神经网络H^∞跟踪控制研究

提出一种用于不确定性非线性系统的具有Ｈ＾∞跟踪特性的神经网络（ＮＮ）适应控制器，使Ｈ＾∞控制理论与ＮＮ有机地结合起来，该控制方案对ＮＮ学习的近似误差以及外部干扰有强的鲁棒性。对一类电液伺服系统的仿真研究表明了该控制方案的有效性。     

一类非线性系统的自适应模型控制

对一类非线性不确定连续系统，提出了一种新的自适应控制方法。此方法用Ｔ－Ｓ模糊系统对未知函数进行逼近，引入Ｈ＾∞控制减弱外部干扰及逼近误差对输出跟踪误差的影响，证明了该方法可保证闭环系统稳定。仿真结果验证了此算法的有效性。     

仿生六足爬行机器人运动控制技术研究

在对生物神经系统结构与功能进行分析和借鉴的基础上，采用模块化分散递阶控制技术对仿生六足爬行机器人进行实时控制，解决了仿生六足机器人实时精确运动控制的问题，并在机器人关节控制模块中运用了模糊小波神经网络控制，实现了机器人肢体运动的快速精确跟踪；通过Matlab进行的轨迹跟踪仿真试验证实：机器人步行足的运动轨迹与期望曲线基本吻合，具有较好的跟踪特性，且误差曲线快速收敛，静态误差趋近于零；由此表明，该机器人控制系统可靠性高，实时性强，具有较好的动、静态特性，以及良好的抗干扰能力和自适应能力，克服了传统控制方法存在的控制模型难以建立、对环境适应能力差等缺点，为仿生六足爬行机器人的进一步研究奠定了坚实的基础。     

不确定系统的滚动时域H∞控制设计

针对存在状态矩阵、输入矩阵结构化摄动和外成动输入等不确定性的连续线性时变系统,给出滚动时域Ｈ＾∞控制律及其存在性的充分条件。该控制律使系统闭环稳定,且系统对扰动输入的增益不超过某一人为设定的上界。进一步考虑执行机构非线性特性,推导出上述系统当执行机构存在扇区非线性摄动时的稳定滚动时域Ｈ＾∞控制律及其存在性的充分条件。     

具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力，加快输出跟踪误差的收敛速度并提高其精度，提出了一种稳定的模糊自适应控制策略。该控制算法基于模糊逻辑系统，将模糊自适应控制器的设计与H∞控制相结合，在鲁棒补偿的基础上引入模糊补偿；并基于Lyapunov方法，给出了学习自适应律，及H∞跟踪特性的证明。对二自由度机器人的仿真结果表明，该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善，具有良好的鲁棒性和抗干扰能力。     

基于观测器的机器人鲁棒跟踪控制

基于滑模控制原理设计稳定的状态观测器，在此基础上。研究了仅有关节角位移可测量的机器人轨迹跟踪控制问题。运用反推设计方法提出一种机器人鲁棒跟踪控制新方案。通过引入用于抑制观测误差的阻尼项和调制参数。加快了输出跟踪误差的收敛速度。利用李亚普诺夫方法分析了闭环控制系统的全局稳定性，证明了系统所有状态信号有界，跟踪误差收敛到零。仿真结果进一步表明，提出的控制方案具有较强的鲁棒性和良好的跟踪性能。     

基于滑模变结构控制的路径跟踪研究

为解决锅炉水冷壁磨损检测机器人的路径跟踪问题,提出了一种基于指数趋近律的滑模变结构控制的机器人路径跟踪方法。在水冷壁磨损检测机器人运动模型的基础上,进行路径跟踪误差分析,设计一种基于指数趋近律的滑模变结构控制器,再利用Lyapunov定理验证其收敛性,最后通过MATLAB软件模拟仿真,仿真结果表明该控制器可以克服误差,使位姿误差收敛至零。     

同步电动机位置模态L∞预测控制的研究

研究将同步电动机位置控制问题转化为一个带约束的基于模型的Ｌ＾∞预测控制问题,解决同步电动机步进运动的动态跟踪特性。仿真与实验结果证明了其可行性和控制特性的优良。     

同步电动机位置模态L∞预测控制的研究

研究将同步电动机位置控制问题转化为一个带约束的基于模型的Ｌ＾∞预测控制问题,解决同步电动机步进运动的动态跟踪特性。仿真与实验结果证明了其可行性和控制特性的优良。     

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.     

柔性关节机操手的神经网络控制

本文在关节柔性较弱的情况下，对柔性关节机器人操作手的轨迹跟踪问题，提出了一种基于奇异摄动理论的机器人神经网络控制设计方法，在一般框架下证明了系统跟踪误差最终一致有界，并且可以通过选取增益矩阵使该误差界任意地小. 该方法克服了对模型参数线性化条件的要求，无需求解回归矩阵，因而具有很强的鲁棒性和模型推广能力. 数值试验表明，所提出的控制方法是可行且有效的.     

