移动机器人原理与设计

本书讨论移动机器人的基本原理和设计方法，侧重于培养工程应用能力。书中原理部分较为简洁，不展开建模过程的细节；设计部分通过大量实践案例来加深对理论的理解，涉及多种水中机器人和帆船机器人实例，并配有MATLAB仿真程序。本书适合作为高等院校工程应用型机器人课程的教材，也适合该领域的技术人员参考。

吕克·若兰（Luc Jaulin） ，机器人学教授，现任职于法国国立布列塔尼高等优选技术学校(ENSTA-Bretagne)STICC实验室，主要从事水中机器人和帆船机器人领域的研究。
王世伟，淮南师范学院工程训练中心主任，主要从事机电一体化和智能机器人控制方向的研究和教学工作。目前已指导学生参加多项靠前、靠前机器人大赛并取得优异成绩。
谢广明，北京大学工学院和海洋研究院教授、博士生导师，研究方向为机器人和自动化。靠前水中机器人联盟创始，中国自动化学会机器人竞赛工作委员会副主任，中国人工智能学会智能空天系统专业委员会委员。

译者序
前言
第1章三维建模
1.1旋转矩阵
1.1.1定义
1.1.2旋转向量
1.1.3伴随矩阵
1.1.4坐标系变换
1.2欧拉角
1.2.1定义
1.2.2欧拉矩阵的导数
1.2.3欧拉矩阵的旋转向量
1.3刚性机器人的运动学模型
1.4习题
1.5参考答案
第2章反馈线性化
2.1控制积分链
2.1.1比例微分控制器
2.1.2比例积分微分控制器
2.2引例
2.3方法的原理
2.3.1原理
2.3.2相对次数
2.3.3微分延迟矩阵
2.3.4奇异点
2.4二轮车
2.4.1一阶模型
2.4.2二阶模型
2.5控制三轮车
2.5.1速度和转向控制
2.5.2位置控制
2.5.3选择另一个输出
2.6帆船
2.6.1极坐标曲线
2.6.2微分延迟
2.6.3反馈线性化的方法
2.6.4极坐标曲线控制
2.7运动学模型和动力学模型
2.7.1原理
2.7.2倒立摆系统
2.7.3伺服电机
2.8习题
2.9参考答案
第3章无模型控制
3.1无人车的无模型控制
3.1.1方向和速度的比例控制器
3.1.2方向的比例微分控制器
3.2雪橇车
3.2.1模型
3.2.2正弦驱动控制
3.2.3最大推力控制
3.2.4快速动态特性的简化
3.3帆船
3.3.1问题
3.3.2控制器
3.3.3导航
3.3.4实验
3.4习题
3.5参考答案
第4章导引
4.1球面上的导引
4.2路径规划
4.2.1简单示例
4.2.2贝塞尔多项式
4.3维诺图
4.4人工势场法
4.5习题
4.6参考答案
第5章实时定位
5.1传感器
5.2测角定位
5.2.1问题描述
5.2.2内接角
5.2.3平面机器人的静态三角测量
5.2.4动态三角测量
5.3多点定位
5.4习题
5.5参考答案
第6章辨识
6.1二次型函数
6.1.1定义
6.1.2二次型的导数
6.1.3二次型函数的特征值
6.1.4二次型函数的最小化
6.2最小二乘法
6.2.1线性情形
6.2.2非线性情形
6.3习题
6.4参考答案
第7章卡尔曼滤波器
7.1协方差矩阵
7.1.1定义和解释
7.1.2性质
7.1.3置信椭圆
7.1.4生成高斯随机向量
7.2无偏正交估计
7.3线性估计的应用
7.4卡尔曼滤波器
7.5卡尔曼平滑器
7.6习题
7.7参考答案
参考文献
索引

前言Mobile Robotics移动机器人可以被定义为一个能够在其所处的环境中自主移动的机械系统。为了实现这个目标，它必须装备：    ●传感器，帮助获得关于其周围环境的知识（这些知识它或多或少知道一些）并确定它的位置。    ●执行器，使得机器人能够运动起来。    ●智能（算法或调节器），基于传感器收集到的数据，计算出移动指令并发送到执行器，以完成给定的任务。    最后，我们还必须加上移动机器人所处的环境和它的使命。前者对应于机器人所处的不断变化的世界，后者对应于机器人必须要完成的任务。从21世纪初以来，移动机器人在军事领域（空中无人机［BEA 12］、水中机器人［CRE 14］等）乃至医疗和农业领域都取得了持续不断的进展。在某些领域中，执行任务对人类而言是痛苦或者危险的，这些领域对机器人的需求非常高。例如这样一些情形：清除地雷、在海底搜索失事飞机的黑匣子以及行星探测等。人造卫星、发射器（如阿里安五号运载火箭）、无人驾驶地铁和自动电梯都是移动机器人的典型案例。飞机、火车和汽车以一种持续的方式不断向改进着的自主系统演化，并且非常有可能在接下来的几十年内变成移动机器人。    移动机器人学是着眼于移动机器人设计的学科［LAU 01］。它基于自动控制、信号处理、力学、计算和电子等多个学科。本书的主要目标是概述机器人学中有助于移动机器人设计的有关方法和工具。机器人将由状态方程描述，即一组一阶（通常为非线性的）微分方程。这些状态方程可以运用力学定律获得。我们的目标不包括详细讲授机器人建模的方法（可参考文献 ［JAU 05］和［JAU 15］ 获得更多相关主题的信息），而是仅仅回顾相关基本原理。对于建模，我们这里指得到状态方程，这一步是机器人仿真以及控制器设计的必要前提。不过，在第1章中我们会刻意举一些三维（3D）案例来阐述建模的基本原理。这是为了介绍机器人学中的一些重要基本概念，如欧拉角和旋转矩阵。例如，我们将讨论一个车轮的动力学过程和一个水中机器人的运动学过程。移动机器人都是强非线性系统，并且只有一类非线性方法可以构造有效的控制器。此类构造过程是第2章和第3章的主题。第2章主要以依赖于机器人模型的控制方法为基础，这个方法将利用反馈线性化的概念，我们将通过多个例子进行介绍和阐述。第3章提出一些更实用的方法，这些方法不会用到机器人的状态模型，而是归为无模型或者模仿。该类方法采用一类对机器人的更直观的描述，适用于机器人相对简单且可以远程控制的情形，例如车辆、帆船或者飞机。第4章关注导引问题，其处于比控制更高的层面。换句话说，将重点放在导引、监控那些经由第2章和第3章所列工具控制之下的系统。因此，这里将着重强调如何获得指令并提供给控制器，以便机器人能够完成给定的任务。那么，这些导引必须考虑到周遭环境的知识、障碍物的出现以及环形的地球表面。非线性控制和导引方法需要关于系统状态变量的优良知识，例如那些定义机器人位置的变量。这些位置变量是最难获得的，因此第5章关注定位问题。这一章引入一些经典的非线性方法，长期以来人们一直利用这些方法来进行定位，包括观测信标、星象、使用罗盘或者累计步数。尽管定位可以看成一类特殊的状态观测，但其特定的方法值得将其单独列为一章。第6章的辨识专注于从另外一些可测量的量获得不可测量的量，并保有一定的精度。为了完成这种辨识，我们将主要关注所谓的最小二乘方法，该方法通过寻找变量向量使得误差的平方和达到最小。第7章介绍卡尔曼滤波器，可以将该滤波器看作一个参数随时间变化的线性动态系统的状态观测器。    本书习题中的MATLAB代码及相关说明视频可以从下面的网站获得：www.ensta.bretagne.fr/jaulin/isterob.html。