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.     

基于扰动和摩擦补偿的柔性机械臂系统非奇异快速终端滑模控制

本文针对系统中存在的关节摩擦、动力学参数不确定性和外部负载干扰等因素引起的柔性机械臂系统控制性能下降的问题,提出了一种基于扰动和摩擦补偿的非奇异快速终端滑模控制方法(NFTSMC-DE-FC).首先,设计扰动估计器(DE)对系统未知动态参数和负载干扰进行估计.然后,针对扰动估计器不能精确估计的关节摩擦力矩进行辨识.最后,利用滑模控制技术设计非奇异快速终端滑模控制器,并将扰动估计值和摩擦力辨识值以前馈的方式进行补偿,实现对柔性机械臂系统给定参考轨迹跟踪的准确性以及对外界扰动的鲁棒性.值得注意的是,与传统只使用扰动估计器的方法相比,本文考虑到了摩擦力等非线性因素的影响,并利用辨识技术对摩擦力进行辨识,提高了控制精度.利用Lyapunov稳定性定理从理论上证明了所设计的控制器可以保证闭环系统的稳定性.实验结果表明,相较于非奇异快速终端滑模控制方法(NFTSMC)和基于扰动估计器的非奇异快速终端滑模控制方法(NFTSMC-DE),所提方法提高了柔性机械臂系统的轨迹跟踪性能.     

空间机器人地面实验系统的一种鲁棒自适应控制方法

本庆于李亚普诺夫直接方法,针对具有参数及模型不确定性的空间机器人地面实验系统。提出了一种新的鲁棒自适应控制器。该控制器由三部分组成：线性ＰＤ反馈项、补偿动力学的自适应控制项和补偿建模不确定性的鲁棒控制项,控制策略能有效地克服未建模的摩擦力和外部扰动以及吊丝配重系统未补偿掉的重力影响,并且能保证全局一致最后有界。仿真表明了算法的可行性和有效性。     

一类互联机器人系统鲁棒分散自适应控制

研究一类存在模型不确定性和外部扰动的互联机器人系统的控制问题.控制器由一般线性控制器,线性自适应控制器和非线性自适应控制器综合构成.通过Lyapunov理论证明设计的鲁棒分散自适应控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近轨迹跟踪控制.最后给出一个仿真例子进一步验证控制器的有效性.     

高阶耦合机器人的自适应模糊滑模分散控制

针对一类存在模型不确定性和未知非线性扰动的机器人系统,考虑其不确定项和未知扰动项的上界是关于系统状态的普通高阶多项式,结合模糊系统的逼近能力,提出了一种基于滑模控制原理的自适应模糊分散控制方法.该方法不仅能够使得关节之间相互耦合的机器人各关节的控制器仅由本关节的信息就能完全确定,而且消除了现存文献在设计机器人分散控制器...     

机器人鲁棒自适应分散控制

本文提出一种新颖的鲁棒自适应分散控制策略，用于不确定性机器人的轨迹跟踪．该控制器结构非常简单，由一个线性ＰＤ反馈＋补偿不确定动力学的非线性自适应反馈构成，能够有效的克服通常难于建模的摩擦力和外部扰动影响，而唯一需要了解的只是各关节输出的位置及速度状态，最后保证全局的渐近稳定．二自由度机器人的仿真证明了该法的有效性．     

柔性关节机器人抓取末端振动自动化控制方法

为了提高柔性关节机器人抓取末端振动控制精度,该文提出柔性关节机器人抓取末端振动自动化控制方法。对柔性关节机器人展开系统动力学分析,构建奇异摄动模型定义柔性关节机器人系统的运动方程。设计柔性关节机器人的优化控制器,构建控制误差代价函数。利用拉格朗日法获取函数最优解,实现柔性关节机器人抓取末端振动自动化控制。实验结果表明,该方法能够有效抑制柔性关节机器人末端振动信号,相位控制误差均在0.02°以内,抑振措施的上升时间低于7.66 s,末端控制精准度高、效率高、性能好。     

全局稳定的PD+前馈机器人鲁棒自适应控制

研究应用PD+前馈控制结构的不确定性机器人轨迹跟踪问题.在忽略摩擦力和外部 扰动情况下,设计了一大类综合的自适应控制策略,能保证系统全局的渐近稳定;在摩擦力和外 部扰动存在时,提出两种新颖的鲁棒自适应混合控制方法,不仅可以保证闭环系统的全局稳定 性,同时还能给出系统清晰的暂态性能.严格的理论证明和二自由度机器人的仿真验证了控制 器的有效性.     

