下载掌阅APP，畅读海量书库
立即打开
近年来，随着科学技术和相关产业的不断发展，移动机器人被广泛应用于生活中的各行各业。现实应用场景下，人机混杂的复杂场景对运行过程中的安全性和完成任务的效率提出了更高的要求。为了实现移动机器人在复杂场景下的自主移动，现有的解决方案通常采取的是“局部路径规划-轨迹跟踪控制”分层策略。然而，这种方案没有考虑到场景的特殊性对系统设计提出的不同的要求，即在不同的场景中采取的是相同的避碰控制策略，这可能会降低运动过程中的控制精度，并导致意外碰撞的发生。因此，本课题以移动机器人为研究对象，面向其典型应用场景，从提高动态避碰过程中的稳定性、跟踪精度以及实时性出发，研究局部路径规划和轨迹跟踪控制方法，为移动机器人在多种场景下的应用提供有益探索，解决人机混杂的复杂环境下移动机器人产业化所面临的技术瓶颈，从而推动无人工厂、智能仓储和智慧城市等项目的落地，以实现优质、高效、清洁、低耗的绿色生活。
为了保证移动机器人在各种场景下均能实现安全高效的自主移动，本课题首先分析了其典型的封闭和开放两种场景的场景特征和任务需求：
（1）封闭场景是指移动机器人的运动场景是相对封闭的，如无人工厂、仓库等。在这种场景下，通常不存在或只存在少量的临时障碍物，如废弃的工件、掉落的货物等。为了完成相应加工、停靠和运输任务，移动机器人需要以较高的精度跟踪预先设定好的路径，同时在检测到临时障碍物时，规划出无碰撞的临时路径，并在轨迹跟踪控制器的作用下沿着参考路径运动。
（2）开放场景是指移动机器人的运动场景是相对开放的，如公共道路、行人通道等。在这种场景下，地图信息是动态变化、不固定的。与封闭场景下要求移动机器人较好的跟踪精度不同的是，这种复杂的动态场景对机器人的避障能力提出了更高的要求，需要保证局部路径规划的实时性，从而保证运行过程中的人机安全。
综上所述，本课题以提高封闭场景下的跟踪精度和开放场景下运行安全为目标，研究兼顾动态避障的移动机器人轨迹跟踪控制方法。
为了实现移动机器人在复杂场景下的自主移动，需要使移动机器人在遇到障碍物后进行局部路径规划和轨迹跟踪控制，在避开障碍物后及时回到全局路径上，从而实现安全、高效的运行。针对这一目标，面向其典型的封闭和开放两种场景，本课题提出两种解决方案。
在封闭场景下，设计了基于改进动态窗口法和线性模型预测控制的规划控制分层框架，对传统的分层方案轨迹跟踪精度低的问题，提出相应的改进措施；对于局部路径规划层，针对传统规划方法没有综合考虑局部路径和全局路径的关系的问题以及在不同环境下规划成功率低的问题，设计了局部目标点在线选择策略；基于标准动态窗口法，修改了评价函数，从而提高了局部路径的平滑性。对于轨迹跟踪控制层，针对线性化后的模型在曲率突变的情况下跟踪精度下降的问题，提出参考点自适应改变策略，并在此基础上自适应调整预测时域和控制时域，提高了轨迹跟踪控制器的跟踪精度。
开放场景下，针对其避障对规划控制算法的实时性要求较高，而分层方案可能会由于规划层的计算用时而造成意外碰撞的问题，采取基于非线性模型预测控制的规划控制耦合方案，在每个采样周期均能够计算出合适的控制量。同时，针对非线性模型预测控制中求解最优控制问题造成的计算量大的问题，设计了基于事件触发策略的时间优化方案，减少了求解最优控制问题的次数，并提高了计算结果的利用率，使得实时性能满足实际应用的需求。
基于四轮移动机器人试验平台，在仓储场景（封闭环境，布局紧凑，运动空间受限）和走廊场景（开放环境，场景开阔，但存在密集、动态障碍物）中分别对本课题所提出的分层和耦合算法的有效性进行验证。进一步地，为了验证本课题所提方案的优越性，将其与现有算法进行了对比分析。
（1）仓储场景下，采取规划-控制分层策略，当移动机器人检测到原始的前进方向上出现了临时障碍物，阻挡了前进方向时，会由局部路径规划层规划出一条无碰撞局部路径，接着在轨迹跟踪控制层的作用下输出合适的前轮转角和速度，做出避障响应，并及时回到全局路径。相较于传统的分层策略，本课题所提出的算法分别将 x 、 y 两方向的平均跟踪误差降低了90.26%、84.40%，实现更高的跟踪精度，从而在封闭场景下表现出更好的避障控制性能。
（2）走廊场景下，通过采取规划-控制耦合策略，当检测到障碍物时，会构建非线性障碍物约束，通过求解最优控制问题，计算合适的控制量，避免了因等待规划层结果而造成的意外碰撞。同时，通过判断实际状态与预测状态之间的差值是否超过阈值，实现将周期触发策略转化为非周期触发策略，对求解次数、总计算时间、平均触发间隔和计算结果利用率 4 个性能指标均实现了大幅度的改进，为移动机器人在开放场景下的安全应用提供了可靠的保障。
（1）针对不同场景提出的不同任务需求，制订了两种兼顾动态避碰的轨迹跟踪控制框架。
（2）从路径规划和跟踪控制两方面出发，提高了移动机器人在封闭场景下的跟踪精度。
（3）通过将规划与控制二者耦合的方法，保障了移动机器人在开放场景下的安全运行。
封闭场景下的规划-控制分层方案框架和开放场景下的规划-控制耦合方案框架分别如图1、图 2 所示，两种场景下的试验过程如图 3 所示。
图 1 封闭场景下的规划-控制分层方案
图 2 开放场景下的规划-控制耦合方案
图 3 两种场景下的试验过程
高校指导教师：谢远龙；企业指导教师：肖卫国