一类组合非线性系统的自适应跟踪控制(英文)

讨论一类带有线性未知参数的非线性互联系统的自适应跟踪控制问题．基于线性系统的输入－输出线性化理论,设计了直接自适应控制方案来实现有界的跟踪．提出的方案对关联结构和子系统中的不确定均具有鲁棒性．一个数值例子说明了所得结果的可用性．     

采用模糊PID控制的机器人运动轨迹跟踪控制研究

创建了机器人两关节二维模型简图,给出了机器人动力学方程式,设计了模糊PID控制方法,对机器人关节运动轨迹控制参数进行了在线调整。采用Matlab对机器人关节模糊PID控制效果进行仿真。仿真结果显示,机器人关节采用模糊PID控制方法,实际输出运动轨迹与理论输入运动轨迹偏差较小。机器人关节引用模糊PID控制方法,能够避免不确定环境因素的干扰,提高两关节运动轨迹的跟踪精度。     

软弯曲执行器的自适应鲁棒控制：一种基于经验非线性模型的方法（英文）

目的:为软体机器人系统提供统一且完整的动力学建模方法,并且基于建立的模型设计控制器,以实现软体机器人的精确位置控制。创新点:1.提出了一种经验非线性模型及其辨识方法,提高了气动软体机器人建模的精度;2.建立了不平衡气动比例阀的准静态流量模型,实现了气动系统的动力学建模;3.基于模型,设计了自适应鲁棒控制器,实现了软体机器人的精确位置控制。方法:1.将传统线性模型的参数设置为位置的函数,使用泰勒展开、系统滤波和最小二乘方法,实现任意阶次的经验非线性模型辨识;2.对不平衡气动比例阀进行阀芯受力分析,推导阀芯位置的准静态方程,进而推导准静态流量模型;3.通过轨迹跟踪对比实验,验证所提出的模型和控制器的有效性。结论:1.实验结果表明,仅使用滑模控制器,就可以实现较高精度的轨迹跟踪,这证明了所提建模方法的有效性;2.使用自适应鲁棒控制器,并在传统滑模控制器的基础上在线更新参数,可以有效提高轨迹跟踪精度。     

基于PD+反馈结构的机器人鲁棒自适应分散控制

本提出了一种新颖的鲁棒自适应分散控制策略，用于不确定性机器人的轨迹跟踪，该控制器结构非常简单，由PD 非线性反馈构成，仅需要了解各关节输出的位置及速度状态，避免了对加速度的测量，有效的克服了通常难于建模的摩擦力和外部扰动的影响，最后保证全局渐近稳定．二连杆机器人的仿真研究证明了该策略的有效性．     

一种工业机器人轨迹跟踪的自适应切换控制方法（英文）

针对机器人系统易受外部干扰及内部参数变化影响的问题,以设计具有良好跟踪性能及优良控制品质、保证系统稳定性和鲁棒性的控制器为目标,提出了一种自适应切换控制方法.该控制方法在系统干扰有界的条件下获得,包括PD控制器和自适应切换2部分.应用李雅谱诺夫稳定性理论证明了所提控制方法既能够保证机器人的跟踪性能,也可以适应变化的未知负载.以二连杆机器人为被控对象的仿真研究表明,所提出的控制方法有效可行,对系统负载的变化具有一定的鲁棒性.     

基于力矩前馈的机器人直线度算法

针对传统工业机器人的机械结构特点,利用指数积(POE)法建立了各关节连杆的相对转换关系模型。采用牛顿欧拉法求解机器人动力学前馈模型,运用辨识方法采集模型的动力学参数,提出了机器人直线度的概念,机器人轨迹的直线度可以反映机器人运动的平稳性、轨迹一致性和轨迹跟踪性。实验结果表明,采用力矩前馈控制法能够有效地改善机器人的性能,对促进机器人相关产品的高级应用具有参考价值。     