离散系统奇异H^∞控制问题的降阶控制器设计：LMI方法

考虑了离散系统的奇异Ｈ＾∞控制问题，对于广义对象既具有无穷远零点及具有单位圆零点的情形，引入线性矩阵不等式（ＬＭＩ）方法，研究了奇异Ｈ＾∞问题的降阶控制器的存在判据和设计准则，对于所述广义对象，指出若存在Ｈ＾∞控制器，则它必存在降阶控制器，提出可行的降阶控制器设计方法，它仅涉及ＬＭＩ的凸优化解法和简单的系统等价变换。     

不确定性机器人的自适应跟踪控制

提出了一种自适应的控制策略，用于不确定性机器人的轨迹跟踪，该控制器结构简单，且无需计算回归矩阵，通过对二自由度的机器人的信真，证明该方法能使跟踪误差快速趋近于零。     

基于LMI方法的鲁棒H^∞性能问题

考虑一类具有非线性不确定性系统的鲁棒Ｈ＾∞性能问题。此类系统的非线性不确定性可由与状态变量有关的范数有界条件描述。对于由此类系统表示的控制对象,首先给出了判断鲁棒渐近稳定和Ｌ２增益有限的充分条件,然后针对输出反馈的情形提出了基于线性矩阵不等式问题的可解条件,把鲁棒Ｈ＾∞性能归结到辅助对象的标称Ｈ＾∞控制问题。     

基于双目视觉动态跟踪的机器人标定

采用双目视觉动态跟踪技术对自主研发的工业机器人进行运动学标定。区别于以往机器人运动学标定中复杂模型计算,在此利用双目视觉动态跟踪系统的静态测量和动态跟踪等优势特性来跟踪测量机器人的连杆参数误差,结合机器人控制系统开放性特点,运用提出的动态标定原理对机器人实施连杆参数测量、辨识、修正及补偿。实验表明,通过参数反馈补偿,自主研发的机器人的定位误差明显降低,且该方法易于实现,为机器人精度研究提供了可靠依据。     

具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力,加快输出跟踪误差的收敛速度并提高其精度,提出了一种稳定的模糊自适应控制策略.该控制算法基于模糊逻辑系统,将模糊自适应控制器的设计与H∞控制相结合,在鲁棒补偿的基础上引入模糊补偿;并基于Lhapunov方法,给出了学习自适应律,及H∞跟踪特性的证明.对二自由度机器人的仿真结果表明,该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善,具有良好的鲁棒性和抗干扰能力.     

基于神经网络的不确定非线性系统的鲁棒控制

利用神经网络和Ｈ＾∞控制理论对一类不确定非线性系统提出一种新的鲁棒控制器。该方法通过在线调整网络权来改善系统的暂态性能,不要求网络的离线学习过程和先验逼近误差界的知识,并可保证闭环系统的稳定性。仿真结果表明所提出方法的有效性。     

SCARA机器人内模控制方法

为了使SCARA机器人在外界干扰和模型不精确的情况下具有优良的轨迹跟踪性能,提出一种基于内模控制原理设计SCARA机器人控制器的方法。采用拉格朗日方法获得SCARA机器人动力学模型,将其作为内模控制的估计模型;选择内模滤波器[f(S)]设计内模控制器[Q(S),]使其满足稳态误差为零的条件,通过推导得出不同输入信号下的SCARA机器人控制律。通过仿真,将其与自适应模糊滑模控制方法进行对比分析,结果表明所提出的方法轨迹跟踪精度高,抗干扰能力强,控制器参数调节简单。     

基于神经网络的一类非线性系统自适应H∞控制

基于神经网络提出一种自适应Ｈ∞控制方法。控制器由等效控制器和Ｈ∞控制器两部分组成,用神经网络逼近未知非线性函数,Ｈ∞控制器用于减弱外部及神经网络逼近误差对跟踪误差的影响。所设计的控制器不仅保证了闭环控制系统的稳定性,而且使外部干扰及神经网络逼近误差对跟踪误差的影响减小到预定的性能指标。     

基于无源化方法的移动机器人轨迹跟踪控制

该文将无源化方法应用到机器人轨迹跟踪控制中，根据机器人的动力学模型，采用基于模型及其转换矩阵的时变误差反馈的控制策略，将机器人的动力学过程转变为一个无损系统和关于一个二维向量的无源性映射。构造一个严格输入无源反馈映射，则此闭环系统为严格输出无源的，即此二维向量输出属于L2^n空间。由无源系统输出与轨迹跟踪误差间的转换矩阵形式可知跟踪误差也属于L2^n空间，即轨迹跟踪系统是稳定的。仿真结果表明，此方法控制效果良好，可以无差跟踪任意轨迹。