本书以讲授“运动控制及其在智能机器人方面的应用”为目标，分为3部分，共9章内容。首先阐述运动控制系统的构成、直流电机的建模与辨识方法，在此基础上介绍以线性二次型最优控制为主的电机控制方法，并进一步以双轮差速和阿克曼运动学模型的移动机器人为例，介绍多电机协同的建模、感知、规划与控制技术。同时，本书还非常注重实践，内容涵盖了如何通过微控制器实验进行电机参数辨识、实现电机反馈信息的读取，以及电机的速度、位置控制，也阐述了如何在ROS下实现智能机器人的基本定位、SLAM、规划与控制等。
　　本书可作为高等院校自动化、机器人工程等相关专业的本科生教材，也可作为机器人领域的从业人员的入门参考用书。
　　本书配有以下教学资源：ppt课件、教学大纲、教学视频、源代码等，欢迎选用本书作教材的教师登录www.cmpedu.com注册后下载相关资料，或发邮件至jinacmp@163.com索取。
　　

本书遵循教指委相关指导文件和高等院校学生学习规律编写而成。践行四新理念，融入思政元素，注重理论与实践相结合。

　　本书讲什么这是一本介绍智能机器人与运动控制的书。随着社会的发展，机器人在生活中也变得越来越普遍，不仅是工厂流水线上的工业机械臂，如无人驾驶汽车、无人物流配送车之类的机器人也逐渐走入千家万户。而这些智能机器人技术背后的基石正是运动控制。
　　运动控制是一类自动化技术，是指让系统中的可动部分按预期的目标受控运行的技术。这里的“可动部分”可以是电机、液压泵等驱动单元，也可以是机器人本身。具体地说，对于电机、液压泵等驱动单元而言，通常的运动控制目标是使其按照预期的力（力矩）、速度运行，或者使其达到期望的位置；而对于机器人而言，其运动控制的目标通常是跟踪预设的轨迹，或者使机器人到达指定的位置。由于机器人通常是由多个电机、液压泵等驱动单元共同组成的，因此单个电机、液压泵等驱动单元的运动控制是机器人整体运动控制的基础。直流电机是当前机器人系统中最常用的驱动单元，因此本书将以直流电机为例，讲述运动控制技术。本书首先讲述单电机的运动控制技术，随后逐步扩展到多电机的协同运动控制技术，即智能机器人的运动控制技术。由于无人驾驶汽车、无人物流配送车等的兴起，智能移动机器人已成为智能制造中不可忽视的重要组成部分，也鉴于已有许多介绍机械臂的教材，因此本书将以智能移动机器人为例，着重介绍多电机系统运动控制技术。
　　从基本的自动控制原理中可知，为了实现对一个控制对象的自动控制，一般首先需要控制对象的模型（无模型控制不在此列）。对于控制器来说，控制对象的模型非常重要，因为控制对象的模型是用来描述“这些控制量输入系统后，系统的状态（输出）会相应发生什么改变”的；因此，通过控制对象的模型，才能知道“为了使系统的状态（输出）达到期望值，需要的控制量应该是什么”。在实际工程中，一个准确的控制对象的模型可以使控制器设计变得非常简单。然而，如何获得控制对象的模型呢？一般的做法是，设计特定的实验，通过输入特定的控制信号来激励控制对象、采集控制对象的输出，并依据该输入-输出信号来估计控制对象的模型，这一过程被称为系统辨识（System Identification）。鉴于“建立准确的控制对象模型”对于运动控制的重要性，本书将以直流电机和移动机器人为例，介绍运动控制系统的控制对象的建模方法，为之后的控制器设计打下基础。
　　对于一个运动控制系统来说，若要实现自动控制，在获得了控制对象的模型后，还需要感知模块，用于提供闭环控制所需的反馈信号。因此，本书将以单直流电机系统和智能移动机器人为例，介绍其感知模块。具体地，对于单直流电机系统，将介绍其反馈传感器与信号；对于智能移动机器人，将介绍其常用的传感器以及基本的定位算法。
