基于模糊神经的柔性臂变负载控制方法

基于奇异摄动将单连杆柔性机械臂动力学模型分解为慢、快变子系统,传统方法分别采用PD控制和最优控制能取得较好控制效果,但负载不确定时,控制效果并不理想.提出对于慢变子系统,采用模糊神经、PD控制相结合的控制方法,对于快变子系统,采用模糊神经、最优控制相结合的控制方法.当负载变化时,采用模糊神经控制器根据实际负载对PD参数及最优控制参数进行调整,达到更优的控制效果.分别采用传统方法及本文提出的改进方法在变负载条件下作了仿真实验,结果表明后者的控制效果明显优于前者.给出了慢、快变子系统模糊神经控制器在变负载条件下训练参数的获取方法.     

受时变约束柔性臂鲁棒RBF神经网络力/位置控制

研究了受时变约束的柔性臂系统，建立了分布参数模型，通过奇异摄动方法将该模型划分为表征系统刚性运动的集中参数子系统和表征系统振动的分布参数子系统．设计了集中参数子系统的鲁棒RBF神经网络力／位置控制算法和分布参数子系统的鲁棒自适应振动抑制控制算法．理论分析及仿真结果验证了该方法的有效性．     

柔性连杆机器人的多速率神经网络混合控制器设计

提出了一种用于动力学部分已知柔性连杆机器人的多速率神经网络自适应混合控制器，基于奇异摄动方法和两时标分解，柔性连杆机器人的模型分解成两个子系统；慢子系统和快子系统。这样可以根据每个分立的子系统设计系统的慢和快控规律，然后组合成一个混合控制。系统的慢控制由基于神经网络的自适应控制器实现，用于控制等效的刚性连杆机器人，而快控制用于在慢子系统建立的平衡轨迹附近稳定快子系统。     

力矩输入有界的柔性关节机器人轨迹跟踪控制

为解决柔性关节机器人在关节驱动力矩输出受限情况下的轨迹跟踪控制问题,提出一种基于奇异摄动理论的有界控制器.首先,利用奇异摄动理论将柔性关节机器人动力学模型解耦成快、慢两个子系统.然后,引入一类平滑饱和函数和径向基函数神经网络非线性逼近手段,依据反步策略设计了针对慢子系统的有界控制器.在快子系统的有界控制器设计中,通过关节弹性力矩跟踪误差的滤波处理加速系统的收敛.同时,在快、慢子系统控制器中均采用模糊逻辑实现控制参数的在线动态自调整.此外,结合李雅普诺夫稳定理论给出了严格的系统稳定性证明.最后,通过仿真对比实验验证了所提出控制方法的有效性和优越性.     

力矩受限的柔性空间机器人模糊神经网络自适应跟踪控制及振动抑制

针对力矩受限和存在参数不确定情况下,自由漂浮柔性空间机器人（FFFSR）关节轨迹跟踪控制与柔性振动抑制的问题,利用奇异摄动法将系统分解为关节轨迹跟踪的慢变子系统和描述柔性振动的快变子系统,进而提出含慢、快变控制项的组合控制器。对于慢变子系统,设计一种无需模型的模糊径向基函数（RBF）神经网络（FRBFNN）自适应跟踪控制方案,利用神经网络观测器估计关节角速度信息,并对系统的未知非线性函数进行逼近;对于快变子系统,采用扩张状态观测器（ESO）对不易测量的柔性模态坐标导数和不确定扰动进行估计,并结合线性二次调节器（LQR）方法抑制柔性振动。数值仿真结果表明,当控制力矩限制在±20 N·m和±10 N·m范围内时,该组合控制器能够在2.5 s实现稳定的关节轨迹跟踪,并将柔性振动幅值限制在±1×10^-3 m内。     

高超音速BTT巡航飞行器变结构控制系统设计

针对高超音速BTT巡航飞行器气动参数变化大,动力学特性具有气动、惯性交叉耦合和运动学耦合的特点,采用了基于反馈线性化和变结构理论的控制器设计方法.首先利用时间尺度理论将控制系统分为快变量和慢变量两个子系统,然后应用动态逆反馈分别对子系统进行线性化解耦,最后根据线性变结构理论单独设计各通道控制器.仿真结果显示基于方法设计的姿态控制器可以确保对指令跟踪的精确性和鲁棒性,姿态指令跟踪无静差,响应超调量小于10%.     

基于神经网络与粒子滤波的柔性臂控制方法研究

基于奇异摄动法将单连杆柔性臂系统分解为慢变、快变子系统,采用混合控制方法;设计了基于粒子滤波的神经网络控制器来线性化慢子系统,使其跟踪期望轨迹;采用粒子滤波训练神经网络克服了BP算法收敛速度慢、易陷入局部极小值的缺陷,及扩展卡尔曼滤波方法带来的模型线性化损失;对于快变系统采用最优控制方法;仿真结果表明:在神经网络训练误差收敛速度及精度方面,粒子滤波要比BP及卡尔曼滤波要好;组合控制方法能有效地抑制柔性臂弹性振动,轨迹跟踪迅速准确,精度方面也是前者最优。     

