机器人全局PID模糊滑模跟踪控制与仿真研究

为解决机器人跟踪控制过程中采用PID控制算法会出现抖动和误差的问题,提出了一种机器人全局PID模糊滑模跟踪控制算法.通过将PID滑模控制和模糊控制相结合,设计了全局PID模糊滑模控制;基于模糊规则,对滑模控制增益进行自适应调整,从而消除建模误差和干扰,削弱了控制时产生的抖振,在线调整控制器参数和估计误差,并通过积分来消除外界干扰,因此提高了控制精度.仿真结果表明,与常规的PID算法相比,该方法在处理控制抖动和消除误差以及干扰方面具有极高的鲁棒性.     

磨矿过程基础回路优化控制方法

以磨矿过程基础回路重要工艺参数——旋流器给矿浓度控制为研究对象,针对无模型自适应控制(MFAC)的参数自适应性差的问题,引入模糊控制,提出了模糊MFAC方法,给出了该方法的理论推导步骤,设计了模糊MFAC控制器。将模糊MFAC方法、基本MFAC方法和PID方法进行对比仿真实验,结果表明,模糊MFAC方法能够快速跟踪期望值,具有更小的超调量和跟踪误差,且抗干扰能力强。     

基于自适应模糊PID运动控制系统的设计

内容为了提高四轮驱动机器人的速度控制性能和红外循迹轨迹跟踪响应效果,将传统PID控制和模糊推理相结合,设计了一种基于自适应模糊PID的四轮驱动循迹控制系统,介绍了系统总体结构和模糊控制理论,设计了一种自适应模糊PID控制器,给出了以转速为内环,位置偏差为外环的双闭环模糊控制方法,利用simulink对模糊PID算法的控制效果进行了仿真,并在四轮驱动控制系统试验平台上进行速度控制实验和循迹动态响应实验研究,结果表明本文所设计的自适应模糊PID相对于传统PID响应更快,减少系统稳态误差,提高移动平台的红外循迹过程中的轨迹跟踪动态响应效果。     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.     

微创手术导管机器人系统变论域模糊PID控制

在微创血管手术导管机器人系统控制机器人送导管问题的研究中,为克服手动送管的缺陷,要求导管机器人系统能够快速响应、抗干扰能力强以及对目标轨迹的实时跟踪.传统模糊PID控制由于其精度与响应速度之间的矛盾,限制了在微创手术中的应用.提出采用变论域模糊PID控制,引入伸缩因子,在不降低响应速度的前提下改善模糊PID控制精度,进一步改善系统位置跟踪精度以及在主从微创手术中的实用性.仿真结果表明,所提出的变论域模糊PID控制对系统具有快速准确的跟踪性能和较强的鲁棒性能,证实了变论域模糊PID控制在主从微刨手术中的优越性与实用性.     

基于坐标补偿的自动泊车系统无模型自适应控制

针对自动泊车系统,提出了无模型自适应控制(Model-free adaptive control, MFAC)方案.控制方案的设计仅利用泊车系统的前轮转角输入数据和车身角输出数据,不包含车辆模型信息.因此,针对不同车型的自动泊车系统,该方案均能实现无模型自适应控制.为了改善期望轨迹的坐标跟踪误差,进一步提出基于坐标补偿的无模型自适应控制方案,该方案由控制算法、参数估计算法、参数重置算法和坐标补偿算法构成.针对不同车型不同泊车速度的仿真结果表明,基于坐标补偿的MFAC方案和原型MFAC方案均能较好地完成自动泊车过程,且基于坐标补偿的MFAC方案相比原型MFAC方案和PID控制方案,在轨迹坐标和车身角等方面均具有更小的跟踪误差和更快的响应速度.     

