具有量化反馈的视觉伺服WMR控制研究

针对具有外部扰动和量化反馈的图像视觉伺服移动机器人轨迹跟踪问题，提出了一种基于超螺旋算法的量化反馈控制方法，首先使用超螺旋滑模控制方案，将扰动项放入滑模高阶导数中，减少滑模控制中的抖振现象；接着将量化误差的界限放入滑模开关函数中，来抑制量化对系统稳定性的影响；通过李雅普诺夫函数证明了系统可以在有限时间收敛至与量化参数相关的较小区域内，最后通过动态调节量化参数，使系统最终可以收敛至零。通过仿真结果验证了控制方案的有效性。

近些年随着科技的发展，图像视觉伺服(Image-Based Visual Servoing)的移动机器人(Wheeled Mobile Robot)备受关注。

传统的IBVS 中存在图像雅可比矩阵奇异性与局部发散的问题[1]；Cheah [2]提出了深度信息的在线估计方法，在此基础上Liu [3]提出了深度无关雅可比矩阵，使得未知参数可以被线性化。当系统存在未知扰动时， 不再满足参数线性化的条件， 滑模控制(Sliding Mode Control)成为了更好的选择[4]， SMC 具有对参数摄动和外界扰动不灵敏等特点，张[5]使用SMC 设计了足式移动机器人的控制方案；陈[6]提出了一种全局稳定定理与指数趋近律相结合的滑模控制方法；方[7]采用支持向量机耦合改进粒子群算法优化滑模控制器，减小了轨迹跟踪误差提高了鲁棒性。传统SMC 中会出现抖振的现象，超螺旋滑模控制(Super Twisting Sliding Mode Control)是高阶滑模的一种，这种方式使产生不连续控制量作用于滑模量的高阶导数上，这样得到的控制率会包含积分项，通过积分的率波功能对抖振起到抑制；STSMC 已被应用在无人机[8]、导弹制导[9]等领域。

在IBVS 的实际应用中，控制模块、固定摄像机和WMR 往往通过一个带宽有限的无线网络连接， 量化分辨率很粗糙， 应考虑量化对系统稳定性的影响。

薛[10]针对量化器灵敏度参数不匹配的系统研究了监督策略下的量化反馈滑模镇定控制问题；薛等人[11]通过建立量化参数的时变比例模型， 设计自适应滑模控制方案；Sun [12]使用扰动观测器，提出一种量化反馈系统的固定时间收敛控制方案。

针对具有量化和未知扰动的IBVS 移动机器人轨迹跟踪问题，提出一种基于超螺旋算法的量化反馈控制方案，将未知扰动放入滑模切换函数的二阶导数中，对扰动连续补偿，接着将量化误差的界限放入滑模切换函数中，采用动态量化方案来使系统稳定，最终通过李雅普诺夫函数证明了系统的稳定性，仿真结果验证了控制方案的有效性。

2. 视觉伺服WMR 系统 IBVS 系统如图1 所示，WMR 在天花板具有固定摄像机的全局坐标系下，p 为相机捕捉的特征点,将WMR 前进速度v 与转向角速度w 看作控制输入， ( )( )(), x ty t为特征点p 全局坐标。

基于非完整约束运动学模型可表示为 ( )( )( )( )( )( )( )cossinsincosx tvtwdty tvtwdttwθθθθθ=−=+= (1) IBVS 系统为：