煤矿探测机器人姿态控制与局部路径规划研究.pdf

西安科技大学 博士学位论文 煤矿探测机器人姿态控制与局部路径规划研究 姓名李晓鹏 申请学位级别博士 专业安全技术及工程 指导教师马宏伟 2011 论文题目煤矿探测机器人姿态控制与局部路径规划研究 专 业安全技术及工程 博 士 生李晓鹏 签名 指导教师马宏伟 签名 摘 要 救援机器人已经成为灾难救援的重要设备，但大多数救援机器人仍依赖操作人员遥 控。本课题研究团队提出了由运载机器人和探测机器人构建的煤矿救援机器人系统，旨 在实现救援机器人系统的自主导航与智能控制。 本文针对煤矿探测机器人在煤矿井下事 故现场未知环境中的姿态控制与局部路径规划进行了深入研究。 首先分析了事故后的煤矿井下环境，结合煤矿探测机器人任务需求，提出了煤矿探 测机器人三层分布式模块化控制结构。 导航控制体系的核心决策规划系统采用分布式递 阶结构，各个功能分布式模块按照机器人的行为决策过程递阶分布，各模块间按照反应 式的行为准则相互协调配合，完成探测机器人的决策与控制过程。该系统具有较好的自 主性、实时性与开放性，能够满足机器人在复杂环境下自主控制的需求。 提出将煤矿探测机器人的并联肢体履带式运动机构通过运动学等效变形，消除非完 整约束条件，进而分析等效并联机器人位姿运动学的方法。采用这种方法将探测机器人 运动机构等效成 4PPSR 并联机器人，并利用旋量理论对等效并联机器人动平台的姿 态进行运动学建模。分析了在运动学模型基础上的机器人静态稳定性，得出了基于几何 分析的投影稳定锥静态稳定性判定原理；通过对倾覆过程的重力势能变化分析，得到了 机器人动态稳定性和运行速度关系， 对这两种稳定性的分析为煤矿探测机器人运行姿态 稳定性控制提供了重要依据。针对煤矿探测机器人的驱动行为、姿态控制行为、越障行 为和路径规划行为等四种基本行为的协调问题， 提出了基于专家逻辑系统的反应式煤矿 探测机器人行为协调器。分析了煤矿探测机器人在井下行驶时针对不同路面环境的驱 动、姿态控制及越障的行为模式，重点对运行过程中的机器人姿态控制进行了研究，提 出了基于模糊控制算法的煤矿探测机器人反应式姿态控制方法， 并验证了该方法对复杂 地面环境有良好的适应性。 针对未知环境中煤矿探测机器人局部路径规划问题，提出了方向寻优人工势场滚动 窗口局部路径规划算法。 这种方法摒弃了传统人工势场法将全局环境仅归结为单一势场 力的处理思想，针对煤矿探测机器人对障碍物检测的特点，提出在机器人全部可行驶方 向中搜索合力最大的最优行驶方向的改进人工势场方法，并结合滚动窗口思想，提出了 机器人反应式路径规划算法。针对反应式路径规划方法存在的规划陷阱问题，提出了煤 矿探测机器人的慎思式局部路径规划算法。 慎思规划过程需要对机器人游历场景建立局 部环境地图，为此本文提出了探测机器人游历场景栅格拓扑地图的建立方法，并利用提 出的主动生长元栅格拓扑地图 Voronoi 图分析算法对该地图进行可行路径分析，可生成 Voronoi 节点和边构成的无碰路径网络， 利用 Floyd 最短路搜索方法找到逃逸目标节点和 全局目标节点之间的最短路径。融合两种路径规划算法，提出了煤矿探测机器人的反应 慎思式的混合局部路径规划算法。 实验表明该算法不仅有效解决机器人路径规划过 程中的规划陷阱问题，而且对煤矿井下未知复杂环境具有良好的适应性。 以课题组研发的煤矿探测机器人本体和控制系统为平台，以本文提出的姿态控制算 法和局部路径规划算法为基础，借助于 VC，开发了机器人软件系统，分别在实验室 和模拟实验巷道进行了行驶实验， 结果证明本文提出的煤矿探测机器人路径规划算法和 开发的控制系统能够保证机器人在未知环境中进行环境理解和路径规划， 并在非结构化 路面条件下保持良好的行驶姿态。 关 键 词煤矿探测机器人；控制系统；姿态控制；局部路径规划 研究类型基础研究 Subject Study on Posture Control and Local Path Planning for Coal Mine Detection Robot Specialty Safety Techniques and Engineering Name Xiaopeng Li （（Signature）） InstructorHongwei Ma （（Signature）） ABSTRACT Rescue robot has become an important mean in the process of disaster succoring, but most rescue robots still rely on remote operation for motion control. Our research team of Xian University of Science another was the relationship between the speed and