摘要
近年来，随着机器人技术的快速发展，移动机器人被广泛应用于工业、农业以及公共服务业等领域。移动机器人的运动控制是完成各项任务的前提，而轨迹跟踪控制作为运动控制中极其重要的组成部分，更是机器人完成一切任务的基础。因此，本文为解决移动机器人的轨迹跟踪控制问题，将结合前馈神经网络(FeedforwardNeuralNetwork,FNN)、递归神经网络(RecurrentNeuralNetwork,RNN)与模型预测控制(ModelPredictiveControl,MPC)设计两种不同的轨迹跟踪控制算法。主要研究内容如下： 1.研究了基于回声状态网络预测控制方法的移动机器人轨迹跟踪控制问题。首先，利用改进后的递归神经网络——回声状态网络(EchoStateNetwork,ESN)对移动机器人进行建模；然后，将训练后的模型参数代入目标函数，结合模型预测控制原理设计了一种轨迹跟踪控制器，并基于李雅普诺夫稳定性定理证明该了该算法的稳定性；最后，通过仿真实验证明了结合回声状态网络与模型预测控制原理设计的轨迹跟踪控制器，不仅减小了滚动优化求解过程中的计算复杂度，而且对参考轨迹有较好的跟踪效果。 2.研究了基于前馈神经网络预测控制方法的移动机器人轨迹跟踪控制问题。首先，考虑外界不确定因素的影响，利用RBF(RadicalBasisFunction,RBF)神经网络对移动机器人模型进行建模，可以得到移动机器人的未建模误差；然后，在约束条件下结合模型预测控制原理设计了一种基于RBF神经网络预测控制的轨迹跟踪控制器，并通过李雅普诺夫稳定性定理分析证明了该算法的稳定性；最后，通过仿真实验可知，该控制器有效克服了模型误差以及外部扰动等不确定性因素的影响，与传统的轨迹跟踪控制算法相比，其轨迹跟踪效果更好。
NETL