基于ROS和滑模控制器的无人车编队控制平台研究_叶金泽.pdf

引用格式:叶金泽，薛雅丽，谢良忱 基于 ROS 和滑模控制器的无人车编队控制平台研究J 电光与控制，2023,30(3):42-47 YE J Z,XUE YL,XIE L C Multi-unmanned vehicle formation control platform based on ROS and SMC J Electronics Optics Control,2023,30(3):42-47基于 ROS 和滑模控制器的无人车编队控制平台研究叶金泽，薛雅丽，谢良忱(南京航空航天大学自动化学院，南京211000)摘要:为提高多智能体任务完成效率以及降低成本，基于阿克曼无人车模型设计了滑模控制器，实现了跟随车对于期望轨迹跟踪。采用双曲正切函数代替指数趋近律中的符号函数，保证切换函数具有连续性。证明了新构造趋近律作用下系统的收敛性。基于树莓派 4B 和 ROS 搭建了低成本无人车实验平台，完成了 ROS 软件功能设计，包括无人车平台的导航、建图、TF 变换等功能。针对多无人车系统完成了组网操作，使得无人车能够进行传感器数据共享并通过 TF 变换关系求得相对位置信息。最后基于所设计的滑模控制器在实机平台完成实验，得到编队控制性能曲线图并进行了定性定量分析。关键词:无人车;自动控制;滑模控制;编队控制;ROS;多智能体系统中图分类号:TP242 6文献标志码:Adoi:10 3969/j issn 1671 637X 2023 03 008Multi-unmanned Vehicle Formation ControlPlatform Based on ROS and SMCYE Jinze,XUE Yali,XIE Liangchen(College of Automation Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing 211000,China)Abstract:In order to improve task execution efficiency of muti-agent system and reduce costs,the slidingmode controller is designed based on dynamical model of Akerman unmanned vehicle,which realizes thetracking of the expected trajectory by the follower vehicle The hyperbolic tangent function is adopted toreplace the symbolic function in exponential reaching law for ensuring the continuity of the switch functionThe convergence of the system is proved based on the new reaching law A low-cost unmanned vehicleexperiment platform is built based on ROS and Raspberry Pi 4B ROS software is designed,including naviga-tion,mapping,TF transformation and other functions of unmanned vehicle platform The networking operationis completed for multi-unmanned vehicle system,so that the sensor data of unmanned vehicles can be sharedand the relative position information between unmanned vehicles can be obtained through TF transformationFinally,an experiment is performed on the unmanned vehicle experiment platform according to the sliding modecontroller The formation control performance curve is obtained and analyzed quantitatively and qualitativelyKey words:unmanned ground vehicle;automatic control;sliding mode control;formation control;robotoperating system;multi-agent system0引言随着嵌入式计算机、传感器、数据通信、自动控制等技术的迅速发展，人工智能概念正逐渐被人熟知。在民用及军事领域，越来越多的任务可通过智能体代替人类完成，极大地提高了任务完成效率，节省了劳力。收稿日期:2022-02-21修回日期:2022-03-07基金项目:国家自然科学基金(62073164)作者简介:叶金泽(1998)，男，江苏泰州人，硕士生。通讯作者:薛雅丽(1974)，女，黑龙江集贤人，博士，副教授。此外，智能体还能帮助人类探索较为危险的领域，例如阴暗的地下通道、水压较大的深海、距离陆地较远的水面以及空气稀薄的高空。随着任务复杂度提高，智能体相应软硬件配置也需要不断更新升级。即使搭载性能最强的硬件处理器，单智能体执行能力依旧有限，并且搭建成本会成指数级增长，不适合量产使用。因此，为了解决复杂度更高的任务，多智能体系统(Muti-AgentSystem，MAS)应运而生。