基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

基于神经网络补偿的机械臂轨迹控制策略的研究

建立了二维机械臂的动力学方程,分析了控制机械臂轨迹应考虑的不确定量.考虑到机械臂动力学模型的非线性和参数的不确定性,提出了采用神经网络作为补偿器的机械臂轨迹控制策略.该策略结构简单,采用标称值确定神经网络初始权值,易于工业实现.仿真研究表明了所提控制策略的有效性及神经网络补偿器的泛化能力和自适应能力.     

基于能耗优化的深海电动机械臂轨迹规划

由于深海电动机械臂动力学模型较为复杂,难以基于动力学模型构建精确的能耗优化目标函数,因此,本文提出一种利用径向基函数（RBF）神经网络构建机械臂功耗模型的方法．首先,利用机械臂水下运动实验数据集训练所构建的RBF神经网络．利用基于该神经网络的功耗模型,结合机械臂关节空间轨迹规划多项式,建立机械臂能耗目标函数．然后,采用自适应粒子群优化（PSO）算法求解最优轨迹参数．结果显示,RBF功耗网络均方根误差（RMSE）为20.89 W;经过优化的轨迹的能耗比实验轨迹的能耗均值降低410.8 J（18.3%）．实验结果表明基于自适应PSO算法的轨迹规划方法实现了能耗优化的目标．     

考虑输出约束的机械臂自适应神经网络鲁棒控制

在工业机械臂系统的跟踪控制过程中,由于其结构和工作环境复杂,导致难以建立精确的系统模型,针对此问题提出了基于多层前馈神经网络的自适应鲁棒控制器.通过神经网络在线估计机械臂系统动力学模型,并在控制器中进行补偿,同时设计了一个在线更新的鲁棒项克服神经网络的重构误差;考虑机械臂实际系统的输出约束,采用障碍李雅普诺夫函数设计控制律并证明系统的稳定性从而使系统满足约束条件.仿真实验结果表明:在约束条件下所提出的控制器能够实现系统的一致最终有界稳定,且跟踪性能良好,并具有很好的抗干扰和自适应能力.     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

机械臂轨迹跟踪控制研究进展

综述了近年来刚性机械臂轨迹跟踪控制研究领域的最新进展.根据应用于机械臂的不同控制算法进行分类,从自适应PID控制、神经网络自适应控制、模糊自适应控制、滑模变结构控制和鲁棒自适应控制5种主要控制方法进行阐述.重点从关节空间出发,论述了各种控制算法在提高机械臂轨迹跟踪性能方面的各自优缺点,并分析了它们之间的相互联系.对机械...     

一类空间机械臂系统的自适应控制与鲁棒控制

讨论载体位置与姿态均不受控制的自由浮动空间机械臂系统的控制问题。基于增广列反馈控制模型,提出当载荷参参数不确定时空间机械臂追踪惯性空间期望轨迹的自适应和鲁棒控制方法,通过仿真运算,证实了方法物有效性。     

捕获目标卫星后组合体航天器模糊神经网络滑模控制

探讨了漂浮基空间机械臂系统在轨捕获参数未知目标卫星后组合体航天器的镇定控制问题.首先在耦合空间机械臂系统捕获目标卫星操作过程动量、冲量的传递的基础上,建立了适用于漂浮基空间机械臂系统在轨捕获漂浮卫星控制系统设计的组合体航天器数学模型.利用该模型,设计了一种基于模糊高斯基神经网络的非奇异Terminal滑模控制算法.提出的控制算法不仅不要求系统动力学方程关于惯性参数呈线性函数关系,而且也不需要预知系统惯性参数;由于利用神经网络的自学习能力修正模糊控制的控制规则和隶属函数,这样在系统参数识别中,模糊神经网络可减少模糊规则数,更适应于空间机械臂系统在轨捕获的实际应用.最后通过仿真试验对比结果验证了所提出的控制算法的有效性.     

漂浮基空间机械臂的反演滑模容错控制

讨论了载体位置不受控制的情况下,漂浮基三杆空间机械臂系统的滑模容错控制问题.选择合适的坐标系,利用拉格朗日第二动力学方程,结合系统质心定义,根据系统动量守恒原理,建立漂浮基三杆空间机械臂系统的动力学方程.依据非奇异滑模控制和积分滑模控制理论提出切换函数,基于反演的控制策略,结合高阶滑模控制理论,提出了一个新型的控制率,实现了对空间械臂系统的稳定控制.该控制方法同时具有了高阶滑模控制、非奇异滑模控制和积分滑模控制的特性,抖震小、非奇异并且响应速率快.为了实现在故障函数、故障大小未知的状态下,依旧能够实现稳定控制,提出了一个新的自适应率,该自适应率提高了系统对故障的容错能力.最后通过MATLAB仿真验证了所提出的控制方法的有效性,证明了在机械臂发生故障的情况下能够快速、稳定的实现轨迹控制,并且具有较高的精度.     

神经网络控制在工业机械臂的应用

工业机械臂控制系统具有多样化和非线性,难以利用传统的控制形式完成。本文提出一种基于神经网络的机械臂自适应参考模型控制方案。经验证,此控制方案工业机械臂系统能适应由模型不确定性和外界干扰所产生的未知变化。     

一种水下探伤机器人动力定位控制方法

水下探伤机器人在执行任务时,机械臂作业过程以及风浪、水流等干扰将会引起机器人模型参数的变化,继而影响水下机器人动力定位控制.针对上述水下探伤机器人动力定位过程中模型不确定问题,提出一种基于模型逼近的RBF神经网络的自适应滑模控制方法,采用RBF神经网络对机械臂作业过程引起的水下机器人模型参数的变化及波浪等扰动进行在线逼...     