dynamitic stability, which was the important theory basis for keeping stable motion while the coal mine detection robot was driving. On the coordination for four basis behaviors of coal mine detection robot, driving behavior, attitude adjustment behavior, obstacle crossing behavior and path planning behavior, a reactive behavior coordinator system based on expert logic system for mine rescue robot was proposed. In the paper, the behavior pattern was analyzed of which in different road condition when robot was driving underground in coal mine. Among them, the attitude adjustment behavior on the operation of robot driving was emphasized researched. Therefore, based on the fuzzy control algorithm, the coal mine detection robot reactive behavior control for the attitude adjustment was proposed, and with the experiment, it was testified that the control was good adaptable for the complexity underground environment. In this paper, a local path planning closer to the human mind, direction optimizing artificial potential field based on the rolling windows was proposed, which was for robot’s path planning behavior of detecting mines in an unknown environment. The used in classical artificial potential field algorithm which boils down the global ination to a single field force was abandoned in the improved artificial potential field. The improved artificial potential field can resolve the best direction which field force is biggest among all driving direction for robot. The improved artificial potential field combining with the rolling windows path planning, the reaction local path planning was presented. While the reactive path planning behavior of the robot could not achieve at the global target because of absence of global ination, it will cause the non decision-making status and planning pitfalls and other issues probably. Therefore, the center average was proposed of recalculate the maximum force to solve the non decision-making status. Foe solving the planning pitfall issues, it was required to deliberative planning and make judgments on the current situation. The