滑模控制及其在柔性臂轨迹控制中的应用

变结构控制系统是一类特殊的非线性控制系统,滑模控制就是其中一种。滑模控制对系统参数及扰动的变化反应迟钝,具有很强的鲁棒性,该类控制方法特别适合于机械臂系统的控制。本文中采用奇异摄动方法将双连杆柔性机械臂系统分解为慢变和快变两个子系统,并对慢变子系统采用滑模控制方法设计了控制器。采用MATLAB进行的数值仿真结果表明了所设计控制器的有效性;     

基于奇异摄动的双连杆柔性臂模糊控制

讨论了双连杆柔性臂位置控制问题。应用拉格朗日-假设模态法建立系统的动力学方程，并用奇异摄动法将双连杆柔性臂系统分解为两个降阶的慢变子系统和快变子系统。针对柔性臂强非线性、强耦合性及不确定性等特点，给出一种慢变子系统在反馈线性化后采用模糊控制、快变子系统因呈线性系统而采用简单的最优控制的混合控制方法。其中，模糊控制是二维PD型控制器，其输入为关节角跟踪误差及其导数。最后进行了计算机仿真，结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效的抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

弹性基和弹性关节空间机器人的自适应鲁棒抗扰控制及振动抑制

研究不确定弹性基和弹性关节空间机器人的抗扰运动控制及基座和关节弹性振动同步抑制问题.在对基座和关节弹性进行等效线性弹簧假设的基础上,建立了弹性基和弹性关节空间机器人的动力学方程,并推导了基于等效刚度思想的奇异摄动慢、快变子系统.对传统参数自适应控制律进行σ修正并与鲁棒抗扰控制相结合,对不确定参数和有界外部扰动影响下的慢变子系统提出了基座姿态和臂杆关节刚性运动轨迹跟踪的改进自适应鲁棒抗扰控制方案.使用高增益线性状态观测器对快变高阶量进行实时观测,针对快变子系统设计了基座和关节弹性振动同步抑制的改进最优控制方案.仿真示例分析,表明了所提混合控制方案在空间机器人抗扰运动控制及振动抑制上的有效性.     

Modeling and vibration control for a flexible pendulum inverted system based on a PDE observer

This study addresses the problem of trajectory control of a flexible pendulum inverted system on the basis of the partial differential equation (PDE) and ordinary differential equation (ODE) dynamic model. One of the key contributions of this study is that a new model is proposed to simplify the complex system. In addition, this study proposed a nonlinear PDE observer to estimate distributed positions and velocities along flexible pendulum. Singular perturbation method is proposed to solve the coupling system of nonlinear PDE observer. The nonlinear PDE observer is divided into a fast subsystem and a slow subsystem by the use of the singular perturbation method. To stabilise this fast subsystem, a boundary controller is proposed at the free end of the beam. The sliding-mode control method is proposed to design controller for slow subsystems. The asymptotic stability of both the proposed nonlinear PDE observer and controller is validated by theoretical analysis. The results are illustrated by simulation.     

单连杆柔性臂负载自适应模糊滑模控制

针对单连杆柔性臂，提出了负载自适应模糊滑模控制与最优控制相结合的混合控制方法。首先，采用奇异摄动将系统分为慢变和快变两个子系统。然后，对慢变子系统采用负载自适应模糊滑模控制，快变子系统采用最优控制。最后，仿真结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效地抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

一种双连杆柔性臂动力学模型的研究

针对末端位置受约束的双连杆柔性机械臂,通过哈密顿原理得到系统的分布参数模型,推导了描述关节角,柔性杆振动和接触力之间关系的动力学模型.根据3个假设条件推导柔性臂简化的集中参数动力学模型及准静态方程,利用了计算力矩法设计的控制器对模型进行控制,通过Matlab进行仿真,利用Matlab的符号运算功能,编制M文件实现数学模型自动推导,整个建模和运算过程简单、直观和高效,并绘制了参数轨迹图像,验证了模型的有效性,已应用到小波神经网络控制算法研究中.     

Two-time scale control and observer design for trajectory tracking of two cooperating robot manipulators moving a flexible beam

In this paper, we present two-time scale control design for trajectory tracking of two cooperating planar rigid robots moving a flexible beam, which does not require vibration measurement for the beam. First, the kinematics and dynamics of the robots and the object are derived. Then, using the relations between different forces acting on the object by the manipulators’ end-effectors, dynamics equations of the robots and the object are combined. The resulting equations show that the coupled dynamics including beam vibration and the rigid motion take place in two different time domains. By applying two-time scale control theory on the combined dynamics, a composite control scheme is elaborated which makes the beam orientation and its center of mass position track a desired trajectory while suppressing the beam vibration. For the controller algorithm, first a slow controller is utilized for the slow (rigid) subsystem and then a fast stabilizing controller is considered for the fast (flexible) subsystem. To avoid requiring measurement of beam vibration for the fast control law, a linear observer is also designed. The simulation results show the efficiency of the proposed control scheme.     

On the optimal tuning of a robust controller for parabolic distributed parameter systems

Optimal tuning of robust multivariable controllers for stable parabolic distributed parameter systems is discussed. In order to evaluate the behaviour of the closed loop system, a quadratic criterion is selected. Then it is proved that the system may be decomposed into slow and fast subsystems, and that the value of the criterion will mainly depend on the slow subsystem. Tuning of the controller, for this subsystem, turns out to be a standard finite-dimensional quadratic regulator problem. Two examples are given to show the improvement due to the new selection of the control parameters.