自适应控制的相关算法.docx

《自适应控制的相关算法.docx》由会员分享，可在线阅读，更多相关《自适应控制的相关算法.docx（35页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、智能跑步机平台的运动掌握摘要：这个智能跑步机是一个促动平台，在虚拟现实的探究中允许步行用户不受约束的 运动，该平台由通过球阵列地毯掩盖和安装在转盘的线性跑步机，及配备有用于线性和角运 动两个致动装置。这个平台的主要掌握任务是让步行者始终在平台的中心，同时抵消他任意 走动然后满足感知的约束。这个平台的掌握问题也不小，由于运动系统中是不完全约束的。 文章的第一局部是描述智能平台的运动掌握装备的设计，线性运动和角运动平台的速度的掌 握输入和反应是基于步行者通过外部视觉跟踪系统测量而获得。通常，基于观看者的干扰和 步行者的随便速度,我们结合了反应和前反应,提出全球稳定掌握工程。我们同样争论了加 速度和

2、动力影响步行者的运动掌握。文章的其次局部是致力于全面系统的实际运用上。作为 最终全面平台的概念证明，机器的设计和智能跑步机的一个小规模实现原型的呈现，以及通 过使用的全方位相机来获得人的助行器的平台上的位置的视觉定位方法。为了得到有效的运 动掌握设计建议，一系列的运动任务演示试验结果是报告和争论使用了一个很小的运动跟踪 器来呈现。关键词：观看者的干扰，输入输出反应，线性，原地运动平台，运动掌握，不完整的系 统，虚拟现实，视觉跟踪。1、介绍全向运动平台使用在虚拟现实上的探究，最终的目标是在虚拟现实场景中使用者完全沉 醉于其中，我们头戴式显示器，很自然的速度自由行走任何方向，当我们保持着身体的平台

3、 运动范围和不需要任何穿戴的限制装备。比方追踪步行者位置和步调特征。用这种方式支持 当地运动，这个平台抵消步行者的任意运动，以保持步伐全都。所以，联系观看者对步行者 的影响，考虑输入指令的限制，避开使用者沉醉时的干扰。这就是欧洲探寻只能跑步机工作 的主要任务。不同的运动允许人们行走在虚拟环境中界面存在。许多状况，运动限制在1D线性跑步 机上，有点像运输平台，用户由一个线束约束应用稳定特性和其他虚拟特效。为了适应微小 缓慢的方向转变，这个跑步机将安装在转换平台上。另一种不同的方法是实行环形通道，这 些活跃的移动转随着脚移动。再者，这些步行者需要避开快速的转换和高速度。对于在2D 无限制的平台上行

4、走，全向跑步机上回使用两个垂直的方向带和很大的环形，而实施圆环状 带排列在圆环跑步机。由于掌握系统的缺陷，两种机构系统都需要允许限制速度。更多的是 机械的实现受到限制是由于大量的运动片段。这种问题是不存在想智能领域的无源器件。然 而，步行者的自然性是由球形地板内曲率的限定。过去经常使用二者选一的原那么，这个输送 带和旋转平台输送的运动通过球阵列板来熟悉2D平面跑步机。在球形列放置在一个凹面上 不动，但是有传感器仪器检测角接触。=-vsmO - xw+ ky-v)匕,y = &(ygy)这里k卬0和v, w都代入到(22)中，方程式(23)和(24)有观看者的干扰项，分别是女和，从这写式子和(5

5、)中，有下面的式子： *V =k (V -V )W,X卬 w,x w,x，V =k (V -V ) w,y卬、卬,yw,y /这估算出Vh, V估量是Vw的直角坐标重量的低通滤波版本。通常，由于除足够大，这将会计算出两组行走者趋势速度V. .和丫卬v,在肯定极坐标上的表达。要指出的是，尽管在前反应上补充(22),这个系统是始终被剩余的干扰所影响。V -V =Vw卬S + 3叩因此，这个步行者的连续的速度充分补偿了在任何k卬的稳定状态，对于沃克的斜坡明 智的速度(恒定加速度)相关联的稳态只能通过增加-凸版速度骚扰行为作出错误任意小的 被提出反应/前馈掌握器恢复，D、有限元分析的结果我们在这里呈现

6、了两个获得不同自由速度掌握法那么上的选择结果，有III-B和III-C.，对于 这两局部的争论学习，这个步行者空闲到初始的肯定坐标是(0,1) m, 一个立即导致了掌 握法那么奇点在III-A局部上的(9) (10)o1.8mFig. 4. Virtual straight line: Walker absolute locomotion under the platfbnn controller (22) with the feedback law (17), (18)the initial walker pose is depicted by an oriented triangle.1.