deliberative planning process should analyze the travailed scenes based on the local grid-topological map which was analyzed through active growth Voronoi graph to generate the collision-free paths network consisting of Voronoi edges and nodes. The shortest escape path between escape target node and global goal node can be got through the Floyd shortest path searching . The reaction- deliberating mixed local path planning of coal mine detection robot was proposed, which was constituted by reactive path planning behavior and deliberative style planning process. By experiment, it was testified that the can solve the obstacle avoidance problem effectively in the process of planning the trap and could be adapted to the complexity of coal unknown environment. Based on the theoretical research of this paper, the coal mine detection robot control system based on the study achievements of this paper was developed used in experimental robot which was developed by our research team through VC. The experiments were operated in the laboratory environment and the simulated roadway environment with experimental robot, which indicated that the coal mine detection robot could achieve the understanding environment and path planning in an unknown environment, and could maintain the good posture in the condition of unconstructed roads. Above all, it is indicated the research of this paper provided with practicality and availability in the unknown complex environment. Key wordsCoal mine detection robot Control system Posture control Local path planning Thesis Application Fundament 1 绪论 1 1 绪论 1.1 研究背景 人们期望机器人在许多人类不能及的区域能代替人类劳动完成更复杂的任务， 例如 机器人在军事侦察、排险救灾、防止核、生化污染、地下或废墟救援等危险与恶劣环境 以及民用中的物料搬运上均具有广阔的应用前景。 现今，救援机器人发展迅速，技术日益成熟，并进入实用化阶段[1]。日本、美国等 机器人技术先进国家已开始装备使用。在我国救援机器人的研究虽然刚刚起步，但发展 迅速，已经有消防、防爆、反恐等类型的机器人投入使用，但煤矿救援机器人仍然在研 制过程中[2]。 从 2002 年开始，日本文化科学部确立了“大都市大震灾减灾特别计划“的研究计 划，围绕这个计划日本研制出了多款救援机器人，日本东京工业大学的广濑茂男领导的 实验室是最早从事救援机器人领域研究的研究群体之一[3][4]， “Soryu”机器人（如图 1.1 所示）通过无线遥操作方式可深入狭小的建筑废墟中对受灾者进行定位，并可根据 地形变化自行调整运行姿态。日本千叶大学研制的“木槿”机器人（如图 1.2 所示）可 通过控制人员的无线遥操作在地震废墟中运行，并采集视频画面传给控制人员。