基于多层神经网络的饱和非线性输入自适应控制

针对一类具有未知饱和模型的单输入单输出非线性系统的控制问题,根据滑模控制原理和多层神经网络的逼近能力,提出了一种直接自适应神经网络控制器的设计新方案。该方法将控制增益推广到未知函数,通过补偿饱和模型方法取消了饱和模型各参数已知的条件。鲁棒项的引入消除了建模误差和参数估计误差的影响。理论分析证明了闭环系统是半全局一致终结有界,跟踪误差收敛到零的邻域内。仿真结果进一步表明所提控制方法的有效性。     

基于 ADAMS 的仿人机器人行走仿真

采用机械系统动力学仿真分析软件 ADAMS 进行建模和动力学仿真,提供机器人三维实体模型、运动学和动力学模型以及动画仿真.采用控制系统专业软件 Matlab 进行机器人控制系统设计,提供控制关节目标轨迹、稳定控制算法并输出驱动力矩.通过 ADAMS/Controls 接口模块建立起 Matlab 与 ADAMS 之间的数据接口.联合仿真方法为实现仿人机器人在线控制奠定了基础     

一类死区非线性系统的自适应控制

针对一类具有死区输入的非线性系统,基于模糊逻辑系统的逼近能力,提出了自适应跟踪控制问题。通过设计控制函数,解决了未知死区输入问题。利用反推技术,提出一种新的自适应控制方案。该方案保证了闭环系统的所有信号一致有界,并且跟踪误差收敛到原点的小邻域内。     

基于RBF神经网络的空间机械臂关节空间轨迹跟踪补偿控制

在PD策略的计算力矩法基础上,讨论了系统参数不确定的空间机械臂系统的控制问题.针对空间机械臂载体的位置不受控制,姿态受控制的情况下,对系统动量守恒关系进行了分析,得到了空间机械臂的系统动力学方程.采用PD策略的计算力矩法,考虑协调参数的不确定性,得到了系统的闭环动态误差方程.在此基础上提出了一种基于RBF神经网络的补偿学习控制方法,设计了具有不确定性的自由漂浮空间机械臂关节空间的补偿控制方案.将基于神经网络的补偿学习控制与计算力矩法相结合,利用进化学习来消除系统参数不确定性而造成的轨迹跟踪不准确的问题,实现了对空间机械臂关节空间内的轨迹跟踪控制.数值仿真的结果验证了该方法的有效性.     

航天器姿态机动优化容错控制

针对存在未知时变惯量不确定性、外部干扰力矩和执行机构衰退故障的非刚体航天器系统,研究了非刚体航天器自适应优化容错控制问题。首先,为了根据误差变量优化控制增益,设计一种动态增益调整函数实时优化控制增益;然后,基于非线性鲁棒控制方法、动态增益函数调整方法、自适应方法、容错控制理论与参数估计方法,提出一种新颖的自适应优化姿态跟踪容错控制器。所设计的控制器克服了执行器故障、惯量不确定性以及外界干扰的影响,保证航天器姿态及角速度能够跟踪时变的参考轨迹,实现跟踪误差系统最终一致有界稳定;最后,数字仿真结果验证了所提出方法的有效性,而且与已有控制方法相比,该方法具有更高的控制精度和稳定性。     

一类不确定非线性系统的输出跟踪控制设计

设计了一类不确定非线性系统的鲁棒输出跟踪控制器,这类非线性系统含有有界干扰项和不确定参数。所设计的控制器在输出状态有界的假设条件下能保证系统输出信号渐近跟踪所期望的信号,并给予了证明。设计方法采用了Backstepping方法。     

四旋翼无人机高度控制——基于CNF与自适应非光滑控制

针对受限环境下四旋翼无人飞行器在参数不确定及外部扰动影响下的高性能高度控制问题,设计一种基于复合非线性反馈（CNF）和自适应非光滑轨迹跟踪控制的高度控制方法。通过四旋翼无人飞行器的垂直通道动力学模型分析和变换,将高度轨迹规划问题转换为输入受限的线性系统控制问题,设计CNF控制器实现轨迹生成;建立参数不确定及外部扰动影响下的垂直通道动力学模型,设计一种自适应非光滑轨迹跟踪控制器,并理论证明了闭环系统稳定性。最后,通过仿真实验验证所提出方法的有效性。结果表明,所设计方法能够有效提高参数不确定及外部扰动下的高度控制品质,且简单实用。     