　　在建立控制对象的模型和反馈通道后，本书将以单直流电机为例，介绍其控制方法。鉴于已经获得了具体的控制对象的模型，因此本书不再采用传统的PID控制，而着重介绍线性二次型最优控制的方法。这种方法相比于无模型的PID控制而言，通常具有更好的控制性能。
　　本书除了详细介绍运动控制技术的建模、感知与控制理论外，还非常重视实践。本书不仅会逐步介绍如何为控制对象建立模型、如何通过单片机实现单直流电机反馈信息的读取与控制，还将介绍如何在ROS中实现智能机器人的基本定位、SLAM、规划与控制，使读者逐步了解ROS这一当前被机器人界广泛使用的架构。
　　如何使用本书每个算法的背后均有严格的数学原理进行支撑，因此为了讲清楚这些算法，本书不可避免地将涉及一些“枯燥无味”的数学知识。然而，鉴于本书面向的读者是工科专业的学生，因此会尽可能地把这些数学知识结合实际的运动控制系统进行讲述。
　　本书分为3部分：第1部分为电机运动控制技术，具体包括：1）电机的种类和一个单电机运动控制系统的构成。
　　2）由于直流电机是智能机器人上最常用的电机，因此将介绍直流电机拖动的电气与力学模型，建立其状态空间模型。
　　3）基于直流电机的状态空间模型，将介绍如何设计实验对直流电机拖动的电气与力学模型中的待定参数开展辨识以及其背后的辨识原理。
　　4）基于辨识得到的直流电机拖动的电气与力学模型，将介绍直流电机的线性二次型最优控制方法。
　　第2部分为多电机协同控制技术，具体包括：1）移动机器人的运动学模型及其模型辨识方法。
　　2）移动机器人的感知方法，包括其常用传感器与基本的定位方法。
　　3）移动机器人的路径规划与轨迹跟踪。
　　第3部分为运动控制实践，具体包括：1）如何基于STM32实现第1部分讲述的直流电机的反馈控制，包括直流电机的运动控制系统搭建、系统辨识与控制。
　　2）介绍如何使用当今科研界广泛使用的ROS和Gazebo架构与仿真软件。
　　3）如何在ROS中实现移动机器人的路径规划与轨迹跟踪。
　　本书的使用需要有一定的基础，因此建议读者在阅读本书之前，需具备以下知识：1）高等数学、线性代数、概率论和一定程度的数理统计知识。这些知识大部分读者在本科低年级时应当均有涉猎，如果读者对已学过知识的记忆已经模糊，请不要慌张，本书中依旧会在适当的时候结合实际案

高等院校教师

前言
第１部分　电机运动控制技术
第1章　运动控制系统构成与电机的种类 2
1.1　运动控制系统构成 2
1.2　电机分类概述 4
1.3　减速与传动器件 6
1.3.1　减速方式 6
1.3.2　传动器件 9
1.4　运动检测传感器 12
1.4.1　绝对式测量传感器 13
1.4.2　增量式测量传感器 15
1.4.3　速度感知传感器 17
本章小结 19
第2章　直流电机拖动的电气与力学模型 20
2.1　直流电机拖动的电气模型 20
2.1.1　直流电机的结构模型 20
2.1.2　直流电机的稳态特性 22
2.1.3　直流电机的调速机理 24
2.1.4　直流PWM调速系统 26
2.1.5　闭环直流调速系统 29
2.2　直流电机拖动的力学模型 34
2.2.1　简单直流电机的动力学模型 34
2.2.2　转动惯量 36
2.3　直流电机拖动的状态空间模型 38
本章小结 39
第3章　直流电机拖动的电气与力学模型辨识 40
3.1　不确定性来源 40
3.1.1　过程噪声 40
3.1.2　观测噪声 40
3.1.3　滤波算法理论基础 41
3.2　转动惯量的实验测定 51
3.3　与R的实验测定 53
3.4　预报误差极小化 53
3.4.1　直流电机的新息形式（Innovation form） 53