美国 iRobot 公司研制的“PackBot”机器人（如图 1.3 所示） ，通过有线或无线控制的方式在 未知环境中运行，并可以在遥控过程中进行自主避障。Carnegie Mellon 大学研制了名为 “Groundhog”的四轮驱动机器人 （如图 1.4 所示） ， 通过有线控制可在井下巷道中行驶， 并可在崎岖的地面中按照指定路径稳定地行驶。 图 1.1 广漱实验室“Soryu”机器人 图 1.2 千叶大学“木槿”机器人 西安科技大学博士学位论文 2 图1.3 iRobot公司“PackBot”机器人 图1.4 Carnegie Mellon大学“Groundhog”机器人 救援机器人的工作环境一般都比较复杂。 在复杂环境中行驶的机器人移动机构研究 比较成熟，从上文的介绍来看有许多结构形式，但由于未知环境中移动机器人的智能控 制与自主导航的关键技术问题没有得到解决， 目前已经研制出的救援机器人均是通过人 的遥控来进行工作的，部分机器人具有有限的自主避障能力或反应式姿态调整能力。在 复杂环境中自主行驶和工作的救援机器人相关关键技术研究还不成熟， 全自主救援机器 人还没有投入使用。 救援机器人自主化和智能化的相关技术问题目前是救援机器人研究 者们的研究热点和难点，这也是救援机器人研究的发展方向之一。 我国煤矿安全事故频发，给国民经济和人民生命安全造成了严重损失。目前，我国 矿难救援主要依靠人力。在事故发生后，井下条件和具体状况对于救援人员是未知的， 极易造成救援人员伤亡，救援人员难以在第一时间进入事故现场。每年井下事故救援过 程中伤亡人数占整个煤矿安全事故死亡人数的 5左右[5][6]。 煤矿事故的搜救作业环境十 分复杂，救援人员无法深入进行侦察或施救，人们急于探知灾难现场的内部险情，但又 很难接近或进入灾难现场[7]。此时，救煤矿援机器人的参与可以有效地提高救援工作的 效率并减少施救人员的伤亡，它们不但能够帮助工作人员执行救援工作，及时地深入事 故现场，将现场环境以数据、图像等方式传给救援指挥中心，而且能够代替救援人员执 行搜救任务，给受困矿工送入给养、药品，甚至帮助伤员升井。因此用于深入事故现场 侦查检测的煤矿探测机器人在煤矿灾难救援中起着不可替代的作用。 国内的许多高校和科研院所针对煤矿探测机器人进行了研究。其中，中国矿业大学 研制出了多种煤矿井下救灾机器人（如图 1.5） 。唐山开成公司与哈尔滨工业大学联合研 制的煤矿探测机器人已投入批量生产（如图 1.6） 。这些煤矿探测机器人系统是通过救援 人员在井下的遥控操作进行工作的，虽然结构比较成熟，但依然没有完全取代救援人员 在井下参与救援工作。 1 绪论 3 图 1.5 中国矿业大学井下救灾机器人 图 1.6 唐山开成公司煤矿探测机器人 西安科技大学从 2006 年在国家自然科学基金项目“煤矿救援机器人自主导航与智 能控制基础研究” （No. 50674075）的支持下开始煤矿救援机器人系统的研究工作，在对 煤矿灾害事故救援现状深入调研的基础上， 煤矿救援机器人研究团队认为不需要操作人 员过多参与的自主化、 智能化煤矿救援机器人可以有效地避免救援人员在救援过程中的 伤亡，并可以提高救援效率。西安科技大学研究团队提出了两级机器人构成的自主煤矿 救援机器人系统[8]。第一级机器人为在井下轨道上运行的轨道运载机器人，负责将整个 机器人系统安全快速地运到距离事故现场最近的地点；第二级机器人为探测机器人，其 功能是深入事故现场，采集事故现场环境信息、现场画面等对救援工作有意义的现场信 息。 采取两级机器人系统有以下优点第一，机器人系统更加适应煤矿井下事故现场复 杂的行驶环境。运载机器人可以充分利用井下的轨道运输资源，搭载整个系统快速地行 驶到出事地点，探测机器人的行走机构适应事故现场的行驶环境，有较强的越障与机动 能力。第二，整个机器人系统功能有效分散，提高机器人工作效率与安全性，降低了机 器人系统本体机构的设计难度， 同时也为导航控制系统与信息采集系统的研制打下了良 好的结构基础。第三提高机器人系统的数据安全性，如果在探测机器人受到损害或阻碍 而无法返回运载机器人时，运载机器人依然可以将采集的现场信息带回指挥中心，确保 了工作的有效性。 在煤矿救援机器人的两级系统中， 煤矿探测机器人需要自主深入事故现场进行灾害 信息采集，其行走机构采用并联肢体履带式结构，如图 1.7 所示。事故现场对于煤矿探 测机器人是完全未知的，机器人需要自主导航与控制，向预先确定的行驶目标行驶。在 行驶过程中机器人需要根据行驶路面的变化与自身运行状态对自身的运行姿态进行调 整保持运行平稳，同时要根据传感器采集到的障碍信息进行局部路径规划，保证机器人 能够安全地到达目标区域。 由于探测机器人所处的煤矿井下的灾后环境十分复杂并且机 器人对环境是未知状态，因此，以上过程都是由机器人根据传感信息进行的自主行为。 西安科技大学博士学位论文 4 这种未知环境中的自主规划与控制过程是移动机器人技术的研究热点与难点， 目前有许 多问题有待解决或完善。 