基于干扰观测器的机器人关节控制

提出了基于干扰观测器的仿人机器人关节控制方法。在建立仿人机器人单关节物理模型的基础上,设计了相应的干扰观测器和控制器,解决了关节控制中时变非线性的重力力矩对控制性能的影响。与PID控制器进行性能比较,并探讨了关节模型摄动对干扰观测器的影响,仿真结果表明该方法在仿人机器人关节控制中的可行性和有效性。     

云模型控制器在两轮自平衡机器人中的应用

两轮自平衡机器人控制系统具有高阶次、多变量、非线性且强耦合的特性,因此难以建立精准的数学模型。针对两轮自平衡机器人系统的复杂性,对其平衡控制系统进行了研究,提出了一维云模型控制器的设计方法。运用该方法,成功地实现了两轮自平衡机器人的平衡控制,并比较了一维云模型控制器在三规则和五规则下对系统性能的影响。试验结果表明:一维云模型控制器在两轮自平衡机器人平衡控制系统中具有良好的控制性能和强抗干扰性,五规则控制器具有更加优越的控制效果。云模型控制器成功应用在两轮自平衡机器人平衡系统中,并在试验样机平台体现了良好的平衡性能,为今后云模型控制器的设计提供参考,也推进了云模型控制器在硬件平台实现的进程。     

两轮机器人在坡面上的运动平衡控制

两轮机器人在坡面上运动时,由于受到重力作用的影响,其姿态平衡控制变得更加复杂。为实现机器人在坡面上的平衡控制,首先建立了两轮机器人在坡面上的动力学模型,然后针对两轮机器人设计一种非线性PD控制器。与传统的线性PD控制器进行仿真实验对比,实验结果说明:在响应速度、稳定性、鲁棒性方面,非线性PD控制有着更好的效果。最后,在姿态平衡控制中加入速度控制,构成双环的PD控制,实现了两轮机器人在坡面上的静态平衡。     

两轮自平衡机器人的无源控制器设计

以两轮自平衡机器人为研究对象,基于其状态空间模型,利用线性矩阵不等式的方法,设计两轮自平衡机器人平衡的无源控制器,并给出了两轮自平衡机器人无源控制器存在的充分条件。仿真结果表明,设计的无源控制器对于机器人的平衡是有效的。     

两轮自平衡机器人的自适应模糊平衡控制

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法.首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型.针对所建动态模型的非线性,提出采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律.在MA TLAB/Simulink中,对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性,为两轮机器人优化控制提供了依据.     

自平衡两轮机器人的参数自整定模糊控制

为解决具有强耦合、非线性和不确定性等特点的自平衡两轮机器人的平衡控制问题,提出一种参数自整定模糊控制器.该控制器通过比较系统响应与给定的差别来对控制参数进行自整定,降低了控制器设计过程中对设计者经验的要求.该控制器采用零阶Takagi Sugeno模型,易于在嵌入式系统中实现.搭建了自平衡两轮机器人硬件本体,建立了相应的数学模型,并给出仿真与实验结果,验证了该控制器的有效性.     

基于腿部关节控制的仿人机器人偏摆力矩控制方法

针对机器人步行过程中产生的偏摆力矩影响步行稳定性的问题, 提出一种全新的基于腿部关节控制的偏摆力矩控制方法. 分析了偏摆力矩产生的原因及步行过程中垂直方向上的力矩平衡条件; 根据仿人机器人连杆模型和力矩平衡条件, 将偏摆力矩控制问题转化为带约束条件的二次规划问题, 推导出支撑腿腿部关节角度控制的表达式, 设计了腿部关节自适应控制器以提高轨迹跟踪性能, 并给出了稳定性证明. 仿真结果表明, 该方法能较好地克服偏摆力矩的影响, 使机器人实现稳定的步行.

     

自适应模糊控制的自平衡机器人设计

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法;首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型;基于所建立的非线性动态模型,采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律;对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性。     

一种多模型融合的仿猎豹四足机器人复杂运动控制方法

针对具有2自由度主动脊柱关节的仿猎豹四足机器人,基于任务分解思想和生物神经系统机理,提出多模型融合的控制方法。该方法以弹簧负载倒立摆模型实现单腿跳跃控制,通过中枢模式发生器（CPG）实现4条腿之间以及脊柱―腿之间的协调控制,利用虚拟模型控制实现机器人与环境交互,采用基于CPG输出的有限状态机来融合3个控制模型,构建仿猎豹四足机器人的多模型分层运动控制器。参考猎豹脊柱运动特征,设计了机器人脊柱关节运动模式,给出脊柱与腿的协调控制策略。最后,在Webots仿真环境中搭建了仿猎豹四足机器人虚拟样机,实现了不同步态下的脊柱―腿的协调控制、在崎岖地形上稳定奔跑,以及平滑的对角―疾驰―对角步态转换,仿真结果验证了所提出的多模型融合的四足机器人运动控制方法的有效性。     

滑模控制在两轮机器人平衡控制中的应用

针对两轮机器人平衡控制中鲁棒性要求较高的问题,设计了基于趋近律的滑模变结构控制器;首先对机器人的非线性模型进行线性化处理,再根据线性模型设计滑模控制器,并使用饱和函数的方法抑制系统的抖振,最后在MATLAB/Simulink上进行了仿真实验,并与状态反馈控制器进行了比较;结果表明在参数摄动存在情况下,滑模控制器优于状态反馈控制器.     