基于双目视觉导航的仿生机器人鲁棒控制算法

仿生机器人在定姿过程中受到空间扰动因素的影响容易产生控制误差,需要对机器人进行精确标定,提高仿生机器人的定位控制精度,因此提出一种基于双目视觉导航的仿生机器人鲁棒控制算法。利用光学CCD双目视觉动态跟踪系统进行仿生机器人的末端位姿参量测量,建立被控对象的运动学模型;以机器人的转动关节的6自由度参量为控制约束参量,建立机器人的分层子维空间运动规划模型;采用双目视觉跟踪方法实现仿生机器人的位姿自适应修正,实现鲁棒性控制。仿真结果表明,采用该方法进行仿生机器人控制的姿态定位时对机器人末端位姿参量的拟合误差较低,动态跟踪性能较好。     

基于无线传感器网络的机器人定位跟踪研究

针对基于无线传感器网络的机器人定位提出了一种分段极大似然质心算法。将质心法引入极大似然估计算法中,通过计算已预测结果的质心提高目标位置的预测精度。考虑到WSN系统的超声定位实时性较差,采用扩展卡尔曼滤波算法将WSN系统改进定位算法与机器人航位推算进行融合以跟踪机器人位姿,从而提高了定位精度和系统动态性能。仿真结果表明：在不同锚节点个数和不同测距误差条件下,分段极大似然质心算法均能取得良好的定位效果;采用扩展卡尔曼滤波算法的数据融合,进一步提高了机器人轨迹跟踪的精度。     

基于模糊与PID混合算法的制浆蒸煮过程控制

本文在分析蒸球蒸煮过程数学模型的基础上，提出了基于模糊与PID的混合算法， 在小偏差时使用改进的PID算法，在大偏差时使用模糊控制算法．该算法用于某造纸厂六个 蒸球的工业曲线跟踪控制后，在系统存在较大干扰的情况下，跟踪精度大为提高．     

基于自适应模糊PID的爬壁机器人运动路径控制研究

为解决爬壁机器人沿轨迹爬行检测过程中出现的位姿偏差问题,将模糊控制和传统比例积分微分(PID)相结合,提出了一种基于自适应模糊PID的运动路径控制方法。在建立相应的爬壁机器人运动模型的基础上,对爬行过程中的位姿偏差进行分析,设计了一种自适应模糊PID控制器。给出以位姿偏差角度为外环、以电机转速为内环的双闭环模糊控制方法,通过不断检测爬壁机器人的位姿角度误差,将实时的角度误差转化为左右电机的差速,再对左右电机转速进行模糊PID控制,进而改变爬壁机器人的运动方向。利用Simulink对模糊PID控制效果进行仿真分析。结果表明:自适应模糊PID相比于传统PID跟踪响应效果更好,具有较好的自适应能力;双闭环模糊控制能够更好地使爬壁机器人沿目标轨迹稳定爬行。     

改进的室内移动机器人模糊位置指纹定位研究

在深入研究现有的室内机器人定位算法的基础上,提出了改进的室内机器人模糊位置指纹定位方法(IRF)。该方法首先利用样本节点之间的空间相关性,采用重心拉格朗日插值算法形成位置指纹库,然后将传统的求解高次坐标问题转换成空间隶属度问题,利用模糊匹配算法计算未知节点与指纹库中已知节点的贴近度,通过贴近度加权定位未知节点。利用卡尔曼滤波算法进行误差修正。实验结果表明,IRF定位方法与传统的定位算法相比,在降低误差、提高稳定性和效率方面具有更高的性能。     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

基于均值变换的Particle Filter实时跟踪算法

提出一种基于均值变换(Mean Shift)的Particle Filter图像跟踪算法.算法将目标的状态空间分解为位移子空间和形变子空间.使用均值变换算法跟踪位移子空间变化,获得目标的位置信息.在此基础上使用Particle Filter跟踪形变子空间变化和补偿均值变换的跟踪误差,由于均值变换算法跟踪的信息使Particle Filter跟踪的位移子空间大大缩小,减少Particle Filter所需要的样本数,使Particle Filter的实时性能提高,而Particle Filter获得的形状信息补偿了均值变换算法对于形状跟踪的误差.该算法比标准的Particle Filter算法具有更高的效率,并拥有均值变换算法所不具备的形状跟踪能力.实验结果证明算法的有效性和快速性.     