图 1.7 煤矿探测机器人实验系统 本文结合煤矿探测机器人在救援工作的实际要求， 针对在煤矿探测机器人工作过程 中机器人的运动控制与局部路径规划等关键技术问题展开研究， 要解决煤矿探测机器人 在未知环境运行过程中的自主行为协调与姿态调整问题以及煤矿探测机器人面对未知 环境时的环境理解与局部路径规划问题， 为探测机器人在煤矿事故救灾中的实际应用建 立理论基础。 1.2 救援机器人自主导航与智能控制研究进展 救援机器人是移动机器人在灾害救援中替代人进行搜救的一种应用， 煤矿探测机器 人是一种在煤矿事故发生后进入事故现场进行现场信息探测的一种救援机器人。 煤矿探 测机器人的自主导航与智能控制的关键技术主要包括机器人控制体系结构、未知空间 感知与建模、运动控制与运动协调、自主导航等几个方面。 1.2.1 机器人控制系统体系结构技术研究进展 机器人体系结构指一个机器人系统中的行为、信息、控制的分布与结构模式。自主 移动机器人的任务与工作环境面临着高度自治性、环境不确定性和实时响应性等要求， 随着机器人技术的不断发展和机器人应用领域的不断拓展，机器人的结构、功能及要求 也越来越高，越来越复杂。为解决机器人的性能要求与机器人的结构的协调性，机器人 体系结构作为机器人研究领域的基础问题一直是机器人学研究的关注热点[9]。 传统机器人控制体系结构主要分为以下三种分层递阶结构、包容式结构及混合式 结构。 1 绪论 5 分层递阶结构最早由 Saridis 在 1979 年提出， 其思想源于由 Simon 和 Newell 提出的 物理符号系统假说的符号规划。这种结构的基本构成是将智能控制系统分为组织级，协 调级和控制级（执行级） ，随着控制精度的增加，其智能程度相应的减少[10]。这种结构 有结构清晰，推理能力强，可以较好的解决控制精度问题等优点，但是不可否认也存在 着可靠性差、鲁棒性不强、对环境适应能力差等缺点。这种结构的典型应用是应用于斯 坦福研究院开发的 Shakey 机器人上的 SPA Sense-Plan-Act[11]，该机器人控制系统划分 为感知S、规划P、执行A三个串联模块，如图 1.8 所示 图 1.8 SPA 分层递阶结构 1986年， Brooks针对移动机器人提出基于反应式行为的包容式体系结构[12]， 如图1.9 所示这种结构对比于分层递阶结构，它不依赖外部环境模型，各层间相对独立，不需要 中心模块，各层依据传感信息各自决策，通信量较小，增强了系统的鲁棒性和拓展性。 但显然，包容式体系结构充分发挥了单元的独立工作性能，缺少全局的指导和协调，对 于全局性的目标缺少主动性和目的性，其智能性的外在表现过于自由，而且由于缺乏核 心模块，人的知识和经验很难融入决策，也限制了机器人的全局性能。Brooks利用他的 包容式结构开发了多款移动机器人避障机器人“Allen”、抓取机器人“Herbert”和机器爬 虫“Genghis”等，这些机器人都表现出了比较好的智能性，可以顺利完成既定任务。之后 又出现了基于反应式的包容体系结构成果COG[13]、TCA[14]等。 图 1.9 包容式体系结构 针对上述两者的缺点，研究者提出了二者结合的混合式体系结构，这种结构兼顾了 分层递阶式结构在全局目标的宏观控制精度高和包容式结构在局部环境中反应灵活的 西安科技大学博士学位论文 6 优点。典型的混合式结构是Bonasso20世纪 90年代初提出的三层结构[15][16]。该结构分为 反馈控制层，规划执行层和慎思层。规划执行层根据传感信息和控制信息规划执行 动作，反馈控制层依据反馈信息和输入环境信息输出控制信息，慎思层经过慎思推理， 预测未来可能遇到的情况来改变输出。显然，这样的结构在时间上严格控制了对环境的 理解与反应。 但这种结构也存在忽视基于传感器信息融合的环境建模对机器人动作执行 影响的缺点。随后，又产生了几种改进系统美国UGV计划中的SSV[17]和功能型分层式 体系结构与行为型集中式体系结构相结合的LAAS[18]。 近几年，随着社会学、组织行为学、心理学、生物学及智能体技术等研究思想应用 于机器人学研究中，又陆续出现了几种新型机器人控制体系结构。朱淼良提出了基于多 Agent 的面向任务集成的自组织结构 IRASO Intelligent Robotic Architecture with Self-organization， 该系统利用事件势态估计状态变化协调多 Agent 的结构组成， 采 用分布式结构，公告板调度系统使其与外界环境变化一致，反应灵活，各 Agent 配合紧 密[19]。 Kolp 等提出划分为运动控制、 传感、 导航、 环境建模和全局规划五个分布式 Agent 组件的智能机器人控制系统，采用组织行为学中的五元结构Structure-in-5来描述各 Agent 的分布模式、任务、目标、资源、协调关系等[20]。