空间绳系机器人目标抓捕鲁棒自适应控制器设计

针对空间绳系机器人（Tethered space robot,TSR）目标抓捕过程中的稳定控制问题,建立空间绳系机器人系统模型,根据阻抗控制原理,设计基于位置的阻抗控制方法;针对空间绳系机器人系统的模型不确定性问题,利用神经网络对不确定性进行估计补偿,设计鲁棒项对空间系绳干扰和神经网络估计误差的影响进行抑制,在此基础上设计空间绳系机器人目标抓捕鲁棒自适应稳定控制器,并进行稳定性证明.最后对设计的控制器进行仿真验证.作为对比,对无鲁棒项自适应的稳定控制器进行仿真.仿真结果表明,设计的基于阻抗控制的鲁棒自适应控制可以实现对空间绳系机器人目标抓捕过程中的稳定控制,与无鲁棒项自适应的稳定控制器仿真结果相比,本文采用的鲁棒自适应控制方法可以有效地对不确定性进行补偿,控制过程中超调量更小,收敛时间更短,并且控制精度更高.     

一类互联机器人系统鲁棒分散自适应控制

研究一类存在模型不确定性和外部扰动的互联机器人系统的控制问题.控制器由一般线性控制器,线性自适应控制器和非线性自适应控制器综合构成.通过Lyapunov理论证明设计的鲁棒分散自适应控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近轨迹跟踪控制.最后给出一个仿真例子进一步验证控制器的有效性.     

油浸式变压器内部检测球形机器人的深度悬停控制研究

为实现设计的油浸式变压器内部检测机器人在实际作业过程中能针对深度方向某具体点进行观测,对机器人的深度悬停控制进行研究.通过对机器人控制策略的分析,根据水下机器人动力学理论,建立机器人在变压器油特殊介质的动力学模型.基于鲁棒反演控制方法及滑模自适应控制理论,提出一种鲁棒反演滑模控制方法,采用模糊控制器设计滑模面切换增益,以削弱不确定干扰带来的系统抖振,并通过Lyapunov理论分析证明控制器稳定性.解决了机器人在变压器油中因耦合、外界扰动等造成的深度悬停定点过程自旋及抖动问题,仿真及实验表明了所提出控制器的有效性.     

基于观测器的空间机器人神经自适应鲁棒控制

研究无速度反馈的不确定性自由漂浮空间机器人轨迹跟踪控制问题,为了提高控制性能,采用一种观测器神经网络自适应鲁棒控制方法。利用神经网络设计观测器对系统的速度信息进行估计;其次,利用神经网络对系统模型的非线性进行逼近,设计神经网络自适应鲁棒控制器对系统进行控制,无需建立复杂的数学模型,并且所设计的自适应律能够进行在线学习;最后,根据H∞理论设计的鲁棒控制器保证了系统稳定,并使系统的L2增益小于给定指标。仿真结果表明,上述方法在无速度信息反馈下仍能进行有效的跟踪控制。     

不确定性系统的自适应鲁棒跟踪控制

针对存在未知干扰和未建模动态等不确定性的系统的自适应鲁棒跟踪控制问题进行了 探讨.首选将l1优化控制器的有限拍设计方法结合给出了最优鲁棒稳态跟踪控制器的设计方法． 然后利用集员辨识的思想,将名义模型的参数和未建模动态及干扰的大小作为未知参数,提出了 一种递推参数估计方法.最后将上述研究结果结合起来提出了一种自适应鲁棒跟踪控制策略,证 明了自适应算法的全局收敛性并给出了鲁棒跟踪性能指标的一下较紧的上界.与现有的结果相 比,本文提出的自适应控制具有非保守的鲁棒稳定性,具有渐近最优的鲁棒跟踪性能.     

一种可保证瞬态特性的改进的鲁棒模型参考自适应控制

针对典型的鲁棒模型参考自适应控制中瞬态性能无法得到保障的问题, 提出一种改进的鲁棒模型参考自适应控制器. 该控制器在标准的鲁棒自适应控制中加入??_∞ 补偿器, 以抑制闭环自适应系统中参数估计误差和不确定扰动对系统输出跟踪性能造成的不利影响. 理论分析和仿真验证表明, 所提出的控制器不但保留了典型鲁棒模型参考自适应控制的理想特性, 并且通过设计适当的??∞ 补偿器使得闭环系统的瞬态性得到了较大的改善, 其改善的程度依赖于??∞ 补偿器性能指标的大小.

