采用蚁群算法优化的机器人运动路径能耗模糊控制研究

移动机器人在搜索目标过程中,运动路径较长,导致消耗功率较大。对此,创建移动机器人简图模型,采用Denavit-Hartenberg(D-H)方法推导机器人动力学方程式,对机器人运动路径进行规划。引用模糊控制器,采用蚁群算法对模糊控制器进行优化,设计了机器人改进模糊控制器优化流程。采用Matlab软件对移动机器人在不同环境下运动路径进行仿真实验。结果表明:在障碍物较少环境中,采用模糊控制器和改进模糊控制器,机器人搜索到的运动路径相同,消耗功率也几乎相同;在障碍物较多的环境中,采用模糊控制器,机器人搜索到的运动路径较长,消耗功率较大;而采用改进模糊控制器,搜索到的运动路径较短,消耗功率较小。采用改进模糊控制器,机器人能够快速地搜索到最优路径,从而降低能量消耗。     

基于快速终端滑模的机器人轨迹跟踪避障方法

针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。     

基于快速终端滑模的机器人轨迹跟踪避障方法（英文）

针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。     

多关节机器人事件驱动神经网络滑模控制

针对多关节机器人轨迹跟踪控制问题,提出了一个事件驱动的神经网络滑模控制器。该方法采用RBF神经网络来改善传统滑模控制器,对模型不确定项进行逼近;在此基础上,提出了事件驱动的RBF神经网络滑模控制器,根据跟踪误差和目标轨迹的驱动条件决定控制力矩更新,降低力矩更新频率。利用跟踪误差的最终一致有界性证明控制系统的稳定性,证明系统不存在Zeno行为。针对二关节机器人进行的仿真实验展现了良好的跟踪效果,验证了控制策略的有效性。     

基于小波神经网络模糊滑模控制的轮式移动机器人避障研究

轮式移动机器人避障响应速度慢,在急转弯过程中容易发生侧翻现象,对此,本文设计了小波神经网络模糊滑模控制器,对移动机器人避障效果进行仿真验证。创建了轮式移动机器人平面简图,推导出机器人运动轨迹跟踪方程式。引用滑模控制器,根据小波神经网络理论和模糊规则,设计了小波神经网络模糊滑模控制器,采用李雅普诺夫函数对小波神经网络模糊滑模控制器运动稳定性进行证明。在不同移动速度下,采用Matlab软件对移动机器人避障效果进行仿真,并与滑模控制器避障效果进行对比。结果显示:在低速移动过程中,采用滑模控制器和小波神经网络模糊滑模控制器,轮式移动机器人避障响应速度相差不大;在中速和高速移动过程中,采用滑模控制器,轮式移动机器人反应速度慢,而采用小波神经网络模糊滑模控制器,轮式移动机器人反应速度快。采用小波神经网络模糊滑模控制器,可以提前预测障碍物,迅速做出调整路径规划,从而避免轮式移动机器人急转弯而发生侧翻现象。     

采用RBF神经网络滑模控制的冗余机械臂避障研究

机械臂在有障碍物运动的环境中工作,其运动轨迹跟踪容易受到干扰,导致跟踪误差较大。对此,建立了机械臂动力学模型,推导了机械臂关节运动速度和加速度方程式,添加了机械臂运动约束关系式。引用滑模控制器,采用RBF神经网络算法对滑模控制器输出误差进行逼近,将RBF神经网络滑模控制器用于控制冗余机械臂运动轨迹,并与滑模控制器的跟踪效果进行对比分析。结果显示:在有障碍物运动的环境中,采用滑模控制器,机械臂容易受到障碍物移动的干扰,其跟踪误差较大;采用RBF神经网络滑模控制器,机械臂能够避免障碍物移动的干扰,其跟踪误差较小。采用RBF神经网络滑模控制器,不仅可以使机械臂成功躲避障碍物,而且提高控制系统的输出精度和运动的稳定性。     

基于改进模糊滑模控制的机械臂运动轨迹仿真

为了避免机械臂运动轨迹受到外界干扰,提高轨迹跟踪精度,构造了多连杆机械臂动力学数学模型,推导了机械臂关节运动轨迹的误差函数.建立了机械臂模糊滑模控制法则,应用改进粒子群算法对模糊滑模控制系统进行了优化.采用Matlab软件对双关节机械臂运动轨迹进行仿真验证,并与其他控制方法的仿真结果进行对比,输出运动轨迹的仿真曲线.在有外界干扰的状态下,采用滑模控制的机械臂运动轨迹跟踪误差较大,输入转矩的跳动幅度较大,而采用改进模糊滑模控制的机械臂运动轨迹跟踪误差较小,输入转矩的跳动幅度较小.机械臂采用改进模糊滑模控制方法,控制系统能够避免外界干扰,机械臂运动相对稳定.     

