采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

滑模控制在并联机器人轨迹跟踪中的应用

建立了平面二自由度冗余驱动并联机器人的动力学模型,为进行动力学控制奠定了基础.考虑到并联机器人的非线性不确定性,结合滑模控制对参数变化和系统未建模部分的不敏感性,设计了滑模控制器并进行了稳定性分析.由于滑模控制具有抖振问题,进而设计了准滑模控制器以减少抖振.在充分利用滑模控制鲁棒性较强的基础上,利用准滑模控制减少了抖振对伺服电机和机械臂的损坏.利用MATLAB 7.0对系统进行了轨迹跟踪仿真研究.仿真结果表明,即使在存在初始位置误差的情况下,滑模控制仍能较好地完成轨迹跟踪,准滑模控制能有效减少系统的抖振.     

复杂型面构件超声自动检测轨迹跟踪控制

为提高复杂型面构件超声自动检测过程轨迹跟踪的精度和鲁棒性,在分析超声检测机器人的动力学模型的基础上,利用滑模控制理论,设计了轨迹跟踪控制的超声自动检测机器人的滑模控制方案。经实验验证,该方案可以有效提高超声自动检测机器人对预定轨迹的跟踪精度及系统的鲁棒性。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

基于布谷鸟算法的工业机器人轨迹跟踪控制

研究SCARA工业机器人在关节空间内的轨迹跟踪控制问题。实际应用中,系统的未建模特性、关节摩擦间隙和未知负载等因素将引起机器人动力学性能的变化,从而影响其轨迹跟踪控制;并且外界扰动也会增加机器人轨迹跟踪控制的难度。针对上述问题,提出一种基于布谷鸟算法优化的快速连续非奇异终端滑模控制策略。该方法利用布谷鸟算法寻优机制规划机器人的参考轨迹;控制策略在李亚普诺夫稳定性理论的支撑下,采用连续非奇异终端滑模面来补偿与抑制系统的不确定性与外界扰动,引入快速终端滑模趋近律来加快系统的响应速度,并结合Anti-Windup技术来补偿系统中死区等其他非线性因素。通过李亚普诺夫稳定性理论,证明机器人系统的轨迹跟踪误差全局稳定。最后,通过轨迹跟踪试验验证了此方法的有效性。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

3-RPC型并联机器人模糊滑模轨迹跟踪控制研究

分析了直流伺服电机驱动的3-RPC并联机器人的运动学反解,并对其进行了轨迹规划;设计了传统滑模控制及模糊滑模控制,建立了仿真模型,并完成了各支路的期望运动的轨迹跟踪。仿真结果表明:模糊自适应增益滑模控制比传统滑模控制精度更高,响应时间明显更快,更能有效地消弱控制中带来的抖振现象。     

轮式移动机器人的动力学建模及跟踪控制

针对轮式移动机器人存在非完整约束的特点,利用牛顿-欧拉方法建立了轮式移动机器人的动力学模型,将非完整约束直接融入到动力学方程中;同时,考虑了电机的动力学特性.针对动力学模型中存在参数不确定以及机器人在工作过程中存在外界干扰的特点,设计了以两轮驱动力矩为输入的滑模轨迹跟踪控制器,采用趋近律方法削弱了滑模控制器的抖振.仿真实验证明了模型的可行性和控制的有效性,较好地实现了机器人的全局轨迹跟踪.     