7、5time sFig. 5. Linear and angular velocity commands for the trajectory of Fig. 4.Fig. 6. Feedback part of the linear and angular velocity commands in Fig. 5.43210Edge 4InitEdge 4Init-1-2-311111u4-3-2-10123mJFig. 7. Virtual square path: Walker moves counterclockwise starting from Init point (a dotted

8、 circle represents the platform boundary chosen in simulation).5.Fig. 8. Virtual square path: Walker absolute locomotion under the platform controller (22) and using the feedback law (17), (18).time stime sFig. 9. Linear and angular velocity commands for Fig. 8.图4-6涉及到规定步行者在虚拟空间沿着Y0方向直线移动，和以连续1m/s的速

9、度。 平台的掌握结合反应和前反应的(22),反应原那么(17) (18)和有观看者干扰项的(23)(24)都使用上了。着相关的掌握系数是：k= , k卬=10,和在(22)不饱和项 “打max = 2rad/s,更多的是，为了通过视觉限制展现这个速度冲击要求的影响，我们设置 了最大的速度和角速度0.5m/s,0.1rad/s,分别运用在掌握法那么(22)和反应局部(17)( 18)。 在图4中，步行者的实际运动在肯定空间中显示，步行者在一个空间中显示有一个肯定的 方向盘。初始，我们有。(。)=。和()=万二。这全面要求的直线速度和角速度在图5 中显示数来了，然而图6现实的额是速度输入的反应局部

10、。当我们设立的反应局部被超出 范围时，通常掌握的初始停止到t=10s,这将会通过公式(21)增加较低的k.举例说明一个更加简单的运动，图7中我们在3m宽的一个虚拟空间中展现这个结果。 首先这个步行者在静止到沿着这个边缘移动有速度的时候，0.5s内这将会产生也许2.4m/s2 的加速度和速度将会到达1.2m/s保持2s。在每个到达的角落，步行者将会停止和转变方向 有一个乃/2rad/s的角速度。因此，步行者也许总共运用16s,在这个平台上没有运动掌握， 这个步行者将会从这个2.5m半径的圆形边界中走出来了。在以前掌握参数是要选择。为了评估这个提出的获得掌握方案的情形，在这个反应要求 上没有感知限

11、制是在其次局部考虑。在图8,9显示了这个结果。由于结合了反应和前反应, 这个步行者被快速地带到平台的中心和保持在这里。这个直线掌握输入同样很顺当，在短暂 的初始，这个步行者的速度始终没有超过范围。另一方面，当步行者接近初始位置和有一个猛烈的转变，这个角反应将会进行动作。特殊指出步行者在一个地方进行转换时这个平台将 会滞后，步行者的脚移动没有直线移动将不会让反应工作。IV、扩展加速度水平的掌握为了考虑直线上的限制和通过感知限制的执行器的角加速度的冲击，一个掌握加速度水 平设计将会更加适应。在这最终，我们会呈现运用级联系统将更加流畅的速度水平掌握法那么 能转变成加速度水平掌握，看【27】，或者用反

12、推技术，看【28。更多的是，这儿平台允 许加速度的计算分析步行使用者消失加速度的感觉，这可能涉及在一个足够大的 cybercarpet平台上步行者动力影响的计算。为了推行加速度水平的掌握设计，其次遵循动力模型（5）将会被考虑进去。通过简洁 扩展第一动力模型（1）和（5）我们将会获得以下公式v = a,v = r/其中的a和分别代表着平台上的直线加速度和角加速度。当设计掌握法那么在这第三部 分上的规律将扩展成为（5）（25）,这个可运用的稳定的法那么口 =匕/（乂%。）和卬=%（羽丁招）能在第一要求的系统（5）中探究出来。下面我们展现递推 系统的设计。这个未定的递推系统的形式是 -0,150-0

13、.05 -0,15Fig. 19. Linear and angular velocity commands for the trajectory of Fig. 18.测试活动涉及四个不同的运动的空间。特殊是，在以下状况下被选择:1)始终在站在原点不动的2)开头站在原点和始终直线连续0.22m/s的速度移动3)开头在原点和圆形移动在半径为0.35m 一连续0.14m/s的数独移动4)开头的时候在原点位置和沿着这个平台边沿0.4m移动。还有连续的直线0.1m/s的 速度乃/4和在转弯处有角速度也许rad/s.至于这个掌握原理，有三个场景其中B.D使用者移动的状况，我们比拟了这个测试的v = v