多关节机器人反馈线性化双模糊滑模控制

为了提高多关节机器人轨迹跟踪控制性能,提出了一种反馈线性化双模糊滑模控制方法。该方法在对机器人非线性动力学模型反馈线性化的基础上,设计了一种双模糊滑模控制器。通过设计一个模糊控制器,根据跟踪误差和误差变化率自适应地调整滑模面的斜率,从而加快响应速度。通过设计另一个模糊控制器,根据滑模面自适应地调整滑模控制的切换控制部分,从而减弱抖振。利用李亚普诺夫定理证明了控制系统的稳定性。针对空间三关节机器人进行了仿真实验,结果表明了所提方法的有效性。     

未知环境的移动机器人路径规划研究

为了提高移动机器人在未知环境中的路径规划的性能,提出了改进人工势场法.首先分析了传统人工势场法的优缺点,据此,提出了一种由模糊智能控制与改进人工势场法相结合算法.由模糊算法对静态障碍物进行避障,并改进引力函数将目标点速度、加速度信息加入其中对目标点进行跟踪,从而实现自动避障和路径规划.通过实验仿真对比可知,此算法在存在障碍物环境中,移动机器人可以寻得较短的路径和较快的时间,安全无碰撞的到达目标点,该算法的准确度可达96％.     

并联机器人轨迹跟踪离散变结构鲁棒控制器设计

本文根据并联机器人支撑杆教学模型参数摄动较大和时变的特点,设计了一种用于并联机器人轨迹跟踪的离散滑模变结构鲁棒控制器,通过引入变速趋近律,控制系统响应速度快,对参数摄动和外界干扰具有较强的鲁棒性,仿真研究结果表明,本文的控制方案能实现较高精度的快速轨迹跟踪,同时可削弱或避免通常变结构控制中不可避免的抖振。     

多电机机器人模糊PID控制仿真研究

机器人在复杂环境中运动时,其关节角位移跟踪容易受到外界波形干扰,导致角位移跟踪误差较大,造成控制系统稳定性下降。对此,建立三关节机器人简图模型,给出了机器人动力学方程式,采用多电机并行驱动机器人关节角位移运动;采用模糊规则建立模糊PID控制器,利用模糊论域在线调节PID控制参数,保持控制系统的稳定性。采用Matlab软件对多电机机器人模糊PID控制效果进行仿真,结果显示:在大扰动环境中,采用模糊PID控制器,可以提高机器人关节角位移跟踪精度,保持多电机驱动机器人关节运动的稳定性。     

挖掘机器人的模型与自适应模糊滑模控制

为实现挖掘机器人的自动挖掘,在挖掘机器人的轨迹规划器给出铲斗期望运动轨迹的情况下,需要挖掘机器人的控制系统能够控制其工作装置实现对给定轨迹的准确跟踪.利用拉格朗日方法建立了挖掘机器人工作装置的三自由度动力学方程,设计了自适应模糊滑模变结构控制器.利用模糊控制动态调节切换增益,将滑模控制的切换项转化为连续的模糊系统,增强了控制系统对挖掘机器人工作装置不确定性和外界干扰的鲁棒性,削弱了滑模控制的抖振现象,并且有较强的自适应跟踪能力.利用MATLAB7.4/Simulink工具箱对所设计的控制器进行了仿真,给出了自适应模糊滑模控制的跟踪性能及误差.     

基于滑模变结构的轮式机器人双环轨迹跟踪控制

针对轮式机器人轨迹跟踪问题,提出了一种利用滑模变结构算法构建的双环轨迹跟踪控制系统。在基于轮式机器人运动学模型基础上,针对该非线性欠驱动系统采用滑模变结构算法设计了能够保证全局范围内渐近稳定的轨迹跟踪控制器,并构建了双环控制系统。通过内环系统控制角速度,实现对方向角的跟踪;外环控制器得到控制角之后实现对速度的控制,使机器人达到期望位姿状态。文中利用Lyapunov稳定性理论对所设计的闭环系统进行了稳定性分析,并通过仿真进一步验证了该控制系统的有效性。     

平面五杆并联机器人滑模控制

基于平面五连杆机器人的动力学模型,把滑模控制理论应用于平面五连杆机器人的轨迹控制,为五连杆机器人设计轨迹跟踪滑模控制器。给出了驱动力矩的控制表达式,并证明了系统的渐近跟踪性能。对五连杆机器人进行MATLAB/Simulink仿真,结果表明该方法能够使跟踪误差趋于0。     