工业机器人关节轨迹预定义时间滑模跟踪控制

针对工业机器人关节轨迹跟踪控制问题，设计了一种新型预定义时间滑模轨迹跟踪控制器。首先，通过分析工业机器人关节传动机构，建立了由永磁同步电机驱动的关节运动模型；然后，设计预定义时间滑模轨迹跟踪控制器，并对控制器的非奇异性和预定义时间收敛性进行分析，确保轨迹跟踪误差能够在预定义时间内完成收敛；最后，在工业机器人上进行实验，结果表明，所设计的控制器具有良好的轨迹跟踪性能，并能保证跟踪误差在预定义时间内收敛。     

基于质心偏移的移动机器人轨迹跟踪控制

针对非完整约束下质心偏移的移动机器人,提出了一种改进滑模变结构的轨迹跟踪控制方法,并通过此方法得到一种具有全局渐近稳定性的跟踪控制器。以三轮移动机器人的运动模型为基础,该跟踪控制器的设计分为两部分:第一部分是采用X方向和前向角方向同时具有虚拟反馈变量,通过Lyapunov方法对控制系统进行稳定性分析,设计出切换函数;第二部分是滑模控制器设计,采用指数趋近律,使用S型指数函数代替符号函数,减少了滑模变结构控制的抖动,由此设计出了线速度和角速度的控制律,用来渐近整定移动机器人跟踪误差,实现了对参考轨迹的全局渐近跟踪。实验结果表明:该控制律能够在极短时间内趋于稳定,其跟踪平面坐标误差和前向角误差也能在极短时间内收敛于0,并且移动机器人也能够有效地跟踪期望轨迹,其控制效果具有明显的改善,且具有很好的抗干扰性能。     

挖掘机电液系统的滑模阻抗控制

为了实现挖掘机操作臂的轨迹控制,需要对各关节油缸位置进行控制。建立了挖掘机电液系统的非线性数学模型。由于挖掘机会在自由空间和约束空间运动,因此采用了阻抗控制。又考虑到挖掘机电液系统的非线性和不确定性,因此将变切换函数的滑模控制用于阻抗控制中,使得系统存在不确定性时,控制器仍然能保持较高的控制精度。滑模控制渐进驱动系统状态以执行目标阻抗,在对操作臂进行位置控制的同时进行力控制。针对所设计的控制器进行了仿真,给出了位置跟踪和力跟踪的效果。     

基于饱和函数的不确定机器人模糊自适应滑模控制

针对模型和参数不确定机器人系统轨迹跟踪问题,在模糊自适应控制的基础上提出了一种新的控制策略,该控制策略把饱和函数、模糊原理与滑模控制有机结合起来,设计了一种模糊自适应滑模控制器.该控制器利用模糊逻辑系统为机器人的动力学系统建模,设计自适应律调节未知参数,为保证控制力矩输出平滑有界,不存在一般滑模变结构中的抖振现象,采用双曲正切函数代替传统的符号函数.利用李亚普诺夫定理证明了闭环控制系统全局稳定,跟踪误差渐近收敛于零.仿真结果表明了所提出的控制算法的有效性.     

同向滑杆并联机构的模糊自适应滑模控制北大核心

为减少机器人在快递件的分拣与包装时的轨迹跟踪误差,以同向滑杆支链3-PUPU并联机器人为研究对象,首先,建立机器人的运动学方程和拉格朗日动力学方程;其次,建立以模糊自适应算法为基础的滑模控制器;最后,在MATLAB中建立系统仿真框图和实验平台,对机构的轨迹跟踪误差进行仿真分析和实验研究。研究表明,模糊自适应滑模变结构控制的轨迹跟踪具有精度高、稳态误差小以及鲁棒性强的特点,从而对快递的精准分拣与包装是有效的,为该机构的实践应用提供了可靠依据并奠定了重要基础。     

基于跟踪微分器的移动机器人轨迹规划与跟踪控制研究北大核心

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。     

基于干扰补偿的不确定机器人鲁棒滑模跟踪控制

以含有参数不确定和外部扰动的机器人系统为对象,研究不确定机器人系统的轨迹跟踪问题。结合系统辨识理论和滑模理论,提出了一种基于干扰补偿的机器人鲁棒滑模控制方法。该方法采用非线性观测器实现系统不确定项的在线估计与补偿,利用滑模控制来增强系统的鲁棒性,并利用基于sigmoid函数的新型滑模趋近率来抑制传统滑模控制的固有抖振现象。最后,以2关节机器人为例,通过仿真验证了文中方法的有效性,不仅有效解决了传统滑模控制的固有抖振现象,而且对系统存在的不确定性扰动具有很强的鲁棒性。     

