基于固定时间与预设性能的机器人视觉伺服控制:一种结合FOV约束与障碍Lyapunov函数的新方法

《Robotics》:Fixed-Time and Prescribed-Time Image-Based Visual Servoing with Asymmetric Time-Varying Output Constraint

【字体: 大 中 小 】 时间:2025年12月25日 来源:Robotics 3.3

编辑推荐:

  本文提出了一种创新的固定时间与预设时间图像基视觉伺服(IBVS)控制策略,该策略通过引入分数障碍Lyapunov函数(FBLF)和预设时间性能函数,有效解决了机器人视觉伺服中相机视场(FOV)约束和系统瞬态/稳态性能控制的难题。该方法确保了图像特徵误差在预设时间内收敛,同时严格保证特徵点不超出相机FOV,提升了系统的鲁棒性和安全性。

  

引言

机器人视觉伺服控制是机器人技术中的重要研究方向,它通过处理从相机获取的图像信息来驱动机器人完成各种任务。图像基视觉伺服(IBVS)作为一种主流方法,直接利用图像特徵误差来生成控制律,避免了复杂的三维场景重建,因而受到广泛关注。然而,传统的IBVS方法在处理相机视场(FOV)约束和保证系统瞬态性能方面面临挑战。当图像特徵点接近或超出相机FOV边界时,会导致伺服任务失败。此外,系统收敛时间的上界通常依赖于初始条件,这在实际应用中限制了其性能。为了解决这些问题,本文提出了一种结合固定时间稳定性和预设性能控制的IBVS新方法。

问题描述与预备知识

本文研究的系统模型基于经典的针孔相机模型。图像特徵点(通常是角点或特定标记)在图像平面上的坐标(ui, vi)与相机运动速度(包括线速度vc和角速度ωc)之间存在微分关系,该关系由图像雅可比矩阵(或称相互作用矩阵)描述。图像误差E(t)定义为当前图像特徵与期望图像特徵之间的差值。控制目标是设计控制律,使得图像误差渐近收敛到零,从而驱动相机(或机器人)运动到期望位姿。
核心挑战在于必须确保在整个伺服过程中,所有图像特徵点始终保持在相机FOV内,即满足约束条件umin< ui(t) < umax和 vmin< vi(t) < vmax。为了处理这类约束,本文引入了障碍Lyapunov函数(BLF)的思想。与传统的二次型Lyapunov函数不同,当系统状态接近约束边界时,BLF的值会趋于无穷大,从而“阻挡”状态违反约束。
在稳定性理论方面,本文利用了固定时间稳定性的概念。与有限时间稳定性不同,固定时间稳定性要求系统的收敛时间上界由一个与初始状态无关的常数所限定,这提供了更一致和可预测的性能。此外,本文还采用了预设性能控制(PPC)的思想,通过设计一个随时间衰减的性能函数来精确规定系统误差的瞬态和稳态行为。

固定时间与预设时间IBVS控制器设计

控制器的设计是本文的核心贡献。首先,为了处理FOV约束,将时变的图像坐标约束转化为时不变约束。这是通过定义一个预设时间性能函数ξ(t)来实现的。该函数在初始时刻ξ(0)较大,随后按指数规律衰减,并在预设时间Tf后收敛到一个设定的稳态值ξ∞> 0。通过将图像误差E(t)与性能函数ξ(t)相结合,构造出一个新的误差变量。可以证明,只要这个新的误差变量有界,原始图像误差就会始终满足预设的瞬态性能包络,从而自然满足FOV约束。
接着,本文引入了一种分数障碍Lyapunov函数(FBLF)作为Lyapunov函数候选。该FBLF被构造为转换后误差变量的函数。其关键特性在于,当图像误差接近FOV边界(即转换后误差接近其上下界)时,FBLF的值会急剧增大至无穷大,从而在Lyapunov稳定性分析中天然地保证了约束不被违反。
基于此FBLF,本文推导出了固定时间和预设时间的控制律。该控制律包含两项:一项是线性反馈项(-k1σh),负责提供指数型的收敛;另一项是非线性分数幂反馈项(-k2ηh),负责实现固定时间收敛。控制律最终表示为相机速度指令Vc= -Γ?(k1σh- Λh+ k2ηh),其中Γ?是图像雅可比矩阵的伪逆,Λh是一个与性能函数导数相关的项,用于补偿性能函数时变带来的影响。

稳定性分析

为了证明闭环系统的稳定性,本文对所选用的FBLF求导,并将系统动态和控制律代入。经过一系列推导,最终得到Lyapunov函数导数V?满足不等式 V? ≤ -a1V2- b1V3/4,其中a1和b1是正常数。这个不等式是典型的固定时间稳定性条件。根据固定时间稳定性引理,可以得出结论:图像特徵误差将在固定时间T内收敛到零,且收敛时间上界Tmax= 1/a1+ 1/b1,该上界与系统的初始状态无关。同时,由于FBLF的性质,在整个控制过程中,图像特徵点始终不会超出相机FOV,即FOV约束得到严格保证。

结论

本文成功设计并分析了一种新颖的固定时间与预设时间IBVS控制器。该方法的主要优势在于:1)实现了固定时间收敛,系统收敛时间上界已知且与初始条件无关,提高了系统的可预测性;2)通过结合预设性能函数和分数障碍Lyapunov函数,严格保证了图像特徵点在伺服过程中始终位于相机FOV内,解决了视觉伺服中的关键难题;3)控制器结构清晰,易于实现。理论分析严格证明了闭环系统的固定时间稳定性和FOV约束满足性。这项工作为处理具有约束的高性能机器人视觉伺服控制提供了有效的解决方案,具有重要的理论意义和实际应用价值。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号