摘要：针对非完整移动机器人轨迹跟踪控制问题，提出一种基于B a c k s t e p p i n g运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法。利用两个带自适应调节算法的径向基神经网络(R a d i a l b a s i s f u n c t i o n n e u r a l n e t w o r k，R B F N N)分别计算滑模的等效控制部分和调节滑模控制的增益，不但解决了移动机器人的参数与非参数不确定性问题，同时也消除了在滑模控制中的输入抖振现象。设计过程采用L y a p u n o v方法，保证了控制系统的稳定与收敛。仿真结果表明了该方法的有效性，且在多种不确定性存在的情况下．，该方法能较好地消除非完整机器人的跟踪误差。

    关键词：双自适应神经滑模控制混合控制轨迹跟踪非完整移动机器人不确定性

前言

    近年来，由于移动机器人在深空探测、安全与搜救、采矿、农业、林业以及军事等领域有着广阔的应用前景J，成为了研究的热点。而轮式移动机器人(Wh e e l e d m o b i l e r o b o t，WMR)本身属于典型的非完整系统J，并且是一种受结构与非结构不确定性影响的多输入多输出的非线性系统，从而增加了对其控制的难度。因此，非完整移动机器人的轨迹跟踪控制问题，一直被世界各地的科研工作者所重视。起初的研究主要集中在运动学模型，并假设能够进行“完美速度跟踪”【4】，但由于摩擦、负载变化、外部干扰等不确定因素导致的机器人参数变化而使“完美速度跟踪”在实际应用中无法实现：于是研究人员所设计的控制器逐渐引入了机器人的动力学部分，将运动学控制器与动力学控制器相结合来解决非完整移动机器人的不确定性。

    近年来，大量的控制方法被用来解决移动机器人的轨迹跟踪问题，如：B a c k s t e p p i n g方法一l，自适应方法[6_8]，滑模方法l，模糊控制t 0-1 2]，神经网络l 4'1 3】及其他算法[1 4-1 5]等。其中，自适应控制具有固定的结构和可变的参数，对结构性不确定性有较好的适应能力，但是却无法解决非结构不确定性问2 0 1 0年l 2月王宗义等：非完整移动机器人的双自适应神经滑模控制l 7题[I 6]。滑模控制是一种具有快速的瞬态响应的鲁棒控制方案，文献[1 7】采用神经网络计算滑模控制的等效部分，用以克服系统不确定性，但却存在着抖振现象的缺点；以往采用边界层来避免抖振u引，但是需要对不确定性的界进行估计来确保系统的稳定性，而在实际应用中较难实现精确的估计，小的控制增益无法完全弥补系统的不确定性，而大的控制增益虽然对系统的不确定性有所改善，但抖振现象仍然存在；采用智能控制估计滑模的鲁棒部分来消除抖振现象不失为一个好的方法[1]。

    本文通过双自适应径向基神经网络控制来计算滑模控制的等效部分及调节滑模控制的增益，有效地克服了系统未建模动态、负载变化以及外界干扰等不确定因素的影响；同时也消除了在滑模控制中的输入抖振现象，并使系统的性能得到了优化。

1移动机器人的动力学和运动学

本文的研究对象为差分驱动的三轮移动机器人，如图1所示，机器人的姿态矢量为g=(，，)，其中(，Y)表示参考点c(移动机器人的质心)在笛卡尔坐标系O x y中的坐标，0为机器人的导向角。驱动轮的间距为2 R，驱动轮的直径为2r