14、/h,w=wflj静态反应法那么代入到(17) (18)单独依靠充分的反应/前反应方式在(22)v = v,fb + vff,w=wfb + wff (24).o这些掌握参数在(17) (18)中设置k=4,在(23)jax = 005&/S(24)设置Kw=0.3何在饱和水平状态下(22)中全部的资料和音像在网站上。A、原地站着在第一个试验中，车辆被置于肯定位置(0.2, 0.05) m且保持整个试验期间一个零有 意速度。在图18依据掌握法(17), (18)执行的平面肯定轨迹所示，与代表起始位置一个 黑色三角形标记。线性和角速度命令的相应的行为显示图。19.留意，在肯定空间中的回收 路径接

15、近直线第三节的掌握分析猜测。该差异是由于噪声的图像处理步骤的存在下，对测量 的离散采样(10赫兹上的位置)，并且向掌握输出的离散采样(在10赫兹的指令平台速度)。B、.以恒定速度移动作为Cybercarpet原那么概念的验证，一个直径为0.8米的小模型已经做好，全部的系统 模型呈现在图2中。通过人们使用VR的探究中觉察，这个平台的尺寸确实不太适合，全部 的系统已经证明要考虑现实尺寸的要求和挑战。实际上，当前的机器构造已经能满足使用者 的大重量要求。更多的是，我们提议掌握的设计要求直接掌握增加这个平台的大尺寸和行走 的速度，和在我运动中，我们充分考虑如何让加速度的掌握得以实现。最终这个视觉跟踪的

16、 云孙法那么已经在人们行走中试验过和被证明他的姿态的转变是健康的。为了展现这个 平台的掌握系统有效，我们报道了试验结果，一个安装在移动机器人的画面来计算实际使用 者的运动。从掌握的观点来说，最挑战性的事是由于系统的运动模型相对于其他1D和2D的全方 位的运动平台是非线性的，这是包含系统不完全限制的瞬时速度。然而这个平台对于使用者 来说没能供应足够的移动空间，我们建辉设计一个获得顺当和从任何最初的构造中得到行走 者最初的位置的全方位规律的定律。起初工作者在局域运动很少关注掌握大事和运算法那么, 大局部依靠简洁的PID掌握规律和摸索性工作。没有一个平台除1D跑步机外，目前还没有 考虑系统的稳定性。

17、在者，在2D的演示中仅可猜测在低速和连续单方向上转变的运动限制。 通过比照,一个完整的掌握系统,呈现在2Dcybercarpet平台和闭环演示的具体的分析是一起 的。一个试验结果是包含有效的方法。这篇文章的结构如下，第一局部，我们展现我们掌握包含这个cyberwalk工程设施的方 法。这个cyberwalk凭条的运动模型是在其次局部给出，和指出对于不完全运动机器人掌握 的二元性问题。在第三局部中，我们提出基于输入输出尖肉振波和线性速度的掌握，这个展 现了一个可以被接受全面的试验，但是这个是始终通过一些全面稳定结果特别因素的影响。 这个速度掌握工程稳定性的修改是为了避开一些特别状况，基于一些行走

18、者的速度被无意的 干扰，增加使用的反应动作。掌握器的试验是更加满足的和首次运用有限元进行分析。最终 一个简洁的方法在倾向在这个设计中，通过考虑加速度输入的掌握将在第四局部进行争论。 通后含的一些阅历在第五局部可以看到。文章的其次局部致力于物理特性争论和小规模的测试，和完成cybercarpet原型设立。 第五局部描述了机器的设计和硬件实现。第六局部在微小筛选中描述了在平台的行走者的肯 定坐标定位的可视轨迹的运算法那么。试验结果得出在第七局部，这里说明白完成速度水平的 掌握法那么包含在集成的系统中。全部试验的视频包含在这文章完成的材料中，和可进入的网 站 / 一起的视频。总结出来就是将来的工 作

19、将会在最终一个章节争论，包含着比照全向带阵cyberwalk平台。II运动学模型由于这个cybercarpet的球阵的外表，任何在带虾苗的实际运动将会导致强加在平台的 步行者一个反方向运转，一个向前运动的要求将会让使用者向后运动，和由于行走者的脚和 球阵的多种联系，一个顺时针的旋转将会转换成逆时针的运动。在其次个试验中，我们分别测试了掌握法那么(17), (18)和(22) - (24),没有在 线速度估量和补偿。沿直线机器人移动用的约0.22米/秒的恒定速度。1)纯反应法(17), (18)：在车辆的肯定轨迹显示于图20。在起始点(0,0.02) m和 在y轴的负方向上移动。正如预期的那样，

