基于能量整形的自平衡机器人控制
《European Journal of Control》:Control of a self-balancing robot by energy shaping
【字体:
大
中
小
】
时间:2026年08月28日
来源:European Journal of Control 2.6
编辑推荐:
# 摘要
欠驱动系统中跟踪时变参考轨迹是自动控制领域的一项具有挑战性的难题。本文针对自平衡机器人提出了一种基于能量重塑的控制律的设计与分析。所提出的控制律能够保证:只要轨迹本身是有界的,自平衡机器人的坐标与作为轮子参考的时变函数之间的偏差将保持在一定界限之内。实时实验结果验
# 摘要
欠驱动系统中跟踪时变参考轨迹是自动控制领域的一项具有挑战性的难题。本文针对自平衡机器人提出了一种基于能量重塑的控制律的设计与分析。所提出的控制律能够保证:只要轨迹本身是有界的,自平衡机器人的坐标与作为轮子参考的时变函数之间的偏差将保持在一定界限之内。实时实验结果验证了理论结论,展示了所提出控制律在不同初始条件下以及在存在扰动情况下的有效性。据作者所知,这是第一种利用能量重塑执行指定任务的控制策略,适用于具有非恒定惯性矩阵(该矩阵依赖于非驱动关节)以及势能的系统。
# 引言
自平衡机器人(SBR),也称为双轮倒立摆,是一种由差速轮式机器人上安装有倒立摆组成的机械系统(Gandarilla 等人,2022a)。SBR 是一种非线性、欠驱动且非完整(Kim 和 Kwon,2015)的机械系统。这些特性加上开环系统的自然不稳定性,使得自平衡机器人成为一个有趣的控制算法测试平台,已有多种方法和技术被用于对其进行控制,例如:Taylor 级数线性化结合反馈最优控制器(Rigatos 等人,2020);块反步控制(Humaidi 等人,2021);自适应积分滑模控制(Dao 和 Liu,2021);模糊 PID 反馈控制(Nader 和 Sarsri,2023);以及滑模控制加扰动观测器(Do 等人,2024)。控制该系统的各关节将使其能够像普通移动机器人一样使用,从而实现导航算法,例如 Moshayedi 等人(2025a、2025b)以及 Moshayedi 等人(2024)所提出的算法。
通过约束 SBR 使其两个轮子始终具有相同的角位移,可将其自由度降低至二,并消除非完整约束。尽管如此,该系统仍然是非线性且欠驱动的。该 SBR 配置也曾是控制研究的内容。Guo 等人(2014)使用滑模控制调节 SBR 在斜坡上的位置;Villacres 等人(2016)对 PID、LQR 和滑模控制进行了比较;Mai 等人(2018)使用了自适应模糊控制;Azar 等人(2019)提出了一种鲁棒的二自由度 PID;Guo 等人(2021)引入了通过强化学习方法调参的 LQR;Moness 等人(2022)使用并比较了几种基于模糊逻辑的控制器;Liang 和 Wang(2021)提出了基于积分观测器的控制;Gandarilla 等人(2022a)提出了由自适应神经网络增强的输入输出线性化控制;Zhang 等人(2025)实现了终端滑模控制。
在文献中的不同控制技术中,能量重塑技术在欠驱动系统控制方面取得了成功。能量重塑控制由 Takegaki 和 Arimoto(1981)引入,与基于被动性的控制高度相关(关于基于被动性控制的综述,见 Chopra 等人(2022)和 Ortega 等人(2021);关于近期进展,见 Borja 等人(2021)、Hassan 等人(2022)和 Michel 等人(2024)),其核心思想是修改系统的能量函数以确保所需的稳定性特性。基于能量重塑的思想,人们开发了一些专门针对欠驱动系统控制的方法,如可控拉格朗日量(Bloch 等人,2000)、互联与阻尼基于被动性的控制(IDA-PBC,Ortega 等人,2002)以及 PID 基于被动性的控制(PID-PBC,Donaire 等人,2016)。在这些方法中,整个能量函数都被修改,但该修改形式是基于自然系统的能量函数,其中总能量为动能和势能之和。