基于惯性测量单元的轮式机器人轨迹跟踪仿真

针对轮式机器人轨迹跟踪质量下降问题,提出基于惯性测量单元(IMU)的轮式移动机器人轨迹跟踪控制方法.通过两个惯性测量单元(IMU)来建立轮式机器人的速度、角速度计算模型,针对轮式移动机器人执行中的差动命令对轮式机器人实施闭环控制;设计轮式机器人工作轨迹参考量,结合动力学模型提出轮式机器人轨迹跟踪控制器,使轮式机器人可以在指定的轨迹上进行跟踪.实验结果表明,提出的方法能够使轮式移动机器人的轨迹跟踪误差更小,跟踪结果更精准.     

基于内模扩展LQ方法的WMR轨迹跟踪控制

针对现有非线性控制方案的一些瓶颈问题,从线性控制的角度出发,开展了一种用于WMR的线性二次型最优控制方法设计的研究.首先,基于WMR的运动学模型采用动态反馈线性化技术将非线性运动学模型转化为线性模型;然后,选取跟踪误差及误差收敛速度作为设计指标;同时考虑实现渐进跟踪,针对不同形式的参考轨迹,根据内模原理对控制器模态进行扩展,利用线性模型设计基于内模扩展LQ最优轨迹跟踪控制器;最后通过动态反馈反变换得到实际控制器.此外,通过将此方法的控制效果与几种经典方法进行仿真比对,说明了此方法对于跟踪的精确性和快速性上有较大优势.     

基于轨迹跟踪车式移动机器人编队控制

针对车式移动机器人的运动学模型特点, 提出一种基于轨迹跟踪多机器人编队控制方法. 首先利用编队结构参数确定队形, 根据编队轨迹和相关参数生成虚拟机器人, 把编队控制转化为跟随机器人对虚拟机器人的轨迹跟踪; 然后运用反步法构造车式移动机器人轨迹跟踪系统的Lyapunov 函数, 通过使该函数负定, 得到跟随机器人的轨迹跟踪控制器; 最后在Microsoft robotics developer studio 4 (MRDS4) 中搭建3D 仿真平台, 设计了3 组实验, 所得结果表明了所提出方法的有效性.     

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。     

改进的内模跟踪控制对随机噪声抑制的研究与仿真

对于存在随机噪声和干扰的系统,传统的内模跟踪控制是无法解决这类问题的。将自适应滤波器引入到内模控制的结构中,很好地解决了内模控制在抑制随机噪声方面的不足。针对被控对象的模型和系统性能指标,同时考虑到系统的随机噪声设计自适应滤波器,从而构建自适应控制器。通过自适应控制器和基于内模原理设计的伺服补偿器对被控对象进行跟踪控制。提出的方法综合了内模控制和自适应滤波的优点,使控制系统达到满意的跟踪控制效果,对常规谐波扰动和随机噪声都有良好的抑制作用。仿真结果表明提出的设计方法能够实现系统的无静差跟踪,并且具有良好的抗噪性和稳定性。     

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。     

基于LS-SVM非线性内模控制在焊缝跟踪中的运用

针对单纯的模糊控制器在焊接机器人的焊缝跟踪中的控制精度欠佳、自适应性不强等问题,设计了一种新的用于焊缝跟踪的LS-SVM非线性内模控制器。通过样本数据建立系统固定的LS-SVM逆模型,与系统串联成精确的伪线性系统,对伪线性系统采用鲁棒性强的内模控制。仿真结果表明该方法具有很好的跟踪结果。     

链式系统轨迹跟踪控制:一种新方案

研究了链式系统的轨迹跟踪控制问题,提出了一种新的跟踪方案,设计出能实现全避轨迹跟踪的静态控制器。它克服了用动态反馈线性化方法设计出控制器的两个缺点;控制器维数高和闭环系统有奇异点,将其用于一类轮式机器人的控制中,仿真结果表明了所提出方法的有效性。     

生物启发神经动力学模型的自治水下机器人反步跟踪控制

本文提出一种生物启发神经动力学模型的自治水下机器人(autonomous underwater vehicles,AUV)三维轨迹跟踪控制算法.将AUV在三维空间的运动分为水平面运动和垂直面运动,针对传统反步轨迹跟踪控制器出现的速度跳变问题,采用生物启发神经动力学模型,通过构造一种简单的中间虚拟变量,同时结合Lyapunov函数设计出轨迹跟踪控制律,使其控制效果在水平面和垂直面都能够达到全局渐近稳定并且有平滑连续的输出结果,克服AUV反步轨迹跟踪控制的速度跳变问题.仿真结果证明了所提控制律的有效性.     

