摘要为实现农业采摘机器人路径跟踪控制，基于李雅普诺夫稳定性理论设计了一种反步法控制器。通过调节控制器参数抵消了机器人误差模型中的部分未知非线性项，简化了控制器的设计形式。利用神经网络对模型未知项和外界干扰进行估计，设计鲁棒自适应控制器在线补偿设计的神经网络的估计误差，提高了神经网络的学习精度。仿真试验结果表明，设计的控制器可实现采摘机器人在存在外界干扰作用下对期望路径的精确跟踪。
关键词农业采摘机器人；路径跟踪；反步法；神经网络
中图分类号S126文献标识码A文章编号0517-6611（2014）23-08023-04
基金项目中央高校基本科研业务费专项（DL13BB04）。
作者简介张光磊（1978- ），吉林长春人，讲师，博士研究生，从事系统工程研究。*通讯作者，副教授，博士，从事非线性控制理论与应用研究。
收稿日期20140702随着国家对农业自动化发展的重视程度日益提高，智能农业机器人迎来了快速发展和应用的热潮。近年来，一些研究机构纷纷将研究的重心从机械部分转向机器视觉和任务执行智能控制问题，以解决农业机器人的智能化问题[1-2]。
该研究所研究的农业采摘机器人是一种复杂的高智能的农业技术设备，集机械技术、计算机技术及自动控制技术等高新技术于一身，集机器人视觉系统、运动控制系统、卫星导航定位系统于一体。在实际工作中，采摘机器人面临的是复杂的三维空间，地面凸凹不平及意外障碍都会对采摘机器人的平稳运动和本体路径选择的正确性产生较大影响。路径跟踪控制技术在提高采摘机器人行动的稳定性和可靠性等方面具有重要实用价值[3-6]。所谓的路径跟踪控制问题是要求采摘机器人在控制系统驱动下，从任意初始位置驶入期望的路径，并沿此路径完成给定任务[7-10]。
该研究针对采摘机器人的路径跟踪问题，提出基于神经网络的反步法控制器。采用神经网络估计补偿采摘机器人模型中的不确定部分和外界环境干扰，通过设计鲁棒控制器在线补偿神经网络的估计误差，利用李雅普诺夫稳定性理论推导得出神经网络权重和逼近误差估计的自适应学习律，保证了闭环系统的全局稳定性。利用该研究的控制算法进行农业采摘机器人在考虑干扰作用下对曲线路径的跟踪控制仿真试验，结果表明所设计的控制器可实现对期望路径的精确跟踪。
1机器人模型
1.1农业采摘机器人的一般模型笛卡尔坐标系下的农业采摘机器人，假设其具有一定的直线前进速度，忽略横向速度对前和方向角的影响[11-12]，其数学模型可以简化建立为：
1.2期望跟踪路径选择期望路径Ω上的虚拟点P的坐标可表示为关于标量参数μ∈R的函数，
外界环境干扰设定为2sin（2πt/100），假设模型中非线性不确定项g（u，r）和f（u，r）分别为u2和0.5ur，设采摘机器人的初始位置和方向角为[x（0），y（0），ψ（0）]=[30，0，π/2]，初始速度和角速度为[u（0），r（0）]=[0，0]，期望速度ud=1（m/s）。选取虚拟点的增益参数为k1=1，其他控制器参数如下：p1=2，p2=102，c1=1.5，c2=2，c3=1，λ=1。选取神经网络隐层的神经元数目为14个，基函数的中心点均匀地分布在[-0.5，0.5]的区间上，神经网络权值的初始权值为0，学习增益为γ=4。
～3为采用采摘机器人的行走路线非线性模型且存在外界扰动时的跟踪控制仿真结果。从可以看出，该研究的控制器由于含有神经网络，可对外界环境干扰进行在线补偿，实现考虑干扰情况下采摘机器人对设定的路径精确跟踪，具有较强的鲁棒性。为机器人的纵向和横向的位移误差变化曲线，为系统控制量的连续变化曲线。
干扰条件下的机器人路径跟踪曲线位置误差变化曲线控制量变化曲线5结论
该研究针对农业采摘机器人路径跟踪控制问题，考虑了模型不确定性和路面凸凹不平的外界干扰作用，结合Serret-Frenet坐标系，提出了基于反步法的神经网络控制方法，利用神经网络补偿机器人方程中的非线性项和外界环境扰动影响，降低了设计的控制器的复杂度，提高了控制器参数的可调节性，仿真结果表明，所设计的控制器可驱动采摘机器人对任意设定路径的精确跟踪，具有较高的工程实用价值。
参考文献
[1] 宋健，张铁中，张宾，等.农业机器人的研究现状与发展展望[J].潍坊学院学报，2005，5（4）：1-4.
[2] 杨宝珍，安龙哲，李会英，等.农业机器人的应用及发展[J].农机使用与维修，2008（6）：103.
[3] 张利軍，贾鹤鸣，边信黔，等.基于L2干扰抑制的水下机器人三维航迹跟踪控制[J].控制理论与应用，2010，28（5）：645-651.
[4] 贾鹤鸣，程相勤，张利军，等.基于离散滑模预测的欠驱动AUV三维航迹跟踪控制[J].控制与决策，2011，26（10）：1452-1458.
[5] 俞建成，李强，张艾群，等.水下机器人的神经网络自适应控制[J].控制理论与应用，2008，25（1）：9-13.
[6] 唐旭东，庞永杰，李晔，等.基于混沌过程神经元的水下机器人运动控制方法[J].控制与决策，2010，25（2）：213-217.
[7] REPOULIAS F，PAPADOPOULOS E.Trajectory planning and tracking control design of underactuated AUVs[C]//Proceedings of the IEEE International Conference on Robotics and Automation.Spain：IEEE Press，2005：1622-1627.
[8] REPOULIAS F，PAPADOPOULOS E.Planar trajectory planning and tracking control design for underactuated AUVs[J].Ocean Engineering， 2007，34（1）：1650-1667.
[9] LAPIERRE L，SOETANTO D.Nonlinear path-following control of an AUV[J].Ocean Engineering，2007，34（1）：1734-1744.
[10] CASALINO G，AICARDI M，BICCHI A，et al.Closed loop steering and path-following for unicycle-like vehicles：a simple Lyapunov function based approach[J].IEEE Robotics and Automation Magazine，1995，2（1）：27-35.
[11] MICAELLI A，SAMSON C.Trajectory tracking for unicycle-type and two-steering wheels mobile robots.Technical Report No.2097，INRIA[R].France：Sophia-Antipolis， 1993.
[12] 高剑，严卫生，赵宁宁，等.UUV的全局路径跟踪控制[C]