蛇形机械臂的设计及控制策略

针对现有蛇形机械臂驱动机构繁琐、整机体积过大、模型建立复杂等问题,设计了一种新型蛇形机械臂.采用杠杆型驱动结构,利用1个伺服电机同时控制2根驱动绳索,从而减少驱动数量、降低能耗.利用正交关节实现位置闭环控制,简化运动学模型.同时,针对蛇形机械臂的不同工作环境,提出尖顶从动控制策略及基于位置闭环的控制方法.前者提高了机械臂的柔顺性,控制简单;后者实现了机械臂的空间重复定位.最后,通过实验证明了所设计机械臂的合理性以及控制方法的有效性.     

一种基于模型参考自适应的神经网络控制

工业对象的动态特性具有大迟延、大惯性、时变性和不确定性等特点,难以建立精确的数学模型,从而使得建立在精确对象数学模型基础上的经典控制方法及状态空间控制方法难以取得满意的控制效果.基于神经网络的自适应神经网络控制具有鲁棒性高、自适应能力强、适用于工业过程控制.本文提出一种基于神经网络的模型参考自适应神经网络控制系统.仿真试验表明,此系统具有良好的品质特性.     

基于时间延时估计和自适应模糊滑模控制器的双机械臂协同阻抗控制

多机械臂的精准协同控制已成为当前机器人领域的研究难点,为实现双机械臂精准控制,通过建立双机械臂动力学模型,采用时间延时估计简化机械臂动力学模型,在保证控制系统稳定性的前提下,引入自适应模糊滑模控制器实现对估计误差的修正和补偿,设计基于时间延时估计和自适应模糊滑模控制的双机械臂协同阻抗控制器,实现双机械臂协同操作的末端轨迹控制以及接触力精准控制.最后,将该控制器应用于两台六自由度机械臂仿真平台,实现双臂夹取和搬运同一目标物体的操作,通过与其他控制器进行对比实验,表明所设计的控制器具有响应快、无抖震、精度高的特点.     

带有时变输出约束的机械臂自适应轨迹跟踪控制

针对带有输出约束和动力学模型参数未知的机械臂系统，提出一种基于时变tan型障碍李雅普诺夫函数的自适应控制方法.首先，通过设置时变约束边界，给出了一个时变tan型障碍李雅普诺夫函数，保证系统在初始误差较大情况下的瞬态性能和稳态性能，拓展了传统对数型障碍李雅普诺夫函数的适用范围.其次，为了处理机械臂动力学模型的不确定性，采用径向基神经网络(RBFNN)拟合未知的动力学模型，设计了基于RBFNN的自适应控制器，在满足约束的情况下提高了系统的鲁棒性.最后，通过二自由度机械臂轨迹跟踪的仿真，验证了所提方法的控制性能优于传统的PD控制器.     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

地面装调的空间机械臂在空间应用时的自适应鲁棒控制

针对空间机械臂在轨操控过程中,重力加速度不同于地面装调阶段的重力加速度,会随着空间位置的改变而变化的问题.本文提出了一种自适应鲁棒控制策略,用于空间机械臂的末端控制,从而使在地面重力条件下装调好的空间机械臂能够在空间微重力条件下实现在轨操控任务.通过分析重力项对空间机械臂轨迹跟踪控制的影响,设计自适应律在线估计重力加速度,从而得到重力项的估计,系统的不确定性通过鲁棒控制器来补偿.基于李雅普诺夫理论证明了闭环系统的稳定性.仿真结果表明,在地面装调阶段的重力环境下和空间应用阶段的微重力环境下,该控制器对空间机械臂的末端控制均能达到较高的轨迹跟踪精度,具有重要的工程应用价值.     

柔性空间机械臂捕获卫星过程的鲁棒镇定与自适应抑振复合控制

分析漂浮基柔性空间机械臂捕获运动卫星过程的碰撞动力学,及受碰撞冲击后的不稳定空间机械臂系统的控制.首先,利用假设模态法近似描述柔性杆的弹性变形,并结合第二类拉格朗日方程建立柔性空间机械臂多体系统动力学模型.而后,基于动量守恒原理,利用动量冲量法分析空间机械臂捕获卫星的碰撞动力学.针对受碰撞冲击后不稳定运动空间机械臂,设计鲁棒镇定与自适应抑振复合控制以维持空间机械臂与被捕获卫星组合体系统稳定.最后,数值仿真揭示了碰撞冲击影响效应,并验证了上述控制算法的有效性.     

基于极限学习机的机械臂自适应神经控制

针对刚性机械臂系统的控制问题,提出基于极限学习机(ELM)的自适应神经控制算法.极限学习机随机选择单隐层前馈神经网络(SLFN)的隐层节点及其参数,仅调整其网络的输出权值,以极快的学习速度获得良好的推广性.采用李亚普诺夫综合法,使所提出的ELM控制器通过输出权值的自适应调整能够逼近系统的模型不确定性部分,从而保证整个闭环控制系统的稳定性.将该自适应神经控制器应用于2自由度平面机械臂控制中,并与现有的径向基函数(RBF)神经网络自适应控制算法进行比较.实验结果表明,在同等条件下,ELM控制器具有良好的跟踪控制性能,表明了所提出控制算法的有效性.     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点;针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法;以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证;仿真结果表明:使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。