Улучшенное следование траектории для автономной навигации колесных мобильных роботов с использованием адаптивного нечеткого ПИД‑регулятора

Более умные водители роботов

По мере того как роботы проникают на склады, фермы и даже в зоны бедствий, им нужно уметь плавно и безопасно следовать запланированным маршрутам, даже если поверхность скользкая или моторы ведут себя нестабильно. В этой статье рассматривается новый подход, который помогает колесным роботам держаться курса, снижая качку и дрейф, чтобы они могли увереннее передвигаться в загруженных и непредсказуемых условиях.

Почему удержаться на курсе сложно

Многие беспилотные наземные аппараты, например складские тележки или разведывательные роботы, используют колеса, потому что это эффективно, быстро и относительно просто в изготовлении. Тем не менее удерживать такой робот точно по заданной траектории оказывается удивительно трудно. Реальные полы пыльные или неровные, колеса проскальзывают, датчики шумят, а реальные физические характеристики робота часто отличаются от идеализированной математической модели. Традиционные методы управления, такие как стандартные ПИД‑регуляторы с фиксированной настройкой, хорошо работают лишь когда условия соответствуют предположениям проектирования и могут потерять точность или даже стать неустойчивыми при большой нагрузке или сильных возмущениях.

Двухуровневый «мозг» управления

Чтобы преодолеть эти ограничения, авторы предлагают двухуровневую «мозговую» архитектуру для распространённого типа колесного робота с двумя ведущими колёсами по бокам. Верхний уровень учитывает только положение робота в плоскости и вычисляет, с какой скоростью он должен двигаться вперёд и как быстро поворачиваться, чтобы следовать заданной траектории, например плавной фигуре-восьмёрке. Нижний уровень отвечает за то, чтобы моторы действительно обеспечивали эти скорости. Здесь статья вводит адаптивный нечеткий ПИД‑регулятор: обычный ПИД‑регулятор, три основных коэффициента которого непрерывно корректируются нечеткой системой, наблюдающей, насколько поведение робота отклоняется от желаемого.

Позволяя регулятору учиться в реальном времени

Нечеткая логика позволяет регулятору использовать простые правила «если—то», например реагировать по‑разному на небольшие и большие ошибки или на растущие и убывающие ошибки, без необходимости точной математической модели каждого возмущения. В этой схеме два входных сигнала — величина ошибки слежения и скорость её изменения — подаются в компактную нечеткую систему, которая выдаёт обновлённые значения коэффициентов ПИД. Фактически регулятор может в реальном времени «жёстче» или «мягче» реагировать по мере того как робот ускоряется, тормозит или сталкивается с проскальзыванием и шумами. Математический анализ устойчивости показывает, что даже при таких непрерывных корректировках и наличии немоделируемых эффектов ошибка слежения всегда стягивается в небольшую гарантированную область и остаётся в ней.

Испытания системы в жёстких условиях

Исследователи затем подвергают свой регулятор серии моделируемых испытаний на хорошо изученной модели мобильной платформы. Сначала, в идеальных условиях без внешних возмущений, адаптивный нечеткий ПИД‑регулятор уже точнее повторяет траекторию фигуры‑восьмёрки по сравнению с обычным ПИД‑регулятором и другим продвинутым динамическим регулятором, демонстрируя более плавные профили скорости и меньшие средние ошибки. Затем они намеренно вводят несоответствия между истинными физическими параметрами робота и значениями, предполагаемыми регулятором, начиная с ошибки в 20% и доводя до полного несоответствия в 100%. Одновременно добавляются случайные шумы в движение робота и периодические силы, имитирующие ухабы поверхности или рывки приводов.

Результаты, выдерживающие экстремальные нагрузки

Во всех этих всё более жёстких сценариях адаптивный нечеткий ПИД‑регулятор сохраняет точное следование траектории фигуры‑восьмёрки, тогда как классический ПИД начинает колебаться, отставать и отклоняться, особенно на резких изгибах траектории. Ключевые показатели ошибки, включая среднеквадратичную ошибку слежения, стабильно уменьшаются примерно вдвое или более при новом методе, даже когда все параметры модели неверны и робот подвергается сильному шуму. Движение остаётся плавным и хорошо управляемым, что указывает на то, что регулятор не только точен, но и робастен и практичен для применения в реальном времени.

Что это значит для повседневных роботов

Для неспециалиста вывод таков: эта работа предоставляет более снисходительный и самоадаптирующийся «автопилот» для колесных роботов. Вместо того чтобы полагаться на идеальное знание робота и окружающей среды, регулятор учится на текущей разнице между тем, где робот находится, и тем, где он должен быть, и аккуратно перенастраивается по мере изменения условий. Это значит, что мобильные роботы на заводах, складах или в опасных зонах смогут следовать запланированным маршрутам более безопасно и точно, даже когда колёса проскальзывают, меняется груз или стареют моторы — что приближает нас к надёжным повседневным автономным машинам.

Цитирование: El Zoghby, H.M., Sharaf, S.M., Bendary, A.F. et al. Enhanced trajectory tracking for autonomous navigation of wheeled mobile robots using an adaptive fuzzy PID controller. Sci Rep 16, 12736 (2026). https://doi.org/10.1038/s41598-026-45772-y

Ключевые слова: автономные мобильные роботы, следование траектории, нечеткое ПИД‑управление, навигация робота, подавление возмущений