·362· 智能系统学报 第8卷 文献[8]依据交叉耦合思想设计了2轮差动机 /-sin(⑧，+0) c0s(8,+0) < 器人的速度补偿控制器，但是难以应用到相对复杂 2 -sin(8,-0) -c0s(⑧2-8) 的全向移动机器人运动控制中.文献[9]为提高机器 (1) sin(⑧，+0) -c0s(82+0) L 人灵巧手基关节的轨迹跟踪精度，提出了包含同步 Va) sin(δ1-0) cos(5-0)L 误差和位置误差反馈项及平滑鲁棒非线性反馈补偿 式中：0为机器人的运动方向；”。为机器人的角速 项的交叉耦合同步控制策略，由于该方法需要复杂 度，逆时针方向为正；1、23，分别为4个车轮的 的计算求解，导致很难满足全向移动机器人运动控 线速度：δ，和δ2为各轮与x轴的夹角；L为车体中心 制的实时性要求.文献[10]基于模糊控制与PD控 到轮子中心的距离， 制理论设计了一种速度补偿控制器，对机器人4个 车轮的线速度和角速度之间的关系如式(2)： 轮子的速度进行补偿，由于控制规则要靠经验确定， 参数变化缺乏自适应和自学习能力，控制过程中存 ( 01 在死区，导致机器人在速度较大时控制偏差变大而 0 02 =R· (2) 得不到及时调整，甚至出现失控现象 03 针对上述方法的不足，本文提出了一种基于大 va 04 脑情感学习的4轮驱动机器人速度补偿控制方法」 式中：R为轮子半径；w1、w2、w、w4为轮子角速度， 利用大脑情感学习能力强、计算简单的特点[) 逆时针方向为正 对机器人整体的速度误差设计合理的误差补偿器， 2 四轮驱动机器人的速度补偿控制系统 在不改变机器人内部控制结构的情况下，为机器人 4个轮子提供附加的补偿控制量，进而提高机器人 根据机器人足球比赛的实际需要，设计4轮驱 整体的运动控制精度， 动足球机器人的速度补偿控制系统，其结构框图如 图2所示. 1全方位移动机器人运动学模型 建立4轮全方位移动机器人的轮系分布系统， 电机控 如图1所示].由于所用比赛足球机器人的射门机 制系统1 参 轮 电机控 构的增加，导致4个全向轮不是对称分布，而是前2 速 制系统2 机 e 速度补偿 轮夹角为120°，后2轮夹角为90°. 度 控制器 配 电机控 制系统3 电机控 加速度计 制系统4 和陀螺仪 图2机器人的速度补偿控制系统结构 Fig.2 Structure of velocity compensation controller for 60 45 the robot 459 60 由图2可知，将实际测得的机器人整体的实际 速度与其参考速度进行比较，经过速度补偿控制器 处理后得到4个轮子关于机器人整体速度误差的额 外补偿量.从而在不改变各轮子内环控制结构的前 提下，实现了对机器人整体速度的有效补偿，提高了 系统运动控制的精度， 图1机器人运动学模型 3基于大脑情感学习的速度补偿控制 Fig.I Kinetic model of the robot 3.1大脑情感学习计算模型 根据图1所示，建立机器人运动坐标系，XOY Moren等于20O0年提出了基于神经生理学的 为世界坐标系，xy为以机器人中心为原点的局部 坐标系，得到机器人运动学方程为 大脑情感学习(brain emotional learning,BEL)计算 模型)，该模型在不完全模仿杏仁核、眶额皮质等文献［８］依据交叉耦合思想设计了 ２ 轮差动机 器人的速度补偿控制器，但是难以应用到相对复杂 的全向移动机器人运动控制中．文献［９］为提高机器 人灵巧手基关节的轨迹跟踪精度，提出了包含同步 误差和位置误差反馈项及平滑鲁棒非线性反馈补偿 项的交叉耦合同步控制策略，由于该方法需要复杂 的计算求解，导致很难满足全向移动机器人运动控 制的实时性要求．