     

并联机器人的鲁棒自适应控制

本文针对含有不确定性的液压并联机器人，提出了一种鲁棒自适应控制器，该控制器能够克服参数变化和负载扰动的不良影响，保证系统的鲁棒全局渐近稳定性的良好的踊跃动态性能，计算机仿真结果证明了该控制方案的有效性。     

鲁棒自适应控制器的一种设计方法

针对鲁棒自适应控制器的鲁棒性和适应性,提出建立一个完整的鲁棒自适应控制器 应克服的4个方面问题,论文就这4个问题进行讨论,建立了一种鲁棒自适应算法.该算法在保证 控制系统鲁棒稳定的前提下,使模型逐步精确,同时逐步提高控制器的性能.仿真结果证明了控 制器的性能.另外,算法较为简单,易于在线实现.     

具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．     

软体机械臂水下自适应鲁棒视觉伺服

水下仿生软体机器人在水底环境勘测,水下生物观测等方面具有极高的应用价值.为进一步提升仿章鱼臂软体机器人在特殊水下环境中控制效果,提出一种自适应鲁棒视觉伺服控制方法,实现其在干扰无标定环境中的高精度镇定控制.基于水底动力学模型,设计保证动力学稳定的控制器;针对柔性材料离线标定过程繁琐、成本高,提出材料参数自适应估计算法;针对水下特殊工作条件,设计自适应鲁棒视觉伺服控制器,实现折射效应的在线补偿,并通过自适应未知环境干扰上界,避免先验环境信息的求解.所提算法在软体机器人样机中验证其镇定控制性能,为仿生软体机器人的实际应用提供理论基础.     

大包络飞行BTT导弹多模鲁棒控制方法研究

在导弹飞行控制器优化设计的研究中,针对大包络飞行BTT导弹全局H∞鲁棒控制器的设计问题,为了提高系统的稳定性和抗干扰性,将多模型自适应控制方法与传统的控制器增益调度方法相结合,提出一种适合于BTT导弹H∞鲁棒控制器的增益调度方法.针对各子工作区离线设计满足要求的常值参数鲁棒控制器,飞行过程中通过实测的调度参数对各鲁棒控制器输出进行平滑切换,避免引起的参数误差,消减了高阶H∞鲁棒全局控制器参数脆弱性问题的影响.实现对大包络飞行BTT空空导弹姿态稳定性控制,并通过数字仿真验证了方法的有效性.     

基于耗散理论的机器人神经网络鲁棒控制

为了更好地解决机器人系统中存在的参数不确定和外部干扰的鲁棒控制问题,提出一种基于耗散性理论的神经网络自适应鲁棒控制器,首先应用无源性理论对名义模型设计镇定控制器,然后利用RBF神经网络自适应学习系统的不确定部分,将神经网络逼近误差作为外部干扰,基于H∞控制理论使干扰对系统输出的影响抑制到所要求的最小程度,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节律以及相关的鲁棒控制器,证明了系统的全局稳定性.仿真结果表明,这种控制器对机器人系统可能受到的干扰具有较好的抑制能力,提高了系统的鲁棒性,实现了系统轨迹的快速准确跟踪,又能很好地消除控制器的抖振,进而提高机器人工作性能.     

具有降阶模型的多模型鲁棒自适应控制

传统鲁棒自适应控制由于考虑了实际系统存在的不确定性,在一定程度上扩大了常规自适应控制的应用范围,但是传统鲁棒自适应控制大多只是从系统全局稳定性的角度出发来设计控制器而忽略系统动态和稳态性能,导致其无法在工况多变的实际被控系统中取得令人满意的效果。针对传统鲁棒自适应控制的不足,本文对由ARMA模型描述并包含未建模动态的系统设计了多模型鲁棒自适应控制器。首先采用正则化技术将系统未建模动态转化为系统有界扰动,并在系统降阶模型的基础上根据系统工况的变化设计了多个固定控制器和2个鲁棒自适应控制器,并根据性能指标函数选择最佳控制器作为当前系统控制器以提高系统性能。仿真实验说明当系统存在未建模动态以及系统工况发生变化时,本文设计的控制器能获得较好的控制效果。     