智能体根据海陆空应用场景不同可分为无人飞行器(Unmanned Aerial Vehicle，UAV)、陆地移动机器人Vol 30No 3Mar 2023第 30 卷第 3 期2023 年 3 月电光与控制Electronics Optics Control叶金泽等:基于 ROS 和滑模控制器的无人车编队控制平台研究(Unmanned Ground Vehicle，UGV)和水面自主机器人(Unmanned Surface Vehicle，USV)3 类。UGV 相较于前两种智能体具有物理模型更简单、环境约束较小、可扩展性更强等特点，能够搭载更多的环境感知模块以及执行模块，有着广泛的应用空间。在民用方面，扫地机器人、服务机器人、物流配送机器人等已广泛应用于日常生活。在军事方面也已发展出智能化机器人坦克、无人察打攻击战车以及无人运输车等。多智能体系统可以将一个复杂大规模任务指派给多智能体系统中的各个单智能体完成1。MAS 是指多个具有通信能力和感知能力的智能体组成的集合，系统内部通过组网进行数据共享，通过控制率设计使每个智能体到达并保持在理想位置附近，并且智能体之间相互制约、相互协调，共同完成相应任务。MAS 在处理一些复杂问题时，有时需要根据实际工程要求保持一定队形，这样能够更加高效、有序地完成相应任务，并且能够充分获取周围环境信息，加强智能体间协调合作，提高系统鲁棒性，这种保持一定队形的控制称为编队控制。编队控制是由多个智能体组成的集合在完成某任务或者追踪某目标时，需要保持智能体间数据通信和环境感知，同时需要保持期望的几何构型，例如“一”字形、三角形、圆形等。MAS 进行编队控制的主要目的是提高任务执行效率、降低成本。1无人车模型及编队控制问题描述1 1无人车运动学模型选取相应的坐标系对无人车运动进行分析。以无人车所在运动平面为坐标平面建立地面坐标系，以自身重心为原点、车辆前进方向为横轴建立自体坐标系，将车辆置于该坐标系中进行运动分析。设点(x0，y0)为无人车在地面坐标系中的位置坐标;为无人车运动方向与 x 轴的夹角;v 为车体线速度(标量);为车体转向时的横摆角速度(标量)，以逆时针为正。取无人车在地面坐标系 x 轴的位移量 x，y 轴的位移量 y 以及 作为无人车的状态变量建立状态空间方程2，即xy=cos 0sin 001v()。(1)1 2领航跟随法编队控制问题描述编队控制方法按控制形式可分为集中式控制、分布式控制与分散式控制。集中式控制存在数据量大且计算复杂等缺点;分布式控制因具有信息处理速度快、鲁棒性高等优点而成为 MAS 协同控制中主要的信息交互方式。目前主流的编队控制策略主要有:领航跟随法、人工势场法、基于行为法和虚拟结构法。由于领航跟随法易于实现，在实际应用中尤为广泛。领航跟随法的思想是在 MAS 编队中设定一个领航者和多个跟随者，每个跟随者跟踪领航者并保持它们之间相对位置不变，在领航者带领下，能够保持整个编队系统以期望队形稳步前进。因此，应用领航跟随法的编队控制问题可以转化为跟随者对于领航者无人车的跟随控制问题，即对领航车辆行驶轨迹跟踪问题。领航跟随法编队控制策略通常分为 3 种方法:l-控制方法、l-l 控制方法和 l-l 混合控制方法。本文采用 l-控制方法，即领航者与跟随者之间保持一定距离和角度，图 1 为根据前文坐标系建立的模型示意图。图 11-领航跟随法示意图Fig 1Diagram of l-leader-follower method图 1 中，领航车、跟随车的位置及跟随车的期望位置坐标分别为(xl，yl)，(x，y)和(xd，yd)，L 为领航者与跟随者间的实际距离，D 为设定队形中领航者与跟随者的期望相对距离，假设领航车能够自主定位，通过计算可得跟随车期望位置坐标3 为xdydd=xl D cos(l 0)xl D sin(l 0)l。(2)通过式(2)计算跟随车的期望位置之后，多无人车编队控制问题便可转化为跟随车对其期望位置的轨迹跟踪问题4。2跟随者控制器设计2 1误差模型建立根据无人车运动学模型，设计关于车体线速度 V和车体转向横摆角速度 的控制率，使跟随车与无人车相对位置趋近并保持于期望位置。设期望位姿为(xdydd)T，期望速度为(vdd)T，无人车的实际位姿为(x y)，两者间的位姿误差为(xeyee)T。位姿误差、期望位姿与实际位姿之间关系可由坐标变换公式求得，即34第 3 期xeyee=cos sin 0 sin cos 0001x xdy yd d(3)xeyee=vcos xdvsin yd d。(4)无人车编队控制即寻找控制输入 u=(v)T，使其对于任意初始误差(xe0ye0e0)T，系统在控制输入 u的作用下都能是实际为位姿在有限时间内到达期望位姿并保持，即位姿误差在有限时间 内到达 0，即limt(xeyee)=0。(5)2 2滑模控制器设计滑模变结构控制由于具有结构简单、鲁棒性强的特点，能够很好地解决本文中对于位姿误差的控制5。滑模控制在欠驱动系统中应用尤为广泛，如 USV6 以及 UAV7。在设计滑模控制器时，趋近律以及滑模面的选择尤为重要，将直接影响其控制器性能。首先设计速度控制率。根据式(2)设u1=vcos u2=vsin。(6)选取滑模面s1=xes2=ye。(7)对滑模面两端求微分可得s1=xe=u1 xds2=ye=u2 yd。(8)选取趋近律为指数趋近律，即s1=k1s1 1sgn s1s2=k2s2 2sgn s2。(9)根据式(7)和式(8)可得控制率为u1=xd k1s1 1sgn s1u2=yd k2s2 2sgn s2(10)式中:k1，k20;1，20。由式(8)取李雅普诺夫函数Vi=12s2i(11)则有Vi=sisi=kis2i 2si kis2i kis2i=2kiVi。(12)由于 Vi0，等号仅在 si等于 0 时成立。因此 Vi是严格负定的，系统渐近稳定，从而 si会趋向于