链式系统的轨迹跟踪控制

研究了链式系统的轨迹跟踪控制问题,提出一种新的跟踪方案,设计出能实现全局 轨迹跟踪的一维动态控制器,将其用于一类轮式机器人的控制中.仿真结果表明所提方法的 有效性.     

改进QPSO算法的移动机器人轨迹跟踪控制方法

分析了智能群体的决策机制,发现在智能群体决策过程中,个体粒子参与决策的权利根据个体的优劣程度是不同的,提出了在量子粒子群优化（QPSO）算法中引入线性权重算子进一步提高QPSO算法的搜索效率及优化性能。分析了移动机器人轨迹跟踪控制的滑模变结构控制器设计方法,并采用指数趋近律和幂次趋近律相结合的方法,设计了新的滑模跟踪控制律,使用PSO算法、QPSO算法和改进算法优化了滑模跟踪控制器中的参数,通过两个实例验证了优化后的跟踪控制器的设计效果;设计效果的分析和比较表明了设计的跟踪控制器能够控制机器人实现对既定轨迹的跟踪,仿真结果显示改进QPSO算法能够在轨迹跟踪控制器的参数优化中取得更好的优化效果。     

A precise robust fuzzy control of robots using voltage control strategy

Fuzzy control of robot manipulators with a decentralized structure is facing a serious challenge. The state-space model of a robotic system including the robot manipulator and motors is in non-companion form, multivariable, highly nonlinear, and heavily coupled with a variable input gain matrix. Considering the problem, causes and solutions, we use voltage control strategy and convergence analysis to design a novel precise robust fuzzy control (PRFC) approach for electrically driven robot manipulators. The proposed fuzzy controller is Mamdani type and has a decentralized structure with guaranteed stability. In order to obtain a precise response, we regulate a fuzzy rule which governs the origin of the tracking space. The proposed design is verified by stability analysis. Simulations illustrate the superiority of the PRFC over a proprotional derivative like (PD-like) fuzzy controller applied on a selective compliant assembly robot arm (SCARA) driven by permanent magnet DC motors.     

SCARA机器人模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出了一种基于非奇异终端滑模面和改进的快速趋近律的滑模控制策略。设计了一种非奇异的快速终端滑模面,可在任意初始状态下收敛到平衡点;改进滑模控制的趋近律,在保证快速趋近的同时可有效抑制抖振,并采用双曲正切函数代替传统的符号函数,有效地消除了高频抖振。采用模糊控制调节趋近律参数,改善初始状态误差过大时引起的力矩冲击问题;基于SCARA机器人模型仿真实验表明,实验结果跟踪性能良好,输出力矩平滑。     

Adaptive tracking control for robot manipulator

In this study, an adaptive control system is proposed for the tracking control of an n-link robot manipulator to achieve high-precision position control. The presentation of the adaptive control system is divided into three parts: a feedforward controller, a state feedback controller and an uncertainty alleviator. All on-line tuning algorithms in the adaptive control system are derived in the sense of Lyapunov stability analysis, so that system-tracking stability can be guaranteed in the closed-loop system whether the uncertainties occur. It has learning ability similar to intelligent control, but with a simpler control framework. Computer simulations of a three-link SCARA robot manipulator verify the validity of the proposed control strategy in the possible presence of uncertainties. The merits of the proposed control scheme are that not only can the stability of the controlled system be guaranteed, but also no constrained conditions and prior knowledge of the controlled plant are required in the design process.     