该方法已成功解决了欠驱动系统的位置调节问题(Franco,2021、2022;Franco 和 Astolfi,2022;Franco 和 Garriga-Casanovas,2021;Gandarilla 等人,2022b;Guerrero-Sánchez 等人,2021b;Hao 等人,2022;Harandi 等人,2023;Salamat 等人,2025)。特别是,Gandarilla 等人(2019)和 Gandarilla 等人(2021)提出了几种基于能量重塑和被动性的控制律,分别用于水平面(前者)和已知倾角斜坡(后者)上 SBR 的稳定化。近年来,Kelly 等人(2021)引入了一种新的能量重塑策略,旨在解决机器人操纵器的轨迹跟踪问题。该策略的关键在于适当的变量变换,也使用具有动能加势能形式的期望能量,已被用于解决欠驱动系统中的各种控制问题,如惯性轮摆的速度调节(Sandoval 等人,2021a)、小车-摆系统(Sandoval 等人,2022)以及惯性轮摆的能量调节(Sandoval 等人,2021b)。
另一项控制任务是确保系统的各关节跟随任意的时变参考轨迹。对于完全驱动系统,该问题被称为轨迹跟踪。对于欠驱动系统,只有部分轨迹是可实现的,这对该控制任务了解的施加了限制。已有一些基于能量重塑控制技术的命题被提出以解决欠驱动系统中的该任务。Fujimoto 等人(2004)解决了无势能的非完整系统中的该问题。Xin 和 Liu(2014)实现了变长摆中任意振幅的振荡。Donaire 等人(2017)提出了用于海洋载具跟踪的 IDA-PBC 控制律。Yaghmaei 和 Yazdanpanah(2017)研究了收缩性端口哈密顿系统的轨迹跟踪。最近,Guerrero-Sánchez 等人(2021a)为四旋翼飞行器设计了用于跟踪的 IDA-PBC,Javanmardi(未定稿)提出了一种基于 IDA-PBC 的控制方案,以确保惯性矩阵为常数或不依赖于非驱动关节的系统的跟踪。
在本工作中,作者提出了一种能量重塑控制律,用于实现二自由度 SBR 的轮子跟踪任意时变位置,同时误差有界,并且其倒立摆保持在直立位置附近。该控制律是 Kelly 等人(2021)为完全驱动的机械系统引入的技术的修改版本。在我们的情况下,为了处理具有非恒定惯性矩阵的欠驱动机械系统的运动轨迹跟踪问题,对该技术进行了修改并应用于自平衡机器人的控制。据作者所知,这是首次提出该方案。为实现此目标,我们没有使用基于自然系统的修改能量函数,而是使用了基于速不变系统的能量函数。速不变系统是那些受到显式依赖于时间的约束的系统(Greenwood,未定稿)。这种方法为处理期望能量函数和闭环动力学中存在时变项提供了一种自然的方式。与其他方法(如 Javanmardi(未定稿)、Donaire 等人(2017)、Guerrero-Sánchez 等人(2021a)、Yaghmaei 和 Yazdanpanah(2017)、Fujimoto 等人(2004)、Xin 和 Liu(2014),即上述方法)不同,那些方法依赖能量重塑或被动性,在本工作中,系统的惯性矩阵依赖于非驱动关节,因此不是常数;闭环动力学不受限于常数项;SBR 包含势能;且驱动关节的参考轨迹被明确指定为时间的函数。
本文的其余部分如下所述。第1节包含二自由度 SBR 的模型和控制目标的正式描述。主要贡献在第3节,其中开发了用于 SBR 的能量重塑控制律,并给出了闭环动力学解一致有界性的证明。第4节展示了实时实验结果,说明了所提出控制律的性能。最后,第5节给出了作者得出的一些结论。
本文中,小写粗体字母用于表示向量,而大写字母表示矩阵;$0_n$ 表示 $\mathbb{R}^n$ 中元素全为零的列向量;$0_{n \times n}$ 是 $\mathbb{R}^{n \times n}$ 中元素全为零的方阵,$I_{n \times n}$ 是 $\mathbb{R}^{n \times n}$ 中的单位矩阵。在可能的情况下,为简洁起见省略了函数的自变量。
# 自平衡机器人
二自由度自平衡机器人的动力学模型,在哈密顿框架下可以写成一般形式:
