● 摘要
机器人在军事、交通、太空探索、工业等很多领域都有着越来越广阔的应用前景。移动机器人是机器人技术的一个重要的分支和研究领域。目前国内外对移动机器人的研究大多集中在机器人的行为控制方面，对机器人电源系统的研究并不多见。随着机器人结构的日益复杂和其工作环境的特殊要求，电源与动力驱动问题已成为制约机器人技术发展和应用的一个重要技术瓶颈。尤其对需要自身携带独立电源的移动机器人，其电源系统的性能要求更高。大部分机器人常用的单一蓄电池电源存在很多不足和隐患，已经不能满足移动机器人发展的需要。因此，研究移动机器人电源技术对推动机器人技术的发展和应用具有重要意义。本文对适用于移动机器人的蓄电池-超级电容器新型复合电源系统及其能量管理的若干关键技术进行了较深入的研究。主要内容如下：论文首先分析了移动机器人驱动功率的变化特点，指出了单一蓄电池用作移动机器人电源的不足，将一种由蓄电池和超级电容器组成的新型复合电源应用于移动机器人。研究了复合电源系统的动态体系结构，分析了复合电源的典型工作模式及其能量流动特点，并建立了复合电源中蓄电池和超级电容器的仿真模型。本文研究了基于模糊控制的复合电源能量管理策略，针对复合电源的放电和充电两种工作状态分别设计模糊控制器，根据机器人驱动功率、蓄电池和超级电容器的荷电状态（SOC，state of charge）在工作循环中的变化，对复合电源中蓄电池和超级电容器间的功率分配进行实时动态调整。仿真结果表明，与基于简单规则的管理策略相比，模糊控制策略在保护蓄电池的同时，使功率的分配更加灵活。针对模糊控制自身的不足，本文对上述能量管理策略从两个方面进行了的改进和优化。一方面，为克服模糊控制器自身的非线性作用加剧蓄电池功率的脉动，设计了基于滑动窗的数字滤波算法与模糊控制器相结合的方法，对预分配给蓄电池的功率进行在线低通滤波，不仅实现了功率在较大的时间尺度上的合理分配，而且使蓄电池的功率在较小的时间尺度上更加平滑，进一步保护了蓄电池。另一方面，模糊控制器的设计带有较大的主观性，往往难以达到最优。本文将遗传算法的选择和交叉操作与传统的粒子群算法相结合，提出并研究了一种改进粒子群算法，以提高蓄电池能量利用效率、节约能量为目标，对模糊控制器隶属度函数的设计进行全局优化，优化后的能量管理策略能使蓄电池的工作点维持在更高效的范围内，从而节约能量，仿真实验中蓄电池电量的消耗量下降了3.9%。针对蓄电池SOC在负载动态变化的情况下难以准确获取的问题，研究了一种基于模糊神经网络的蓄电池SOC估计方法，以蓄电池的端电压、电流和温度为输入参数来估计SOC值。重点研究了基于本文的改进粒子群优化算法的网络参数训练方法，并与常用的基于BP算法的训练方法进行了对比。仿真实验表明：基于改进粒子群优化算法的网络训练方法设计简单，对初始参数的适应性强，由其训练结果确定的模糊神经网络模型具有更强的泛化能力，对SOC的估计更精确、更稳定。论文设计了移动机器人复合电源系统原理样机，进行了机器人的运动控制与电机驱动、复合电源及其能量管理、复合电源状态参数监控等系统的设计。在此基础上进行了机器人复合电源的动态过程实验、动力驱动性能实验和自主充电实验。实验结果表明，复合电源系统具有良好的动态性能和动力驱动性能，超级电容器分担了负载电流中过高的峰值电流和脉动电流，起到了有效的驱动辅助作用，且使蓄电池得到了保护。这些效果表明了本文研究工作的有效性。