基于PSO的恒力执行器PID型模糊控制器

针对打磨机器人在打磨过程中对恒力控制精度和响应速度的要求,提出了一种基于粒子群优化算法的恒力执行器PID型模糊控制器。设计新型PID型模糊控制器,减少设计规则库数量;提出变权重综合型适应度函数,结合误差积分绝对值和控制信号积分绝对值优化PID型模糊控制器的综合性能,同时减小超调量与稳态误差;采用自适应惯性权重策略加快粒子群迭代速度,使用粒子群算法对PID型模糊控制的比例因子进行优化。仿真结果表明,经过粒子群优化的PID型模糊控制实现了打磨力的平稳输出,响应速度提升10%,调节时间缩短14%,系统无超调、无振荡,提高了打磨力的控制精度。     

基于模糊PID的球平衡机器人控制器设计与仿真

为了提高单球机器人的姿态控制和运动控制的能力,本文在构建单球机器人机械结构的基础上,设计了一种基于模糊比例—积分—微分(PID)控制算法的线性二次型最优控制方法的控制器,应用于机器人自平衡姿态解算和运动轨迹跟踪控制。为了提高单球机器人姿态控制的实时性、准确性和可靠性,将复杂的运动学模型简化成二维倒立摆运动学模型,并利用正运动学和逆运动学建立机器人全向轮与球移动函数,确立拉格朗日动力学模型。最后对机器人的姿态平衡和运动轨迹跟踪进行仿真。仿真结果表明:具有优化控制器的球平衡机器人在姿态控制和运动控制中,具有响应速度快、抗干扰能力强等优点。     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力,加快输出跟踪误差的收敛速度并提高其精度,提出了一种稳定的模糊自适应控制策略.该控制算法基于模糊逻辑系统,将模糊自适应控制器的设计与H∞控制相结合,在鲁棒补偿的基础上引入模糊补偿;并基于Lhapunov方法,给出了学习自适应律,及H∞跟踪特性的证明.对二自由度机器人的仿真结果表明,该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善,具有良好的鲁棒性和抗干扰能力.     

基于LabVIEW的磁悬浮球系统PID控制算法研究

磁悬浮球系统是一个实时控制系统,利用参数易于修改和代码便于工程应用特点的NI LabVIEW平台,对磁悬浮球系统的比例-积分-微分(PID)控制算法进行仿真。本文为系统设计了模拟PID控制算法、变参数PID控制算法;同时为了能获得更好的控制性能以及更多先进算法的支持,利用组件对象模型(COM)技术引入MATLAB与LabVIEW无缝集成,成功设计了基本模糊控制和模糊PID控制算法。仿真结果表明,模糊PID控制算法能更好的实现对磁悬浮球系统的控制;同时,COM技术的应用使得LabVIEW程序得到MATLAB强大的算法支持,大大缩短程序编写时间、显著提高应用程序的性能、并使得算法更易于实际工程应用。     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

非线性系统的模糊免疫PSD控制与仿真

针对模糊免疫PID控制算法中微分与积分增益不能根据系统特性自动调整的问题,提出了一种模糊免疫PSD(Proportional Summation Derivative)控制算法。该方法将自适应PSD算法与模糊免疫PID算法相结合,利用自适应PSD控制算法根据过程误差的几何特性建立的PSD控制规律,使得模糊免疫PID控制算法中的微分和积分增益可以随比例增益的变化而自适应调整,从而进一步提高控制算法的自适应性能。仿真实验表明,采用该算法可以提高非线性、时变系统的控制性能,并能减少参数调整的工作量。