机器人柔性手臂混合ITAE最佳鲁棒控制研究

机器人柔性手臂动力学模型的复杂性及客观系统中的不确定因素,使传统的控制系统很难达到预定的控制要求,寻求鲁棒性强的控制策略势在必行。针对模型参数及扰动的不确定性,进行混合ITAE最佳控制、H∞PID鲁棒控制策略研究,同时利用遗传算法(GA)的隐含并行性和全局搜索特点整定控制器的控制参数以达到混合ITAE、H∞优化性能,并用MATLAB软件进行数值仿真,结果表明这种控制设计方法适用于柔性机器人手臂的控制。     

基于免疫优化的平面Acrobot线性自抗扰鲁棒镇定

针对受不确定性影响的平面Acrobot机器人,提出一种基于免疫优化的线性自抗扰鲁棒控制设计方法,实现机器人末端点从任意初始位置到达并镇定在目标位置.首先,借助驱动关节与被动关节角度之间的状态约束获取机器人末端点位置与驱动关节角度的对应关系,使末端点的位置控制转换为驱动关节的角度控制;其次,为缩短运动路径加入最小角度位移限制条件,设计免疫算法求解目标位置所对应的驱动关节角度的最小期望值;再次,引入线性自抗扰控制技术,把机器人的模型不确定性、未知干扰等因素视为一个新的扩张状态变量,设计线性扩张状态观测器和基于状态误差的反馈控制器,在仅驱动关节角度可测的情况下实现Acrobot的鲁棒镇定;最后,通过仿真实验验证所提出方法具有更好的鲁棒控制性能.     

Robust dynamic surface control of flexible joint robots using recurrent neural networks

A robust neuro-adaptive controller for uncertain flexible joint robots is presented. This control scheme integrates H-infinity disturbance attenuation design and recurrent neural network adaptive control technique into the dynamic surface control framework. Two recurrent neural networks are used to adaptively learn the uncertain functions in a flexible joint robot. Then, the effects of approximation error and filter error on the tracking performance are attenuated to a prescribed level by the embedded H-infinity controller, so that the desired H-infinity tracking performance can be achieved. Finally, simulation results verify the effectiveness of the proposed control scheme.     

基于非线性参数的电液伺服系统滑模控制

针对在电液伺服系统跟踪控制中存在非线性不确定参数和外界扰动的问题,提出了一种基于积分微分器的滑模Lyapunov函数的控制方法。首先,在只有位移信号测量输出的情况下,采用高阶积分链式微分器对其速度和加速度信息进行预估。系统存在非线性不确定参数,利用微分器对状态和不确定项的实时估计,设计出积分滑模控制器,实现自适应规律以及对电液伺服系统中不确定扰动的抑制。搭建电液伺服系统AMESim模型并与Matlab构成联合仿真平台,对控制器进行仿真。仿真表明,该控制器具有良好的对非线性不确定参数变化的补偿能力和跟踪性能。     

Backstepping Control for Flexible Joint with Friction Using Wavelet Neural Networks and L2‐Gain Approach

In this study, a new backstepping control scheme is proposed to deal with the high accuracy flexible joint servo system's position control. Based on the introduction of non‐consecutive friction, the cascade dynamics equations of flexible joint are established. The macroscopic controller is designed using a backstepping design technique to suppress the flexibility and external disturbance based on the L₂ property. To identify the non‐consecutive function, the wavelet neural networks (WNN) are utilized in the microscopic controller to compensate for nonlinear friction and uncertainties. The combined strategy of macro and micro controller can overcome the derivation explosion problem and avoid the joint acceleration measurement and upper bound forecast. Finally, stability analysis and mathematical simulations are presented to verify the effectiveness of this new controller.     