$$\dot{\boldsymbol{q}} = \nabla_{\boldsymbol{p}}(H(\boldsymbol{q}, \boldsymbol{p}))$$
$$\dot{\boldsymbol{p}} = -\nabla_{\boldsymbol{q}}(H(\boldsymbol{q}, \boldsymbol{p})) + G(\boldsymbol{q})\boldsymbol{\tau}$$
其中 $\boldsymbol{q} = [q_1, q_2]^T$,$\boldsymbol{p} = [p_1, p_2]^T \in \mathbb{R}^2$,分别是广义位置和广义动量向量;$\nabla_w(\cdot)$ 表示关于向量 $w$ 中变量的偏导数列向量。该模型中其余各项如下:
$$H(\boldsymbol{q}, \boldsymbol{p}) = \frac{1}{2}\boldsymbol{p}^T M^{-1}(\boldsymbol{q})\boldsymbol{p} + U(\boldsymbol{q})$$
$$M = \begin{bmatrix} a + 2b\cos(q_1) + c & b\cos(q_1) + c \\ b\cos(q_1) + c & c \end{bmatrix}$$
$$U = d\cos(q_1)$$
$$G = \begin{bmatrix} 0 \\ 1 \end{bmatrix}$$
# 运动跟踪的能量重塑控制
在 Kelly 等人(2021)中,所提出的能量重塑控制方案使用了以下变量变换:
$$\boldsymbol{q}_a = \boldsymbol{q} - \boldsymbol{\varphi}(t)$$
$$\boldsymbol{p}_a = T_a(\boldsymbol{q}, \boldsymbol{q}_a)\boldsymbol{p} - M_a(\boldsymbol{q}_a)\dot{\boldsymbol{\varphi}}$$
其中 $\varphi(t)$ 起到期望轨迹的作用,$M_a$ 是对称矩阵,$T_a$ 定义为:
$$T_a = M_a M^{-1}$$
该变量变换允许定义一个类似于自然系统动力学的期望闭环动力学。
# 实时实验
为了观察控制律(21)的性能,利用 RAB-ITLAG-2 自平衡机器人原型(如图2所示,位于墨西哥 La Laguna 技术学院的机电一体化与控制实验室)进行了实时实验。该原型拥有两颗 Cortex-M7 微控制器。第一颗位于 Teensy 4.1 开发板上,运行一个算法,采集传感器测量值、计算控制律并保存实验数据,采样率为……
# 结论
本文介绍了一种基于能量重塑的算法,用于二自由度 SBR 的控制。该控制能够实现驱动关节的轨迹跟踪且具有有界误差,同时非驱动坐标保持在自然不稳定的平衡位置。给出了闭环的有源增益 $\mathcal{L}_\infty$ 稳定性证明以及扰动抑制分析。实时实验结果验证了理论结论,表明关节误差保持在一定范围内。
# CRediT 作者贡献声明
Isaac Gandarilla:撰写——原稿、形式分析、概念构思。Víctor Santibá?ez:撰写——审阅与编辑、资金获取、形式分析。Jesús Sandoval:撰写——审阅与编辑、形式分析。
# 利益冲突声明
作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。
Isaac Gandarilla | Víctor Santibá?ez | Jesús Sandoval
墨西哥国立技术大学——La Laguna 技术学院,Boulevard Revolución 和 Av. Instituto Tecnológico de La Laguna,Torreón,27000,Coahuila,墨西哥
生物通微信公众号
生物通新浪微博
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