蔡自兴等提出的基于多 Agent 的移动机器人导航进化控制体系结构，该体系结构特别适合于网络环境下的机器人系 统，能充分发挥进化控制隐含并行性的优点[21]。 智能机器人体系结构研究一直是机器人学重要的研究分枝和研究重点， 目前的研究 工作取得了很多卓有成效的研究成果，并得到了验证与应用。但在移动机器人体系结构 的研究方面，仍有许多问题需要进一步研究解决，主要有第一，如何实现基本功能模 块的灵活组合，使得功能与知识都具有良好的扩展性和开放性；第二，如何实现基于符 号的慎思式智能与基于行为的反应式智能之间的合理协调，使之取长补短；第三，如何 建立各层次间或各模块之间知识与信息的交流机制，构造规范的通信接口与协议，使之 有良好的模块特性和组件特性；第四，如何构造适应性强，具有人类高级思维模式的控 制策略，使之可适应复杂应用环境并遵循人类思维进行工作。 1.2.2 移动机器人空间环境感知与建模研究进展 在未知环境中， 移动机器人的环境感知与空间环境建模技术是实现移动机器人导航 的基础。其目的是支持机器人在工作过程中进行定位与路径规划等，机器人的空间环境 感知与建模主要解决以下两个问题第一，如何获取机器人工作的环境信息；第二，如 何使机器人掌握自身在工作环境中的位置，即解决机器人自身定位问题。 在未知环境中，移动机器人缺乏对环境的先验认识，只能通过自身的环境传感器来 获取外部环境信息和自身状态信息。目前，常用的空间环境表示方式有基于度量信息 的空间分解地图和几何特征地图，拓扑地图及两者混合地图。 1 绪论 7 栅格地图是空间分解地图种类中应用最成功、最为广泛的一种空间环境模型形式， 这种方法由 Elfes 于 1985 年提出， 其思想是将移动机器人的工作环境分为若干个大小相 等的独立栅格， 通过距离传感器的测量信息表示每个栅格被障碍物占据或者没有占据的 概率来进行空间环境的状态描述[22]。 Khatib 提出一种由大小不定的矩形栅格组成的改进 栅格地图表示方法，即“四叉树法” ，这种方法可以在不同的障碍物密度区域中以不同 的栅格密度予以表示[23]。由于栅格地图便于多信源信息融合，可以使机器人方便地进行 路径规划与定位，因此得到了广泛的应用[24][25]。但随着环境规模的变大，计算负担也随 之增加，因此该方法一般多应用于局部环境的表示方法中。 几何特征地图指机器人从环境传感信息中提取抽象的几何特征，如交点、折线、 边角等，来表示空间环境模型。这种方法比较紧凑，占用计算资源较小，便于定位与目 标识别Stephen通过对环境视觉识别的特征点的提取实现了对不确定环境的模型表达 [26]。Austin通过识别结构化的环境约束几何特征模型，实现了对移动机器人的地形探测 与识别[27]。但在使用过程中发现，室外环境几何特征很难提取，因此该方法常被使用于 室内视觉信息空间环境建模。 为此， Stephen又提出采用一种具有远近尺度不变性的路标 提取策略（可称为尺度不变特征变换，Scale Invariant Feature Trans, SIFT）计算出可 以作为路标的SIFT特征坐标，实现了对室外环境的几何特征提取与地图表达[28]。几何特 征地图环境表示方法比较紧凑，便于实现对目标的识别，但几何特征与地图数据之间的 数据关联比较困难，且对传感数据量要求较高。 拓扑模型是一种非度量空间环境模型，将空间表示为节点与连接节点的边的关系拓 扑图， 利用这种方法进行路径规划效率非常高， 适合于大范围的空间环境使用[29]。 Kuipers 等人将拓扑节点定义为关联最多等距障碍物点的点， 并在此基础上实现了具有较高容错 性能的移动机器人导航[30]。Choset提出将拓扑节点用带有度量信息的弧段连接起来，并 通过仿真实验证明这种方法可以在大规模室内环境中实现机器人的导航[31]。 拓扑地图占 用资源少，可以实现大规模环境中的路径规划，不需要机器人的准确位置信息，但缺点 是由于缺少环境的细节表达，因而难以实现机器人的细节动作规划，另外对类似环境特 征难以识别，即存在数据关联问题。 为了更好表达环境的特征，针对上述几种方法的优缺点，一些研究者根据实际情况 提出了混合地面模型，希望获得结构更合理，鲁棒性更好的地图表达方法[32]。Yamauchi 提出一种混合拓扑度量地图模型，这种地图依然是拓扑地图，但拓扑域与路径中包含 了尺度信息，既可以保持拓扑地图的高效性，又有度量地图的精确性，从而实现了大规 模动态环境的地图表达[33]。目前，大多数研究均是基于二维空间模型的，三维环境模型 研究刚刚起步，研究成果很少，三维环境的研究需要更高的计算资源和更为复杂的数据 处理方法，是目前空间环境建模的研究发展方向[34][35]。 移动机器人的定位问题是移动机器人导航的一个基本环节，主要有两种类型依靠 西安科技大学博士学位论文 8 传感信息的位置估计与全局地图关联匹配的全局定位、 基于不同初始位置信息对机器人 局部位置的位置跟踪。 移动机器人全局定位通过局部传感信息与全局地图相比较进行匹配，进而确定机器 人位置。