够好。而两轮驱动转弯比较灵活，结构简单，制造方机器人足球比赛是近几年来开展的高科技对抗活动，以此为平台研究多智能系统（MAS）及其协作问题。足球机器人作为机器人足球赛的具体执行者，是根据策略算法计算出的速度和方向而运动。当足球机器人接收到运动指令后，机器人运动的好坏主要决定于足球机器人本身，包括足球机器人控制系统的精度、驱动传动精度以及足球机器人的运动性能等。而如何设计出好的智能协调控制算法，使足球机器人运动灵活，速度控制精度高，起制动快。

　　近年来我国开发出的足球机器人产品，其控制算法大都采用PID算法，而仅靠PID算法不能解决足球机器人起制动快，动态协调性好，转弯灵活的要求。

　　所以有必要对控制算法特别是协调控制进行深入研究，研究出实时性好、性能强的控制算法，以提高足球机器人的性能和速度控制精度。

　　本文对足球机器人同步协调控制系统存在的问题进行分析，提出了足球机器人同步协调控制速度动态补偿算法，并在我们研发足球机器人中进行实施。

　　1足球机器人结构及运动分析（1）足球机器人结构足球器人运动部件有轮式和履带式。履带式尽管运动平稳，但由于结构复杂，加工制作困难，故不易选用。为获得较好的机动性和灵机器人四轮布置方案活性，选用轮式结构为好。而轮式结构又可分为四轮驱动、三轮驱动和两轮驱动。四轮驱动主要特点运动灵活，驱动力大，但结构复杂，费用高；三轮驱动，其中导向轮也有电机驱动，由于结构限制，在±45°便。目前，足球机器人运动部件采用两轮驱动。除两个驱动轮外，还安排两个支撑轮，支撑轮采用万向轮。四轮的平面布置如所示。

　　（2）足球机器人运动分析两轮驱动足球机器人运动模型如所示，转弯运动如所示。vi是左轮速度，Vr是右轮速度，V是机器人运动速度，L是两轮间距离，是两轮的半径。则机器人的运动速度为2从（2）式可以看出，当V/与Vr相等，机器人走直线时，R是无穷大；当V/或Vr为零时，R=士L/2即以其中一个轮为圆心作旋转运动；当V/=― Vr时，R=0机器人以转弯半径为0旋转运动；当V/与Vr不相等，且各又不为零时，机器人以（1）和（2）计算出的速度和半径作曲线运动。

　　2机器人同步协调存在问题分析足球机器人在比赛过程中，一直处于高速起停、前进、后退和转弯的激烈运动过程中。它不仅要保持两轮运动静态协调，还要保持在起动、转弯过程动态协调，使机器人以短的路径和小时间接近目标。

　　从上面由机器人结构和运动特性看出，由于足球机器人结构采用轮式运动部件，其中两个主动轮，两个万向轮。这样机器人结构及多电机传动控制在应用中，存在如下问题。范围内转弯灵活hin当转c弯c角于±沪：时加转弯不blishingH（u）se由孟两个主动轮采e用共轴线布置W.两轮在e运快地跟踪球。从上面分析，协调分为走直线协调和转弯协调。走直线协调为静态协调，直线运动过程中，协调系数不变；转弯协调为动态协调，协调系数是变化的。

　　3机器人同步协调控制算法目前，足球机器人结构为轮式结构，它由两台电机驱动，控制系统的方案如所示。该系统对两台当协调系数，i降低左轮的速度，A以增大丨转弯角度，m使机器人blishingHuse.AUrightsreserved.下转第54页）由于采用轮式轴承作为万向轮，机器人前进和后退运动将具有很好的导向作用，但在转弯时，特别是高速度转弯时，轴承万向轮存在着平动，摩擦力较大，使机器人不能较快地转弯到相应的角度，严重影响了机器人跟踪目标。

　　由于机器人传动齿轮间的间隙、机器人载重重心的变化、左右轮负载的差异、左右电机特性的不完全相同，都影响着机器人运动的协调性。

　　由于足球机器人预定跟踪曲线是非线性和不确定。要使机器人在高速度运动中，准确地按预定曲线运动是比较困难。

　　对于上述问题可以将连结两驱动轮的轴，采用紧固螺钉将轴夹紧，使轴不发生旋转，只是两主动轮相对它而作旋转运动，这样耦合存在可能性较小。在控制算法中可以不考虑耦合控制问题。对于（2）、（3）和（4）必须采用智能协调控制算法，设计出合适的协调控制器才能解决这个问题。

