基于模型预测—中枢模式发生器的六足机器人轨迹跟踪控制

为了模仿动物卓越的运动能力和环境适应能力,提出了六足仿生机器人的轨迹跟踪控制方法。首先建立了机器人的运动学模型,接着通过转向参数将机器人的速度和角速度与中枢模式发生器（CPG）参数结合起来,设计了转换函数。然后通过转换函数将模型预测控制器和CPG网络结合起来,提出了基于CPG的模型预测控制器（MPC-CPG）,并证明了其稳定性。最后对机器人跟踪圆周轨迹和直线轨迹进行了仿真和实验。实验表明,在有初始误差的条件下,机器人在MPC-CPG控制器的作用下能够快速地消除位置误差和航向角误差,跟踪上参考轨迹。轨迹跟踪的位置误差始终保持在-0.1～0.1 m,航向角误差保持在-27?～20?。在MPC-CPG控制器的作用下,机器人不仅具有较高的轨迹跟踪精度,同时还表现出良好的运动平滑性和协调性,进一步验证了所提出的MPC-CPG控制器的有效性。     

基于模糊PID调节的核磁兼容机器人气动控制技术

基于自主研发的MRI(核磁共振成像)导航针刺手术机器人,搭建了机器人气动控制系统.建立了开关阀控气缸、气缸摩擦力及长气管等数学模型,设计了模糊PID(比例–积分–微分)控制器,并在此基础上进行了PWM(脉宽调制)信号的线性分解.模拟仿真和实验验证结果均表明模糊PID控制器对系统具有较高的位置控制精度及轨迹跟踪能力.结合机器人进行针刺精度实验,结果显示针刺精度误差为0.79 mm,满足精度要求.     

基于预见前馈补偿的直线永磁同步电动机的位置伺服控制系统

在数控机床,机器人等一类应用的轨迹跟踪问题中,未来目标轨迹信息对提高跟踪精度具有十分重要的意义。本文设计的基于预见前馈补偿的位置控制器,充分利用未来信息,能够克服模型误差等干扰,通过仿真实验结果验证了该方法的可行性和良好的控制效果。     

基于遗传算法优化的机器人模糊控制系统

本文提出一种基于遗传算法优化的模糊控制系统并将之用于五自由度关节型机器人轨迹跟踪控制,该系统将五关节的位置误差和误差变化率作为模糊控制器的输入,输出为五关节的转矩,同时采用先进的遗传算法在线优化调整控制器参数,既避免建立复杂的机器人数学模型,又能达到精确的控制效果.仿真结果表明该控制系统用于机器人轨迹跟踪控制具有很好的性能,较好地实现了机器人的实时智能控制,并大幅提高了其控制的自适应性和鲁棒性,最后给出相关的实验和结论.     

作业型飞行机器人抓取后重心偏移的轨迹跟踪控制

作业型飞行机器人是指能够对环境施加主动影响的飞行机器人, 它通常由旋翼飞行器与机械臂组合而成. 本文针对作业型飞行机器人在动态飞行抓取后, 重心位置变化产生的系统控制难题, 设计了有效的跟踪控制策略. 首先, 在系统建模时引入重心偏移系统参数和重心偏移控制参数, 并考虑惯性张量不为常数, 提高了系统建模的精度. 然后, 在姿态解算时, 考虑重心偏移对系统性能的影响, 构建包含重心偏移系统参数的解算方法, 得到更高精度的期望翻滚角和期望俯仰角. 接着, 设计了基于滑模控制的重心偏移补偿位置控制器, 实现了有效的位置跟踪控制. 同时, 在姿态反演控制器的基础上, 加入自适应律估计重心偏移控制参数和变化的惯性张量, 再通过小脑神经网络逼近惯性张量的真实值, 提高姿态控制器的精度. 最后, 给出了所设计控制器的稳定性证明, 并在仿真环境下验证了所提出的方法的有效性和优越性.     

基于无源性理论的柔性关节控制器设计

为了提高柔性关节机器人的轨迹跟踪精度和抖动抑制能力,设计了一种基于无源性理论的柔性关节控制器.通过Simulink仿真验证和简化了该控制器,使其更加适合于多自由度机器人的控制.用于实验的7自由度机器人采用DSP+FPGA结构,数字信号处理器(DSP)和现场可编程逻辑门阵列(FPGA)分别实现非线性部分和线性部分计算,避免了由于自由度的增加引起的关节控制器性能变化.实验结果表明,与传统的PD控制相比,基于无源性理论的柔性关节控制器具有力矩波动小以及抖动抑制快、稳态精度高等优点.     

全方位轮式下肢康复训练机器人轨迹跟踪控制

全方位轮式下肢康复训练机器人需要跟踪医生给受训者设定的轨迹.机器人自身的不确定性和患者在康复训练时对机器人运行产生的干扰会影响其跟踪性能.本文设计了一种非线性L<,2>鲁棒控制器解决上述扰动抑制问题.给出了下肢康复训练机器人的运动学模型,并由此建立了位置误差系统的动态模型.将机器人的跟踪和不确定干扰抑制归结为L<,2>...     

