4.2 控制参数对系统的影响及在线整定 |
| 3.5 仿真及试验 |
| 3.5.1 数值仿真 |
| 3.5.2 实验 |
| 3.6 本章小结 |
| 第4章 基于动力学模型的全向移动机器人滑模跟踪控制 |
| 4.1 引言 |
| 4.2 基于动力学的移动机器人数学建模 |
| 4.2.1 移动机器人动力学建模 |
| 4.2.2 轮地摩擦建模 |
| 4.3 控制器设计 |
| 4.3.1 轨迹跟踪控制器 |
| 4.3.2 协调分配控制 |
| 4.4 系统稳定性分析 |
| 4.5 仿真实验 |
| 4.5.1 圆形轨迹跟踪 |
| 4.5.2 八字形轨迹跟踪 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 附录 A 移动机器人理论 |
| A.1 完整约束与非完整约束 |
| A.2 运动学约束 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（10）网络约束环境下非完整机器人系统一致性问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号及释义对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究工作 |
| 第二章 预备知识 |
| 2.1 代数图论 |
| 2.2 动力系统稳定性理论 |
| 2.2.1 基本定理 |
| 2.2.2 实用稳定性 |
| 2.2.3 随机稳定性 |
| 2.3 轮式移动机器人系统 |
| 2.3.1 非完整系统 |
| 2.3.2 运动学模型 |
| 2.3.3 动力学模型 |
| 2.4 本章小结 |
| 第三章 网络化非完整移动机器人系统自适应一致性 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 控制目标 |
| 3.4 自适应一致性算法 |
| 3.4.1 控制器设计 |
| 3.4.2 收敛性分析 |
| 3.5 仿真实例 |
| 3.5.1 一致性切换跟踪 |
| 3.5.2 网络拓扑效应 |
| 3.6 本章小结 |
| 第四章 网络化非完整移动机器人系统实用一致性 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 控制目标 |
| 4.4 实用一致性跟踪策略 |
| 4.4.1 控制器设计 |
| 4.4.2 收敛性分析 |
| 4.5 数值仿真 |
| 4.5.1 实用一致性跟踪 |
| 4.5.2 网络拓扑效应 |
| 4.5.3 不同输入扰动情形 |
| 4.6 本章小结 |
| 第五章 网络化非完整移动机器人系统随机一致性 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 控制目标 |
| 5.4 随机一致性 |
| 5.4.1 输入时滞情形 |
| 5.4.2 通讯时滞情形 |
| 5.5 仿真实例 |
| 5.5.1 输入时滞效应 |
| 5.5.2 通讯时滞效应 |
| 5.5.3 控制方案的随机效应 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间完成的工作 |
| 致谢 |
四、受非完整约束移动机器人的跟踪控制（论文参考文献）
- [1]具有高速运动功能的球形机器人及其控制技术研究[D]. 冯肇晗. 北京邮电大学, 2021(01)
- [2]非完整约束移动机器人的运动规划与跟踪控制技术研究[D]. 张震. 哈尔滨工业大学, 2021
- [3]基于环境吸引域的移动机械臂移动装配规划及控制研究[D]. 陈紫渝. 中国科学技术大学, 2021(09)
- [4]人机协作中的运动规划与移动机械臂自适应控制[D]. 蒋璐. 中国科学技术大学, 2021(08)
- [5]基于干扰观测器的AGV路径跟踪控制策略研究[D]. 丁道远. 合肥工业大学, 2021(02)
- [6]基于预定性能的多移动机器人编队控制[D]. 王青伟. 天津工业大学, 2021(01)
- [7]几类非完整约束移动机器人集群分布式协同控制研究[D]. 陆佩芬. 东南大学, 2020(02)
- [8]非完整约束移动机器人运动控制研究[D]. 刘明硕. 沈阳工业大学, 2020(01)
- [9]基于解耦式主动脚轮的全向移动机器人跟踪控制及运动分配[D]. 李阳. 中国科学院大学(中国科学院宁波材料技术与工程研究所), 2020
- [10]网络约束环境下非完整机器人系统一致性问题研究[D]. 刘丽霞. 上海大学, 2020(03)