基于领航-跟随法的多机器人编队控制

编队控制是多机器人系统研究的核心问题之一,具有广泛的研究价值。针对编队问题,通过对轮式差分驱动机器人运动模型进行分析,并设计相应的控制器。在传统的领航-跟随模型上,引入“虚拟机器人”,将跟随者机器人对领航者机器人的轨迹跟踪转换为跟随者对“虚拟领航者”的轨迹跟踪。首先,预设定实际领航者机器人的行进路径,由实际领航者引导运动方向的运动轨迹被视为主轨迹,虚拟机器人通过数据产生参考点从而生成参考轨迹,跟随者机器人通过对参考轨迹的跟踪与“虚拟领航者”构成轨迹误差跟踪系统。然后通过Lyapunov的控制理论验证控制器的理论可行性,最后在MATLAB/Simulink仿真平台进行实验,通过改变控制参数来使机器人形成相应的期望队形,在较短的时间内,跟随机器人对参考轨迹的跟踪误差趋向于0且速度收敛,验证了编队系统的可行性。     

采用改进粒子群算法优化的两关节移动机器人滑模控制研究

为了提高移动机器人关节运动轨迹控制精度,在滑模控制器的基础上,采用支持向量机耦合改进粒子群算法优化滑模控制器.创建移动机器人简图模型,给出移动机器人手臂动力学模型.引用支持向量机对滑模控制器参数进行评估,推导出支持向量机模型.采用改进粒子群算法优化滑模控制器,并给出具体优化过程.在Matlab软件中对移动机器人改进滑模控制器进行仿真实验,并与滑模控制器跟踪误差进行对比.仿真结果显示:在无波形干扰时,滑模控制器与改进滑模控制器相差不大,都能较好地实现轨迹跟踪任务;在有波形干扰时,改进滑模控制器反应速度较快,输出误差较小.移动机器人关节采用改进滑模控制器,抗干扰能力较强,控制精度较高.     

水下清洗机器人路径跟踪反演控制方法研究

针对海上鱼场网衣清洗问题,文中提出了一种水下清洗机器人的反演跟踪控制方法。首先对机器人的运动进行分析,建立了运动学、动力学模型。为了保证机器人在扰动环境下具有良好路径跟踪能力以实现对网箱的有序清洗,将控制系统分为三个子系统,分别定义了位置误差、速度误差、扰动估计误差及各自的李雅普诺夫函数,对每个子系统设计中间虚拟控制量,并导出最终控制律,完成了反演控制器的设计。在MATLAB Simulink环境下建立水下机器人仿真模型,并实现了机器人对规划清洗路径的跟踪控制仿真。仿真结果表明,通过该方法设计的控制器在水下干扰环境下具有良好的鲁棒性,机器人能够较好地跟踪规划清洗路径。     

采用遗传算法优化滑模控制的柔性喷嘴液压驱动误差

柔性喷嘴液压驱动活塞运动位移产生误差较大,导致喷出的液体不能按照理论轨迹运动。对此,建立柔性喷嘴液压驱动模型简图,分析了喷嘴液压驱动工作原理。选择控制系统参数设计变量,建立液压驱动数学模型。引用液压驱动滑模控制器,采用遗传算法对滑模控制器进行优化,给出遗传算法具体优化流程。采用Matlab软件对不同控制方法输出的位移进行仿真验证。结果显示:采用滑模控制器,活塞实际输出位移与期望位移误差较大;而采用遗传算法优化滑模控制器,活塞实际输出位移与期望位移误差较小。采用遗传算法优化滑模控制器,液压缸驱动活塞运动反应速度快,超调量较小,活塞运动位移能够按照期望要求进行移动,使喷嘴喷出的液体更符合期望运动轨迹。     

机械臂的改进固定时间滑模控制方法设计

当机械臂末端对给定轨迹进行跟踪控制时,跟踪误差收敛速度容易受初始跟踪误差大小的影响,针对这一问题设计了一种适用于机械臂模型的改进固定时间滑模轨迹跟踪控制策略.在快速终端滑模面的基础上,设计了一种固定时间滑模面,从而使得控制器具有固定时间收敛特性并给与证明;针对滑模控制伴随抖震的特性,对滑模控制器的趋近律进行了抑制抖振的改进,使得趋近律具有一定的自适应性.通过对二自由度机械臂的仿真实验,验证了在系统含有未知扰动的情况下,设计的改进固定时间滑模控制器能够在固定时间内使得机械臂末端轨迹跟踪误差快速收敛,且通过控制器参数的调整能够达到更快的收敛速率.通过仿真对比,验证了论文设计方法的收敛速率要快于快速终端滑模控制方法.     

基于模糊滑模控制的工业机器人运动不确定性分析

针对工业机器人运动学和动力学不确定性的问题,在分析工业机器人运动学和动力学模型的基础上提出了一种模糊滑模变结构控制方法。基于滑模变结构控制原理设计了一种工业机器人滑模变结构控制器。采用模糊逻辑系统补偿运动不确定性造成的跟踪误差,以提高跟踪精度,消除系统"抖振"的影响,并利用Lyapunov函数证明了系统的稳定性。最后基于二自由度工业机器人进行了仿真分析,仿真结果表明:在机器人运动参数无法精确确定的情况下,模糊滑模控制器仍具有较好的跟踪性能、快速响应特性和鲁棒性。