基于控制器输出误差方法的自适应模糊控制及其在机器人轨迹跟踪控制中的应用

本文提出一种自适应模糊控制器并将之用于机器人轨迹跟踪控制 ,该控制器采用控制器输出误差方法 (COEM) ,根据控制器的输出误差而不是对象的输出误差来在线地调整模糊控制器的参数 ,无须对对象进行辩识 .仿真结果表明该控制器用于机器人轨迹跟踪控制具有很好的性能 ,是一种有效的控制器     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

基于广义双曲正切模型的机器人模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点，设计一种直接模糊自适应控制器用于机器人轨迹跟踪控制．模糊控制器的输入变量经过平移变化后得到的广义输入变量能够覆盖整个输入空间，因此，模糊控制器能以任意精度逼近系统的最优控制；由于双曲正切模型的特殊结构，在保证跟踪精度的同时，避免了因模糊子集数目增加而带来的计算负担的增加，满足了机器人实时控制的需要．仿真结果表明，该控制算法具有较强的鲁棒性和较好的跟踪性．     

基于模糊PD型输入迭代学习的工业机器人轨迹跟踪控制

针对工程应用中工业机器人的内置控制器在确定其结构和控制参数后一般不能修改的问题,提出一种基于机器人内置控制器的模糊比例—微分(PD)型输入迭代学习轨迹跟踪控制方法。利用跟踪误差及其导数构建控制律,控制参数采用模糊增益调整型进行自整定,无需根据轨迹反复调整,并将迭代学习量叠加到轨迹输入中,通过更新实际轨迹输入来提高目标轨迹的跟踪精度。MATLAB/SIMULINK仿真和六自由度工业机器人实验结果表明:提出的方法能够在不影响机器人内置控制器稳定性的基础上,实现更高精度的轨迹跟踪。     

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。     

机器人的模拟复合正交神经网络学习控制

提出一种神经网络与PD并行控制的机器人学习控制系统。为了加快神经网络的学习算法，在数字复合正交神经网络的基础上给出一种模拟复合正交神经网络的学习算法，以两关节机器人为对象仿真结果表明，该控制方法使机器人跟踪期望轨迹，其系统响应、跟踪精度和鲁棒性优于常规的控制方法，位置跟踪获得了满意的控制效果。该模拟神经控制器为不确定系统的控制提供了一种新的途径。     

空间三关节机器人模糊积分滑模控制

研究提高关节机器人轨迹跟踪控制的性能,由于关节机器人运动中产生振动,影响系统的稳定性能。为解决上述问题,提出了一种反馈线性化的自适应模糊积分滑模控制方法。在上述方法的基础上,对机器人非线性动力学模型反馈线性化。为了进一步提高滑模控制的精度,设计了一种积分滑模面的滑模控制器,可以减弱积分滑模控制的抖振。通过设计一个模糊控制器,根据积分滑模面的大小自适应地调节积分滑模控制的切换部分,达到削弱抖振的目的。利用李亚普诺夫定理证明了控制系统的稳定性。仿真结果表明,改进方法有效地提高了关节机器人跟踪控制性能。     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.     

参数不确定机器人分散鲁棒跟踪控制

提出了一种新的参数不确定机器人分散控制器设计方法．首先将关节子系统的动力学模型分解为人工标称模型和非线性时变不确定模型两部分；然后分别设计相应的标称控制器和鲁棒补偿器．标称控制器使得标称闭环系统具有理想的跟踪性能；鲁棒补偿器可以抑制参数不确定和关节间非线性耦合等因素的影响，实现鲁棒跟踪．所设计的控制器只需要局部关节的位置反馈，具有易于实现和可在线调整的优点．仿真结果说明了该方法的有效性．     

救援机器人自适应模糊控制的研究

研究了腿轮混合结构式救援机器人的自适应运动控制问题;由于腿轮式救援机器人是一多自由度、非线性和强耦合的系统,其动力学模型比较复杂且难以精确建立,提出采用T-S型模糊神经网络进行机器人的运动控制;充分利用T-S模糊模型的特点和优点,以一种简化的T-S型模糊神经网络作为前馈控制器,同时反馈控制器也采用T-S型模糊神经网络实现;该控制器利用人的经验和知识实时调整PID参数,从而改善控制系统的性能,提高控制器的适应能力;实验结果表明该方法具有良好的轨迹跟踪精度和抗干扰能力.     

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.     

多关节机器人的模糊自适应阻抗控制研究

为改进机器人位置和力跟踪的实时性、稳定性,提出了一种多关节机器人模糊自适应阻抗控制算法。在接触空间对多关节机器人进行自适应阻抗控制研究,设计了模糊自适应阻抗控制器,并运用模糊控制对目标阻抗控制参数进行动态调整。该算法具有很好的平滑性和稳定性,能有效地适应环境的变化。最后,以PUMA560机器人前三关节为对象进行仿真研究。仿真结果表明,该算法能很好地跟踪动车组侧窗玻璃安装机器人的位置和接触力。