一种改进的移动机器人轨迹跟踪迭代学习方法 (2012年)

通过对轮式移动机器人轨迹跟踪优化问题的研究, 提出了一种适应性强、收敛速度快且跟踪误差小的迭代滤波学习控制方法, 充分发挥了迭代学习控制和Kalman滤波算法的优势, 通过引入状态补偿项和设计新的迭代学习增益矩阵对迭代学习律进行了改进。改进的迭代学习控制能够更快速、更精确、更有效地跟踪期望的圆轨迹。采用离散的Kalman滤波器对干扰和噪声进行滤波, 抑制了干扰和噪声对轨迹跟踪的影响, 使该控制算法更适合于工程应用。计算机实验和仿真表明该方法具有较好的轨迹跟踪能力。