3.4.2　参数估计 56
3.4.3　预报误差极小化的最小二乘实现 58
3.4.4　统计一致性 59
3.4.5　预报误差极小化辨识的Matlab实现 60
3.5　子空间辨识法 64
3.5.1　N4SID算法 64
3.5.2　系统描述矩阵的构建 64
3.5.3　数据矩阵的构建 65
3.5.4　正交投影 66
3.5.5　N4SID确定系统子空间辨识 66
3.5.6　N4SID随机系统子空间辨识 68
3.5.7　子空间辨识法的Matlab实现 69
本章小结 70
第4章　直流电机的控制方法 71
4.1　线性二次型最优控制 71
4.1.1　有限时域线性二次型最优控制 72
4.1.2　无限时域线性二次型最优控制 76
4.1.3　有限时域含噪声线性二次型最优控制 77
4.1.4　无限时域含噪声线性二次型最优控制 80
4.2　直流电机的控制问题 82
4.2.1　直流电机的位置控制 82
4.2.2　直流电机的位置跟踪 86
4.2.3　直流电机的速度跟踪 87
4.2.4　负载直流电机的速度跟踪 90
本章小结 92
第2部分　多电机协同控制技术
第5章　移动机器人运动学模型与模型辨识 94
5.1　双轮差速机器人运动学模型 94
5.2　阿克曼转向机器人运动学模型 98
5.3　双轮差速机器人运动学模型辨识（里程计标定） 102
本章小结 109
第6章　移动机器人感知 110
6.1　常用传感器简介 110
6.1.1　超声波传感器 110
6.1.2　激光雷达 111
6.2　移动机器人定位 116
6.2.1　扩展卡尔曼滤波器 116
6.2.2　基于扩展卡尔曼滤波器的定位 119
本章小结 124
第7章　移动机器人的路径规划与轨迹跟踪 125
7.1　移动机器人的路径规划 125
7.1.1　传统路径规划算法 125
7.1.2　智能路径规划算法 128
7.2　移动机器人的轨迹生成和跟踪 130
7.2.1　移动机器人的轨迹生成 131
7.2.2　移动机器人轨迹跟踪 135
本章小结 137
第3部分　运动控制实践
第8章　基于STM32的直流电机控制实现 139
8.1　电机辨识与控制系统介绍 139
8.1.1　中断中如何实现编码器采样 141
8.1.2　中断中如何实现PWM输出 144
8.2　电机参数辨识实践 147
8.2.1　测定转动惯量 147
8.2.2　测定与R 148
8.2.3　电机参数辨识 148
8.3　电机控制实践 151
8.3.1　电机的位置控制与跟踪实践 151
8.3.2　电机的速度控制与跟踪实践 153
本章小结 156
第9章　智能移动机器人运动控制实践 157
9.1　ROS与Gazebo仿真环境简介 157
9.2　ROS下的运动控制实践 159
9.2.1　turtlesim功能包 159
9.2.2　控制小海龟运动 160
9.2.3　创建工作空间 161
9.2.4　小海龟例程中的Publisher与Subscriber 164
9.3　移动机器人定位实践 168
9.3.1　卡尔曼滤波器的Python实现 168
9.3.2　移动机器人观测模型 176
9.3.3　基本机器人移动 180
9.3.4　基本机器人定位 184
9.3.5　Gazebo的颜色识别 189
9.3.6　移动机器人SLAM实现 193
9.4　移动机器人路径规划实践 203
9.4.1　基于传统算法的路径规划实践 204
9.4.2　基于智能算法的路径规划实践 213
9.5　移动机器人轨迹跟踪实践 221
本章小结 227
参考文献 229