卡尔曼滤波是机器人环境建模与定位的经典算法[36] [37]，解决了机器人与环境 之间的线性系统模型关系问题。而广义卡尔曼滤波（Extended Kalman Filter，EFK）则 推广到非线性系统的估计问题计算实际检测与估计值间的误差与系统协方差，得到滤 波参数，并用滤波参数校正机器人位置，按照这个估计校正的过程，随着机器人不断 地移动，消弱积累误差的影响，可得到相对准确的定位误差。这种方法简洁实用，是现 在解决机器人定位问题的常用方法。另外，解决机器人全局定位问题的方法还有最大似 然估计（Maximum Likelihood Estimation） [38]、蒙特卡洛定位（Monte Carlo Localization） [39]和马尔可夫定位（Markov Localization）[40]等。 在大规模未知环境中，全局定位方法很难使用，因此需要基于一定的初始位置，对 机器人位置进行跟踪，这一过程称为航位推测算法（Dead-Reckoning，DR） 。航位推算 法根据机器人运动的推算或估计对机器人的位置进行递推计算，其算法结构简单，但是 其推算误差随着行驶距离的增加会产生误差积累。 因此航位推算法适用于短时间短距离 的局部环境中的机器人位置计算。为弥补航位推算的误差积累问题，通常与全球定位系 统（GPS）相结合。GPS可以提供高精度的定位信息，通过两种定位方式的有机结合， 可以获得很好的定位精度与可靠性。但是在煤矿井下等特殊环境中，GPS系统缺乏卫星 信号无法工作，因此只能依靠机器人的自身传感器对航位进行推算。郑之增等人提出了 融合多种定位传感器信息的基于四元数姿态解算的航位推测法对煤矿救灾机器人进行 跟踪定位，并利用滑动平均值算法对仰俯角、横滚角和航向角进行处理，以消减积累误 差[42]。 陈勇等人针对深海机器人的定位问题提出了一种基于伪长基线和航位推算的组合 定位方法，为提高位置估计精度采用了自适应卡尔曼滤波算法[43]。 基于上文的分析，复杂未知环境中的移动机器人要求对障碍物的距离信息在地图上 进行体现，同时还要求机器人与障碍物的拓扑关系在地图上也要明确表达，采用单一的 地图模型无法满足这样的要求， 针对应用环境采用优势互补的混合地图模型对复杂环境 进行表达是解决这一问题的有效方法。 在缺乏有效定位方法的环境中仅仅依靠单一的定 位方法，会产生较大定位误差，因此需要采用组合定位方法对定位误差进行修正，同时 应根据环境深入分析机器人运动学模型改进机器人姿态推算方法， 减少由于运动学模型 分析过程增加的误差。 1.2.3 移动机器人运动控制研究进展 在未知环境中， 移动机器人的运动控制包括基于先验路径的跟踪控制和基于实时传 感信息的行为反应式控制。 1 绪论 9 移动机器人属于典型的非完整约束运动系统，这种非完整约束控制系统的跟踪控制 主要分为轨迹跟踪（Trajectory Tracking）与路径跟踪（Path Following） 。轨迹跟踪是 指移动机器人根据给定的参考路径，从初始状态到目标状态的跟踪控制过程。路径跟踪 是指移动机器人从初始状态到达并跟踪上给定的参考路径。 轨迹跟踪需要移动机器人实 时跟踪参考路径，要求跟踪方法有一定的数学精细程度，而路径跟踪只要求能够跟踪上 参考路径， 对到达什么样的跟踪状态并没有要求。 因此路径跟踪相对轨迹跟踪比较简单， 但要在未知环境中实现精度较高轨迹跟踪难度较大。Jiang采用反推积分方法 （BackStepping） ，选取不同的虚拟反馈分别设计了局部和全局两种跟踪控制器，实现了 移动机器人的局部与全局的指数收敛的轨迹跟踪， 所谓反推方法是将Lyapunov函数的选 取与控制器的设计相结合的一种回归设计方法， 可以将不确定性系统系统化的控制器综 合设计，这种思路在解决轨迹跟踪应用比较广泛[44]。Wang基于由全状态跟踪误差推导 的动态模型研究了轮式移动机器人的全状态跟踪问题， 设计了给出了确保稳定的全状态 输出跟踪轨迹跟踪控制律[45]。Caracciolo建立了考虑车轮侧滑的4差分驱动户外机器人动 力学模型，使用动态反馈线性化方法设计了跟踪控制器，在预测车体瞬时旋转中心的行 为过程中，人为地加入了一个可操作的非完整约束，以防止过度侧滑[46]。 移动机器人的运动学模型和动力学模型是研究控制方法的前提条件。面向未知环 境，移动机器人的运动机构越来越复杂，基于机器人运动学模型或动力学模型分析基础 上的机器人运动姿态控制显得更加重要。 运动学建模的主要任务是建立机器人各机构之 间的运动关系，为运动分析和控制奠定基础。现有的关于移动机器人运动学建模比较有 代表性的方法可归结为两种一种是基于速度矢量传递的方法[47]，这种方法只需考虑相 邻构件之间的运动关系，类似于牵连速度概念，各相邻运动构件之间进行速度传递，最 终得到机器人本体的运动方程；另一种是基于矩阵变换的方法，基本思想在机器人各运 动构件上建立局部坐标系， 通过坐标