弧焊机器人焊缝跟踪神经网络控制器

介绍了一种能提高高弧焊机器人焊缝跟踪精度的神经网络控制器,通过神经网络的补偿作用,弥补了由于无法知道机器人精确模型所造成的控制上的误差,不同于机器人控制中传统的网络控制器,本文提出并应用了基于笛卡尔空间轨迹控制的机器人焊缝跟踪神经网络,大大简化了控制算法,计算机模拟及实验表明,该控制器非常适用于只的实际焊接,对于现有机器人,无须改变其控制器内部结构,即可应用该技术,与常用的机器人关节力矩控制法相比     

An iterative linear quadratic regulator based trajectory tracking controller for wheeled mobile robot

We present an iterative linear quadratic regulator(ILQR) method for trajectory tracking control of a wheeled mobile robot system.The proposed scheme involves a kinematic model linearization technique,a global trajectory generation algorithm,and trajectory tracking controller design.A lattice planner,which searches over a 3D(x,y,θ) configuration space,is adopted to generate the global trajectory.The ILQR method is used to design a local trajectory tracking controller.The effectiveness of the proposed method is demonstrated in simulation and experiment with a significantly asymmetric differential drive robot.The performance of the local controller is analyzed and compared with that of the existing linear quadratic regulator(LQR) method.According to the experiments,the new controller improves the control sequences(v,ω) iteratively and produces slightly better results.Specifically,two trajectories,’S’ and ’8’ courses,are followed with sufficient accuracy using the proposed controller.     

基于RBF神经网络的多关节机器人固定时间滑模控制

针对具有典型非线性特性的多关节机器人轨迹跟踪控制问题,提出一种基于径向基函数(RBF)神经网络的固定时间滑模控制方法.首先,基于凯恩方法建立包括系统模型不确定性以及外部干扰在内的多关节机器人动力学模型;然后,根据机器人动力学模型设计一种固定时间收敛的滑模控制器,RBF神经网络用来逼近系统模型中的不确定性项,并利用Lyapunov理论证明该系统跟踪误差能在固定时间内收敛;最后,对特定型号的多关节机器人虚拟样机进行仿真分析,结果表明:与基于RBF神经网络的有限时间滑模控制器相比,所提出控制器具有良好的跟踪性能且能保证系统状态在固定时间内收敛.     

基于Lyapunov方法和快速终端滑模的轨迹跟踪控制

针对移动机器人的运动学模型,提出一种具有全局渐近稳定性的跟踪控制器。该跟踪控制器的设计分为两部分：第一部分是采用全局快速终端滑动模态的思想设计了角速度的控制律,用来渐近镇定移动机器人跟踪的前向角误差;第二部分是采用Lyapunov方法设计了线速度的控制律,用来渐近镇定移动机器人跟踪的平面坐标误差。采用Lyapunov稳定性定理,证明了移动机器人在满足这些控制律条件下,实现了对参考轨迹的全局渐近跟踪。实验结果表明移动机器人能够有效地跟踪期望轨迹,有利于在实际应用中推广。     

电动汽车IPMSM滑模观测器速度控制方法

增程式电动汽车在实际运行中容易产生驱动电机内部参数不确定性和外部扰动的问题,制约了控制系统性能的进一步提升,针对此问题开展电动汽车内置式永磁同步电机速度跟踪控制的研究。为电动汽车驱动电机设计了常规的基于扰动上下界的滑模速度控制器。为了抑制抖振,采用滑模观测器对扰动进行观测,将观测结果前馈至控制器内部,对驱动电机中扰动进行补偿,以降低滑模控制器中的抖振。在ECE工况下对基于上下界的滑模控制和基于观测器的控制方案进行了仿真和实验,对速度的跟踪性能和抖振的削弱性能进行了对比,结果显示负载不发生变化时速度跟踪误差由±0.08 km/h缩小到±0.01 km/h,负载发生变化时,速度跟踪误差由11.3 km/h缩小到1.6 km/h。     

RTEX网络型嵌入式运动控制器设计

针对松下A5N驱动器,采用嵌入式构架以及网络通信模式,提出了基于模块化控制核心(ARM+FPGA)适应新型实时性网络通信RTEX的多轴嵌入式运动控制器硬件平台的设计方案,并移入实时多任务操作系统μC/OS-Ⅱ。详述了控制器的功能设计、硬件设计和软件设计流程。截至目前,运动控制器硬件平台搭建均已完成,并进行了通信实验和基于SCARA机器人平台的速度、位置控制实验。结果表明,控制器通信良好,性能稳定,能够较好完成伺服控制功能。