非对称执行器饱和下基于强化学习的麦克纳姆轮移动机器人（MWMR）切换事件触发最优跟踪控制

《Sensors》：Reinforcement Learning-Based Switching Event-Triggered Control for MWMR Under Asymmetric Actuator Saturation

　　

该研究研究非对称执行器饱和条件下麦克纳姆轮移动机器人（Mecanum-wheeled mobile robot, MWMR）的最优跟踪控制问题。在指令滤波反步法（command-filtered backstepping）框架内，提出一种基于强化学习（reinforcement learning, RL）的切换事件触发控制策略。首先，设计一种包含抗饱和项的补偿系统，以同时缓解滤波误差与执行器饱和。随后，基于执行器饱和状态提出一种新颖的切换事件触发机制（event-triggered mechanism, ETM）。该机制在未饱和阶段动态更新控制信号，而在饱和阶段暂停更新，从而显著降低通信频率。为实现最优控制，利用神经网络（neural network, NN）的函数逼近能力构建强化学习算法，且不依赖系统动力学的先验知识。基于Lyapunov稳定性理论，严格证明闭环系统所有信号一致最终有界。仿真结果表明，与传统动态事件触发机制相比，所提方法在保持满意跟踪性能的同时有效减少数据传输。

论文解读：麦克纳姆轮移动机器人（Mecanum-wheeled mobile robot, MWMR；一种无需转向车轮即可实现全向运动的轮式移动机器人）具有全向移动能力，适用于复杂环境，在自主物流、工业自动化和危险环境探索中具有应用潜力。然而，MWMR动力学具有强非线性和耦合特性，给控制器设计带来挑战；实际系统还面临能量约束与执行器饱和问题。传统时间触发通信实现简单，但资源利用效率较低；事件触发机制（event-triggered mechanism, ETM）仅在系统状态违反特定条件时更新控制信号，可减少不必要传输。已有移动机器人轨迹跟踪事件触发研究包括静态事件触发非奇异终端滑模控制、混合动态事件触发机制、基于级联结构的触发机制以及切换非线性系统的事件触发控制等，但这些策略均隐含假设执行器工作在线性范围，未明确处理执行器进入饱和的情形。执行器饱和会降低系统性能甚至导致不稳定，现有研究多通过输入约束、辅助系统、双曲正切函数近似等方式处理，但部分方法可能降低跟踪精度、未考虑约束非对称性或引入控制抖动。MWMR复杂动力学和高精度任务还要求抗饱和方案与模型不确定性下的自适应最优控制相结合；强化学习（reinforcement learning, RL）对复杂系统具有适应性，可在不需要完整模型知识的情况下处理非线性和不确定性。据作者所知，尚无研究在MWMR统一框架中同时处理事件触发通信、非对称执行器饱和和最优控制。因此，该研究在指令滤波反步法框架下，面向非对称执行器饱和的MWMR，提出基于RL的切换事件触发最优跟踪控制方案。研究人员设计了含抗饱和项的补偿系统，以同时补偿滤波误差和执行器饱和；设计了基于执行器饱和状态的切换ETM，在未饱和阶段动态更新控制信号，在饱和阶段暂停更新；构建了基于神经网络函数逼近能力的RL算法，在不依赖系统动力学先验知识的情况下实现在线最优控制；并基于Lyapunov稳定性理论证明闭环系统所有信号一致最终有界且排除Zeno现象。仿真结果表明，所提方法在保持满意跟踪性能的同时显著减少通信资源浪费；与代表性算法相比，在三种参考轨迹下取得更小跟踪误差和更少触发事件。其意义在于为MWMR在非对称执行器饱和与通信约束下提供一种鲁棒且高效的轨迹跟踪控制方案。

关键技术方法（不超过250字）：研究人员构建MWMR运动学与动力学模型；在指令滤波反步法框架下设计含抗饱和项的补偿系统，以处理滤波误差与执行器饱和；设计基于执行器饱和状态的切换ETM，未饱和时动态更新、饱和时暂停更新；采用径向基函数神经网络（radial basis function neural network, RBF NN）逼近未知非线性函数，构建actor–critic RL结构在线学习最优控制策略；利用Lyapunov稳定性理论证明闭环信号一致最终有界并排除Zeno现象；设置三种仿真场景，与两类代表性算法比较，统计跟踪误差均方根误差（root mean square error, RMSE）和触发次数。该研究为仿真研究，无样本队列来源。

研究结果：
情形1（Case 1）：在给定初始状态、非对称饱和限和参考轨迹下，将所提方法与两类代表性算法进行对比仿真。结果表明，三种方法均能实现轨迹跟踪，但所提控制器收敛更快、跟踪误差更小；所提方法的RMSE最低且触发事件最少；actor–critic网络权重范数随时间趋于稳定，说明神经网络能够在线适应未知机器人动力学。
情形2（Case 2）：在螺旋参考轨迹和非对称饱和限下进行对比仿真。结果表明，所提方法再次取得三种方法中最小的跟踪误差和最低触发次数。
情形3（Case 3）：在另一参考轨迹和非对称饱和限下进行对比仿真。结果表明，所提方法在三种方法中持续取得最佳跟踪精度和最低通信负载。
三种情形共同表明，在不同几何特征轨迹和饱和约束下，所提切换事件触发RL控制器均实现最小跟踪误差和最低触发事件数，为MWMR在非对称执行器饱和下的轨迹跟踪提供了鲁棒且高效的解决方案。

讨论与结论：原文未设独立讨论部分；结论部分指出，该研究研究了非对称执行器饱和下MWMR的最优轨迹跟踪控制问题，在指令滤波反步法框架内提出了基于RL的切换事件触发控制方案。设计含抗饱和项的补偿系统以同时补偿滤波误差和执行器饱和，确保闭环稳定性而无需饱和非线性的先验知识。与传统事件触发策略不同，所设计切换机制在执行器进入饱和时暂停控制信号更新，并仅在饱和解除时恢复更新，从而避免饱和期间不必要的通信。所设计RL算法能够在线学习最优控制策略。仿真结果表明，所提方法在获得满意跟踪性能的同时显著减少通信资源浪费。