一类高阶关联大系统的分散自适应模糊控制

针对一类关联项的上界是高阶多项式的关联大系统,设计了一种新的分散自适应模糊控制方法。该方法无须假设未知增益函数与子系统的最后一个分量无关,并且取消了未知增益导函数有界的前提假设,各个子系统仅根据自己的信息就能确定相应的控制量,真正实现了分散控制。基于Lyapunov稳定理论,分析证明了闭环系统一致终结有界,跟踪误差渐近收敛到零。仿真结果表明了所设计方法的有效性。     

时变不确定时滞系统的最优保成本控制

针对一类同时具有状态时滞和输入时滞的时变不确定连续时滞系统,研究了保成本状态反馈控制器的设计,假定其中的时变不确定性项是范数有界的,但不需要满足匹配条件,通过构造改造的Lyapunov函数和线性矩阵不等式(LMI)方法.给出了系统满足保性能指标的一个充分条件,仅通过求解一个相应的线性矩阵不等式,就可得到保性能控制器使得闭环系统的一个保成本函数对所有允许的不确定参数有上界.通过求解凸优化问题得到最优保性能控制器,最后用示例说明了该方法的有效性.     

一类非线性时滞系统的鲁棒自适应控制

针对一类含有非线性参数的非线性时滞系统．利用参数分离技术和后推方法,提出了一种自适应状态反馈控制方案,保证闭环系统的所有信号全局一致有界。通过构造Lyapunov—Krasoviskii泛函证明了系统的状态能收敛到零的一个小邻域内。     

基于模糊增益调整的双关节机械手滑模轨迹跟踪控制

为了消除双关节机械手系统中存在的摩擦、外界扰动及负载变化等问题,得到高精度的快速位置跟踪轨迹,可采用保证系统稳定性的滑模控制来实现,但在控制过程中系统会存在抖动问题.为此,引入了自适应模糊系统,实现系统滑模控制中切换增益的自适应逼近,完成控制区间范围内的抑制抖动.仿真结果表明:该方法通过选取控制律和李雅普诺夫函数,证明了系统具有渐进稳定性;并且实现了系统位置及速度等参数的高精度轨迹跟踪控制,又很好抑制了滑模控制中存在的抖动问题,满足了系统高精度的轨迹跟踪控制.     

带死区非线性输入的未知混沌系统控制

针对具有死区非线性输入的未知混沌系统的控制问题,基于Lyapunov稳定性理论建立变结构模糊自适应控制器及系统参数的自适应规则。控制器的设计过程中无需知道未知非线性未知函数的上界及非线性控制输入的增益衰减度,该方法能有效消除死区非线性输入对系统的影响,并能保证闭环系统所有信号一致有界,跟踪误差渐近收敛到原点的一个可调邻域内。数值仿真的结果也验证了该方法的有效性。     

基于Nussbaum增益方法的UUV路径跟踪控制

研究有界控制输入下欠驱动水下机器人(UUV)路径跟踪问题。UUV的水下运动通常靠推进器来实现,推进器所产生的推力大小受推进器形状、电力、水流情况以及UUV外形所决定,并且推力大小有一定的变化范围,这就要求对UUV进行控制器设计时要考虑控制的有界性这一限制。本实验以UUV路径跟踪为控制目标,引入一个辅助系统和Nussbaum增益函数来解决控制输入有界约束问题,其中辅助系统用来实现有界输入控制设计问题,Nussbaum增益用来估计控制器未知参数。通过Lyapunov稳定理论和仿真分析表明,所设计的控制器在保证闭环系统稳定的同时能使系统的控制输入增益始终保持在实际约束的范围内。     

基于机器视觉的六轴工业机器人神经网络自适应控制算法

构建了一个基于机器视觉的工业机器人,由视觉模块、计算机、机器人以及软件组成,通过视觉模块获取对象图像,并进行分析,得出目标的坐标位置.运用神经网络自适应控制算法对控制器的脉冲输出进行补偿控制,从而使得机器人各关节的运动更加平滑可靠.实验结果表明,该机器人可以实现按预设连续轨迹精确运行,以取代人工进行涂胶、打磨、装配、焊...