文献［１０］基于模糊控制与 ＰＤ 控 制理论设计了一种速度补偿控制器，对机器人 ４ 个 轮子的速度进行补偿，由于控制规则要靠经验确定， 参数变化缺乏自适应和自学习能力，控制过程中存 在死区，导致机器人在速度较大时控制偏差变大而 得不到及时调整，甚至出现失控现象． 针对上述方法的不足，本文提出了一种基于大 脑情感学习的 ４ 轮驱动机器人速度补偿控制方法． 利用大脑情感学习能力强、计算简单的特点［１１⁃１２］ ， 对机器人整体的速度误差设计合理的误差补偿器， 在不改变机器人内部控制结构的情况下，为机器人 ４ 个轮子提供附加的补偿控制量，进而提高机器人 整体的运动控制精度． １ 全方位移动机器人运动学模型 建立 ４ 轮全方位移动机器人的轮系分布系统， 如图 １ 所示［１３］ ．由于所用比赛足球机器人的射门机 构的增加，导致 ４ 个全向轮不是对称分布，而是前 ２ 轮夹角为 １２０°，后 ２ 轮夹角为 ９０°． 图 １ 机器人运动学模型 Ｆｉｇ．１ Ｋｉｎｅｔｉｃ ｍｏｄｅｌ ｏｆ ｔｈｅ ｒｏｂｏｔ 根据图 １ 所示，建立机器人运动坐标系， ＸＯＹ 为世界坐标系， ｘｏｙ 为以机器人中心为原点的局部 坐标系，得到机器人运动学方程为 ｖ１ ｖ２ ｖ３ ｖ４ æ è ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ＝ － ｓｉｎ（δ１ ＋ θ） ｃｏｓ（δ１ ＋ θ） Ｌ － ｓｉｎ（δ２ － θ） － ｃｏｓ（δ２ － θ） Ｌ ｓｉｎ（δ２ ＋ θ） － ｃｏｓ（δ２ ＋ θ） Ｌ ｓｉｎ（δ１ － θ） ｃｏｓ（δ１ － θ） Ｌ æ è ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ｖｘ ｖｙ ｖθ æ è ç ç ç ö ø ÷ ÷ ÷ ． （１） 式中： θ 为机器人的运动方向；ｖθ 为机器人的角速 度，逆时针方向为正；ｖ１ 、ｖ２ 、ｖ３ 、ｖ４ 分别为 ４ 个车轮的 线速度；δ１ 和 δ２ 为各轮与 ｘ 轴的夹角；Ｌ 为车体中心 到轮子中心的距离． 车轮的线速度和角速度之间的关系如式（２）： ｖ１ ｖ２ ｖ３ ｖ４ æ è ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ＝ Ｒ· ω１ ω２ ω３ ω４ æ è ç ç ç ç ç ö ø ÷ ÷ ÷ ÷ ÷ ． （２） 式中：Ｒ 为轮子半径；ω１ 、ω２ 、ω３ 、ω４ 为轮子角速度， 逆时针方向为正． ２ 四轮驱动机器人的速度补偿控制系统 根据机器人足球比赛的实际需要，设计 ４ 轮驱 动足球机器人的速度补偿控制系统，其结构框图如 图 ２ 所示． 图 ２ 机器人的速度补偿控制系统结构 Ｆｉｇ．２ Ｓｔｒｕｃｔｕｒｅ ｏｆ ｖｅｌｏｃｉｔｙ ｃｏｍｐｅｎｓａｔｉｏｎ ｃｏｎｔｒｏｌｌｅｒ ｆｏｒ ｔｈｅ ｒｏｂｏｔ 由图 ２ 可知，将实际测得的机器人整体的实际 速度与其参考速度进行比较，经过速度补偿控制器 处理后得到 ４ 个轮子关于机器人整体速度误差的额 外补偿量．从而在不改变各轮子内环控制结构的前 提下，实现了对机器人整体速度的有效补偿，提高了 系统运动控制的精度． ３ 基于大脑情感学习的速度补偿控制 ３．１ 大脑情感学习计算模型 Ｍｏｒｅｎ 等于 ２０００ 年提出了基于神经生理学的 大脑情感学习（ ｂｒａｉｎ ｅｍｏｔｉｏｎａｌ ｌｅａｒｎｉｎｇ， ＢＥＬ） 计算 模型［１１］ ，该模型在不完全模仿杏仁核、眶额皮质等 ·３６２· 智 能 系 统 学 报 第 ８ 卷