串联型机械臂的自适应鲁棒容错控制研究

针对串联型机械臂关节空间内的轨迹跟踪控制,提出了一种自适应鲁棒容错控制方法。在机械臂动力学模型中加入了外界干扰、关节摩擦与故障模型,并将其等价成二阶被控系统。在此基础上,结合非奇异快速终端滑模面和反步法控制策略,设计一种新型的反步非奇异快速终端滑模控制器。通过李亚普诺夫准则验证了控制策略的全局渐近稳定性;引入自适应技术估计系统不确定性的上界,提高控制器的鲁棒性。以二自由度机械臂为被控对象,对所设计控制器的有效性进行了验证,结果表明:与传统的非奇异快速终端滑模控制器及反步非奇异快速终端滑模控制器相比,该控制器具有响应速度快、鲁棒性强、抖振小的优点,能有效应对系统故障和实现机械臂的高精度轨迹跟踪控制。     

两自由度并联机器人的RBF神经网络辨识滑模控制策略研究

针对两自由度并联机器人的轨迹跟踪问题,提出一种基于RBF神经网络辨识上界的滑模控制策略。该方案利用RBF神经网络对被控对象的不确定上界进行辨识,将所得的上界值适时送到滑模控制器,既发挥了RBF神经网络具有逼近任意函数的优点,又保留了滑模变结构控制的快速性和鲁棒性,达到了理想的控制效果。     

一种领航-跟随型多移动机器人编队控制方法

针对多移动机器人的路径规划、编队成形与编队保持问题,本文提出了一种集路径规划和轨迹跟踪于一体的领航-跟随型编队控制方法。将改进型人工势场法引入领航机器人的在线局部路径规划中,有效解决了领航-跟随型编队运动中的无碰撞路径规划问题;采用滑模运动控制方法,设计了一种自主调节移动机器人线速度和角速度的轨迹跟踪控制器,解决了跟随机器人实时追踪预定轨迹的实时控制问题。这种综合路径规划和轨迹跟踪的一体化多机编队控制方法,有助于解决多无人系统编队、多机协作搬运等复杂作业任务。     

基于状态观测器的空间机器人滑模容错控制北大核心

研究了具有执行器故障的漂浮基空间机器人系统无速度反馈的关节轨迹跟踪控制问题,设计了基于状态观测器的神经网络积分滑模容错控制方案。首先,根据执行器故障类型建立执行器故障的数学模型,并结合拉格朗日法建立了执行器故障的空间机器人系统动力学方程;其次,为实现控制器的无速度反馈,设计了状态观测器对系统速度进行估计,并结合神经网络提高估计精度;再次,根据滑模控制理论设计了积分滑模控制器,通过神经网络补偿执行器故障的影响,并设计自适应律补偿神经网络的估计误差,保证了控制器的连续性与非奇异性,使系统获得良好的轨迹跟踪精度和容错能力;最后,通过李雅普诺夫方法证明了控制方案的稳定性,并通过MATLAB数值仿真运算,验证了控制方案有效性。     

基于模糊神经网络滑模控制的xy平台轮廓控制

永磁同步直线电机(PMLSM)直接驱动xy平台数控系统曲线轨迹跟踪时,其轮廓精度会受负载扰动以及曲线轨迹轮廓误差模型复杂等问题的影响。针对此问题,采用具有自学习能力的模糊神经网络滑模控制(FNNSMC)进行单轴位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱该控制所产生的抖振;两轴之间运用实时轮廓误差计算法建立曲线轨迹的轮廓误差模型并采用交叉耦合控制(CCC)进行轮廓控制器的设计,实现跟踪误差与轮廓误差的同时减小。仿真结果表明:该控制方案基本消除了抖振,保证xy平台具有较强的鲁棒性和较高的轮廓精度。