-
题名基于几何模型预测控制的移动机器人轨迹跟踪算法
- 1
-
-
作者
古松健
吴福祥
高向阳
杨梦杰
詹忆冰
程俊
-
机构
广西高校先进制造与自动化技术重点实验室(桂林理工大学)
中国科学院深圳先进技术研究院
盛云科技有限公司
京东探索研究院
-
出处
《计算机应用》
北大核心
2025年第9期3026-3035,共10页
-
基金
国家科技创新2030—“新一代人工智能”重大项目(2021ZD0111700)
国家自然科学基金资助项目(U21A20487)
云南省科技人才与平台计划(院士专家工作站)(202305AF150152)。
-
文摘
针对轮式移动机器人(WMR)在轨迹跟踪过程中因定位失准和未知干扰等因素导致的位姿偏移问题,提出一种基于几何模型预测控制(GMPC)的增强型粒子群优化混合器(EPSO-Mixer)算法,旨在提升WMR的轨迹跟踪性能。首先,以粒子群优化(PSO)为基础,提出一种增强型粒子群优化(EPSO)算法,以加快收敛并提升优化能力;其次,利用EPSO对GMPC进行改进,根据当前偏移程度筛选出最优跟踪参数,以有效地减小轨迹跟踪误差;最后,结合混合多层感知器(MLP-Mixer)架构,提出EPSO-Mixer算法,从而进一步增强对全局最优解的搜索能力,同时生成更具适应性的控制策略。仿真实验结果表明,与非线性模型预测控制和经典GMPC算法相比,EPSO-Mixer GMPC有效提升了WMR在位姿偏移条件下的轨迹跟踪性能,误差减小8.0%~82.3%,并显著改善了运动中的振动问题。可见,EPSOMixer算法能够提供更有效的控制策略,不仅降低了参数调整的难度与时间成本,而且显著增强了轨迹跟踪控制的自适应能力。
-
关键词
轮式移动机器人
轨迹跟踪
粒子群优化
混合多层感知器
几何模型预测控制
-
Keywords
Wheeled Mobile Robot(WMR)
trajectory tracking
Particle Swarm Optimization(PSO)
Multi-Layer Perceptron Mixer(MLP-Mixer)
Geometric Model Predictive Control(GMPC)
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