双容液位系统鲁棒自适应容错控制

针对双容液位控制系统的泄漏等故障,通过线性化建模,研究了鲁棒自适应主动容错控制问题.首先在系统无故障正常运行情形,考虑建模误差和外界干扰等不确定性,利用不确定性上界自适应估计,设计了鲁棒自适应控制器.与此同时,对系统进行故障监控,设计了故障诊断滤波器,并利用对不确定性上界的估计终值提出了一种新的故障检测算法,进一步基于神经网络故障逼近,研究了一种修正控制律的自适应鲁棒容错控制器设计方法,该控制器通过补偿故障所带来的影响使闭环系统最终一致有界稳定.最后,通过仿真试验,验证了提出的方法的有效性.     

一种统一的鲁棒自适应控制方法及近期自适应控制结果综述

针对离散/连续时间情况下时不变/时变多种不同的鲁棒自适应控制系统,基于归纳法提出一种统一的传统分析方法,该方法为鲁棒自适应控制器的设计提供了一般性的指导原则.在设计和实现鲁棒自适应控制器时要求具有与模型误差先验知识相关的假设,通过所提出的算法可以将该假设消除,使得已有的鲁棒自适应控制理论得到进一步发展.此外,通过稳定性分析证明了该算法对于更宽松边界的模型误差具有鲁棒性.最后,归纳总结了近期自适应控制方法在处理非光滑不确定性、执行器故障补偿、欠驱动非完整约束、分布式一致性和随机系统控制等问题上取得的代表性成果.     

漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题,采用了一种RBF神经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性,通过对径向基神经网络来自适应学习并补偿,逼近误差通过滑模控制器消除,神经网络权重的自适应修正规则基于Lyapunov函数方法得到;而非参数不确定通过鲁棒控制器来实时自适应...     

汽车转向/防抱死制动协同控制

为了解决汽车转向过程中防抱死制动稳定性问题,提出一种新的协同控制系统.该协同控制结构由转向控制器和制动控制器组成.在转向控制中设计滑模鲁棒自适应控制器和横摆力矩控制器力求改善汽车动态响应,鲁棒自适应性和稳定性.此外定义协同误差,建立汽车协同误差模型并设计汽车防抱死制动鲁棒自适应控制系统.为了减少转向系统和制动系统之间的补偿控制律难以确定的困难,提出耦合误差补偿原理与同一给定控制相结合的新的耦合控制策略.最后用仿真结果验证所设计控制算法的有效性.     

双容液位系统的不确定时滞的鲁棒容错控制

针对双容液位控制系统的执行器失效等故障,通过线性化建模,研究了鲁棒自适应容错控制问题。首先在系统无故障正常工作时,考虑建模误差、输入信号的稳定性、系统参数等不确定性因素,利用不确定性上界自适应估计,设计了不确定时滞鲁棒控制器。同时,对系统进行故障检测,研究了一种修正控制律的自适应鲁棒容错控制器设计方法,该控制器通过修补执行器故障所带来的影响使该系统最终有界稳定。最后,通过仿真试验,验证了提出的方法的有效性。     

双容液位系统的不确定时滞的鲁棒容错控制

针对双容液位控制系统的执行器失效等故障,通过线性化建模,研究了鲁棒自适应容错控制问题。首先在系统无故障正常工作时,考虑建模误差、输入信号的稳定性、系统参数等不确定性因素,利用不确定性上界自适应估计,设计了不确定时滞鲁棒控制器。同时,对系统进行故障检测,研究了一种修正控制律的自适应鲁棒容错控制器设计方法,该控制器通过修补执行器故障所带来的影响使该系统最终有界稳定。最后,通过仿真实验,验证了提出方法的有效性。     

基于RBF神经网络的扑翼飞行机器人的姿态控制北大核心

针对扑翼飞行机器人(Flapping Wing Aerial Vehicle, FMAV)在实际应用中的姿态控制问题,基于RBF神经网络设计了滑模鲁棒自适应姿态控制器。采用RBF神经网络对FMAV姿态动力学模型中未知项角速度进行逼近,并设计自适应律减小神经网络逼近误差。改进鲁棒项消除了为克服干扰造成的控制输入抖振现象。利用Lyapunov稳定性理论对系统的稳定性进行了分析,并通过数值仿真验证了控制方法的有效性和可行性。