一种基于模糊控制理论的独轮机器人控制算法

以一种由一个车轮驱动并控制前向平衡、由电机驱动惯性轮形成反力矩控制侧向平衡的独轮机器人系统为被控对象,建立系统动力学模型,并将其在平衡点线性化,得到系统在前向和侧向两个正交方向解耦的近似线性模型.然后针对每一个控制方向上的子系统,分别设计基于融合函数的模糊控制器.该方法可以减少模糊规则,防止规则爆炸.仿真实验表明,所设计的模糊控制器可有效地实现独轮机器人的运动平衡控制.     

模糊自适应在机器人行走平衡控制中的应用

针对多变量、非线性的两轮机器人系统的行走平衡控制问题,提出一种基于Backstepping（反推）方法和PID的控制策略。该策略在Backstepping控制器中加入模糊自适应部分,利用模糊系统逼近Backstepping设计过程中的未知非线性函数,模糊系统中的参数基于自适应律调整,解决了Backstepping控制器中因含有未知参数难以实现的困难,避免了两轮机器人系统不满足严格三角结构的问题。针对两轮机器人的仿真实验结果表明：采用设计的控制策略,可以实现两轮机器人的行走平衡控制任务。     

一种两轮自平衡机器人比例-积分-微分控制方法

两轮自平衡机器人以其机械结构简单,灵活高效的运动特性,具有广阔的应用前景。本文应用理论力学原理,分析并建立了两轮自平衡机器人的动力学模型。在此基础上,分别针对机器人系统的自平衡控制、速度控制设计了比例-积分-微分(PID)控制器。通过复频域和时域分析的方法,提出了一种简便的PID控制参数的整定方法。根据系统PID控制模型,给出了计算机器人马达输出转矩的理论公式。应用实验表明,该控制方法的平衡和速度控制动态和稳态性能良好,且具有占用机器人系统资源少,PID控制参数整定效率高的特点。     

一种独轮机器人的滑模控制

针对一种由一个车轮驱动并控制前向平衡、并由电机驱动惯性轮形成反力矩来控制侧向平衡的独轮机器人系统,提出了一种分组分层滑模变结构控制方法.该方法根据机器人动力学模型特点,将系统看作两个单输入系统组合,并分别针对每个单输入系统设计分层滑模控制器,从而实现机器人的运动平衡控制.从理论上证明了各层滑动平面的渐近稳定性,并通过仿...     

基于蚁群算法的机器人系统LQR最优控制研究

针对两轮自平衡机器人线性二次最优控制器(LQR)中的权参数选择问题,提出了一种基于自适应蚁群算法的权矩阵优化参数策略.利用LQR控制器,采用自适应蚁群算法对LQR权矩阵Q的各位参数进行数字寻优,将得到的数字序列进行划分,寻找到最优参数值,从而对两轮自平衡机器人的俯仰属性进行有效的系统控制.仿真实验结果表明:采用蚁群算法优化后的控制器比人工选择参数策略有更好的控制效果,验证了方法的稳定性和有效性.     

仿人预测控制在双足机器人步行控制中的应用

基于零力矩点(ZMP)的预测控制是目前双足机器人步行控制中最先进的方法,但是预测控制需要比较精确的预测模型,在环境扰动导致模型失配时,预测控制的性能下降较快。为了解决这个问题,利用仿人智能控制对环境误差具有较强抑制的特点改进预测控制。探讨了在步行控制中引入仿人智能控制的必要性和仿人智能控制改进预测控制的可行性,并设计了仿人预测控制器。最后通过仿真实验验证了新的控制器对双足机器人步行控制的有效性。     

两轮自平衡机器人的LQR实时平衡控制

两轮平衡机器人已经成为能够为日常机器人提供未来运动方式的一个研究领域.两轮平衡机器人区别于传统形式的机器人,它需要必须具有一个独特的稳定控制系统来保持其直立.为了平衡系统该文利用平衡机器人的动态模型设计控制器,测试LQR在平衡系统的实用性并评估其性能.仿真结果表明LQR控制器可以稳定系统,并且在平衡基于倒立摆模型的两轮自平衡机器人时表现出满意的结果.     

自平衡机器人变论域模糊PID控制研究

针对两轮自平衡机器人的动态平衡控制问题,提出了一种可变论域模糊PID控制算法,对机器人体的倾斜角度设计了二级模糊控制器.由第一级模糊控制器利用论域伸缩因子来动态改变第二级模糊控制器的论域,实现了论域随自平衡控制系统要求进行自适应伸缩,能较好地解决自平衡系统控制规则数量与控制精度间的矛盾.仿真结果表明,变论域控制方法动态特性明显优于常规模糊PID控制,使机器人的平衡控制系统具有自适应能力强,实时控制性能好的特点.     

基于卡尔曼滤波的两轮自平衡车姿态检测

建立了两轮自平衡车的动力学模型;设计了一种采用卡尔曼滤波的两轮自平衡车姿态检测控制算法的控制器;搭建了SIMULINK仿真模型,仿真分析了控制器中各参数对系统的影响;并将仿真程序移植到16位Freescale单片机中对两轮自平衡车进行控制;通过实测数据验证了所设计控制算法的合理性和设计电路的正确性。     

ESN网络在机器人轨迹跟踪控制中的应用

为了研究具有模型不确定性的机器人操作手的轨迹跟踪控制,采用一种新的递归神经网络——回声状态网络(ESN)设计了动态控制器.采用PID控制器补偿ESN网络的逆建模误差,并在网络训练过程中加入白噪声项,以保证动态系统的稳定性.最后针对两关节机械手的轨迹跟踪控制问题进行了数值仿真,仿真结果表明了该方法的有效性.