20、静态反应(17), (18)是不能够完全补偿长久 想要的运动，但有一个非零的恒定位置误差后约6秒，获得了稳定状态。在到达平衡位置 为约(0.05, 0.23)米(该值取决于所选择的掌握增益)和掌握是不能够以重新定位机器人。 线性和角速度指令示于图21 .留意，在初始瞬态之后，线速度命令的用户自由速度相匹配, 而角盼望是接近于零。2)完整的反应/前馈法(22) - (24)：在这种状况下，基于所述观看者(23)的前馈 操作的额外存在，(24)是能够尽管长久想要的运动到完全恢复平台中心，类似的可能由一 个积分掌握操作来获得。这个平台开头在(0.006Q022) m的地方和在y轴的负方向移动。 一个

21、过渡阶段之后，想要速度的估量收敛到实际值(参照图23)和掌握法(22)带回所述 机器人的原点(参照图22)。所需要线性和角平台速度示于图24。结合图21进行比拟，角 速度消失现在更不稳定，尤其是朝向运动(即，靠近平台中心)的端部。这个影响呈现在(22) 前反应的1/R上面。这个R接近。没有限制范围。(22)中引入的饱和有助于软化这种 效果。但是不能避开一些在原点四周的沟通。C沿着圆形轨迹运动x【mx【mxmFig. 26. Absolute trajectory in the experiment of Section VH-C1 (circular path, with pure feedb

22、ack control).Fig. 27. Linear and angular velocity commands for the trajectoiy of Fig. 26.Fig. 28. Absolute trajectoiy of the car in the experiment of Section 1I-C2 (circular path, with feedfonvard control action).Fig. 29. Linear and angular velocity commands fbr the trajectoiy of Fig. 28.试验中，设定小车以0.

23、14m/s的恒定速度沿着半径为0.35m的圆形轨迹运动，最终 得到0.4rad/s的恒定角速度。由于试验中速度矢量的方向是始终在转变，因此这组试验和前 一组有很大的不同。干扰观测器的任务更为艰难，它需要追踪高时变信号。1）纯反应法（17）, （18）：载运台的肯定轨迹如图26所示。正如预期的那样，掌握法 是只有能够局部地补偿有意运动：机器人始终和平台保持0.2m以内的距离，这远远小于原 来的圆形轨迹0.35米。相应的平台速度指令如图27所示。值得留意的是，在初始瞬态，平 台的线速度和角速度分别为0.14m/s和0.4rad/s,再次证明平台已经到达了一个平稳的状态。 大约在23.5s,机器人停

24、止运动，并被带回了平台的中心。2）完整的反应/前馈法22）（24）：尽管对于观看器来说任务更具挑战性，但完整的 反应/前馈掌握法能够使用户比在前面更接近平台中心，两次试验的肯定轨迹图（图26和图 28）就能很好的说明。发送给平台的速度掌握指令如图29所示。如图30所示，我们觉察估计速度估量值的收敛值不是很好，以至于仍有围着平台中心 的剩余运动（如图28所示）。这是由于观测器本身结构的固有特性造成的。实际上，估量的速度是实际速度的通过观测器增益却 给出截止频率低通滤波的一个结果。通过标准的线性 分析，当输入信号（小车的实际速度）为正弦曲线，观测器将输出具有相同频率的正弦曲线，但振幅和相位不同。特

25、殊是，由于我们已经设置儿=0.3,输入信号的频率为0.4%Z/s （机器人的角 速度），得到的估量速度将衰减-4.5dB,相位将会移动o.92rad,相当于延迟了大约2.3秒的时间。因此， 即使是在稳定状态下，估量的速度还是滞后于实际的速度，使得掌握器不能完成完全回到原 点位置。因此，该估计的速度始终在标准值（04m/s,）上下震荡，在t=23.5s时，机器人 突然停止，速度开头下降到0。Fig. 30.Fig. 32. Absolute trajectoiy in the experiment of Section VII-D1 (square path, with pure feedback control).Fig. 31. Trajectory of the user in the viitnal world while executing a square path.D.沿着方形路径移动在最终一个试验中，小车以约0米/秒的恒定线速度沿着一个边长为0.4m的方形路径 行进。在沿着方形轨迹运动时，它在虚拟世界中肯定轨迹如图31所示（每边用不同颜色表 示）。机器人从初始化位置（黑色三角形）开头，