　　通常多电机协调控制中，协调关系是各受控制量应满足某种线性或非线性函数关系131常见的是比例关系数6=1时，即为简单的同步关系。

　　但在足球机器人比赛中，由于足球机器人接收主机每16ms发来的速度给定值，这要求机器人要在这时间内完成从一个速度到另一给速度的调节。从这一时间要求可以看出，机器人大部分时间是处在动态变化过程，特别是PID参数设置不理想时，过渡过程将会更长。如所示的机器人，它要踢左前方、角度大约为90°的球。而当机器人运动速度较高时，由于速度高，惯性大，轮式万向轮要求有一定弧度转弯，所以，机器人转弯去踢球是很困难的，它要经过几个周期才可能达到对应的角度。这时，球有可能被对方抢去，破坏了原来的运动路线。在实际中，这时好动态地修改它的比值系数或协调系数，使其中一轮的速度发生非线性变化。对于机器人，要很快地达到期望的角度，这时可以通过预测算法，修改协调系具有同步补偿的机器人双轮电机控制电机的反馈转速进行同步监测，并将有关的信息送入同步补偿器和各自的PID控制器中，当左右轮电机同工作时，补偿器控制输出为零，电机的控制由左右轮的PID控制器进行控制。同补偿算法为：M2，U22同步补偿输出量。

　　公和（8）是补偿器输出给两轮的补偿量。当机器人作直线运动时，由于v，=v，故Avs=0，k=k2，由同步补偿器消除两轮的速度差。机器人转向运动时，两轮的速度差包括两部分，一部分是由给定值所决定，另一部分是由传动系统内在因素所造成。若机器人作低速度转弯时k=k2仍取相等值；当高速度转弯运动时，为了使转弯角度大一些，这时取kk2，若右转，则取k>k2，反之则取k　　4实验及结果分析本实验是在我们研发的足球机器人上进行。机器人作直线运动时，对应的两轮协调实测曲线如所示；这时k=k2=1.5，两机器人上升时间为18ms响应快速度快，同步协调性好。是机器人以每秒Lm/s运动时作向右转弯运动，=L5，k2=L0转弯角度按照预定轨迹运动，效果好，与理论值计算相比较，误差是在Dmm以内。

　　验研究。液压气动与密封，1999 2高英杰，王海芳等。MATLAB神经网络工具箱在系统辨识中的应用。液压气动与密封，2001 3丛爽。面向MATLAB工具箱的神经网络理论与应用。中国科学技术大学出版社，1998 BP网络对正弦信号的辨识图RBF网络对阶跃RBF网络对正弦信号的辩识图、、、中，曲线1代表神经网络输出，曲线2代表系统输出，系统输出和神经网络输出基本上完全吻合，几乎看不出差别，这说明神经网络模型非常逼近系统，辨识精度非常高。神经网络对于不同的输出信号都可以有效辨识，证明了神经网络进行系统辨识的可行性，从而辨识输出能够在控制过程中替代系统输出给系统输出一个预测信号。

　　作为对比，表中列出了采用BP网络和RBF网络对正弦信号进行辨识时的性能对比结果。从表中可以清楚地看出：采用RBF网络对气动比例位置系统进行辨识，可以使训练步数大大减少，辨识精度大大提高，同时训练时间也缩短了。

　　BP网络和RBF网络对正弦信号辨识性能对比结果网络类型训练步数相对误差学习时间BP网络RBF网络5结论本文对气动比例位置系统进行了辨识仿真的研究，结果表明神经网络能够对气动比例位置系统进行有效辨识，且不需要建立实际系统的辨识模式，非常方便。同时本文采用了BP网络和RBF网络来对系统进行辨识，对它们的辨识性能进行了对比，可以得出RBF网络的辨识速度和辨识精度均高于BP网络。系统辨识是为控制服务的，辨识建立的模型可用于控制系统的分析和设计，同时进行系统辨识和控制，能够改善系统的控制性能，使控制更，从而本文所做的系统辨识为进一步提高控制精度打下了基础。