基于自适应模糊补偿的机械臂复合控制策略

针对刚性机械臂存在摩擦和扰动等不确定因素给轨迹跟踪控制带来的困难,本文基于李亚普诺夫稳定性理论,给出了一种机械臂的自适应控制方案．该方案针对机械臂的标称部分,采用计算力矩的方法设计相应的控制量,在此基础上,构造模糊系统逼近摩擦得到补偿控制量,并针对随机扰动的上界设计反馈控制率,以克服扰动带来的影响,保证系统的稳定性．仿真结果表明,该复合控制对于具有不确定性摩擦以及扰动的机械臂轨迹跟踪问题效果良好．     

Adaptive robust torque control of electric load simulator with strong position coupling disturbance

Electric load simulator (ELS) is an important equipment to exert aerodynamic load to actuation system according to flight condition. The key issue of ELS is how to eliminate the influence of extra torque caused by actuation system, parametric uncertainties and uncertain nonlinearities. In order to overcome these difficulties, this paper proposes a powerful model-based adaptive robust torque control (ARTC) algorithm which transfers external disturbance elimination problem to a performance-oriented problem under uncertainties and nonlinearities. A discontinuous projection-based online parameter adaptation is employed to reduce the effect of various parameter uncertainties. Instead of discontinuous friction model, a continuous friction model based on smooth shape function is applied for friction compensation. The estimated velocity of actuator is utilized in ARTC controller for eliminating extra torque. The backstepping design via adaptive robust control Lyapunov function is employed to construct ARTC control law for ELS. Extensive comparative results indicate that the proposed ARTC controller is effective to achieve a guaranteed transient as well as final tracking accuracy in the presence of both parametric uncertainties and uncertain nonlinearities.     

永磁直线电机扰动估计与补偿的位置反步控制

由于永磁直线同步电机直接驱动负载,负载突变、摩擦力和推力波动等各种干扰也将无缓冲地直接作用于电机动子上,如果不加以考虑,将会严重影响伺服系统的精度.为了克服不确定性扰动给永磁直线同步电机位置伺服系统带来的不良影响,提出一种鲁棒反步控制策略.首先,对永磁直线同步电机的数学模型进行分析,将负载阻力、推力波动和摩擦力等作为总干扰;然后,设计一种观测器对总干扰进行估计,将干扰的估计值引入到反步控制律中,起到对扰动进行补偿的作用,并利用Lyapunov函数分析系统的稳定性;最后,通过与不带扰动补偿的反步控制进行仿真比较,结果表明所提出的控制策略能够有效消除不确定性扰动对系统的影响,增强伺服系统的鲁棒性,提高电机位置的跟踪精度.     

车载惯性稳定平台的神经网络滑模控制

三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系统耦合选用RBF神经网络作为扰动估计器,以便实时估计与补偿;然后采用前向增稳通道应对建模参数不精确以保证系统的稳定性.最后,利用Lyapunov定理分析了闭环系统的稳定性,在伺服控制与姿态锁定的仿真实验中分别与双环PID、滑模控制和反演滑模控制作对比,结果验证了提出的控制算法的有效性和鲁棒性.     

基于神经网络的鲁棒自适应控制

考虑摩擦及外界干扰的情况下，针对具有不确定性参数的机器人系统，提出一种基于神经网络动态补偿的鲁棒自适应控制策略，采用神经网络在线补偿控制器以克服系统的外部扰动，未建模动力学部分等非参数不定性带来的影响，从而提高了系统的动态性能和稳态精度，并对闭环系统稳定性进行了证明，仿真结果表明，所提方法具有良好的跟踪性能和较强的鲁棒性。     

含有摩擦补偿的全方位移动机器人自抗扰控制

本文针对全方位移动机器人轨迹追踪中的摩擦补偿问题,提出了一种改进的非线性自抗扰控制器.首先建立了含有经典静态摩擦模型的全方位移动机器人动力学模型.其次,基于该模型设计非线性控制器和线性扩张状态观测器并给出了系统的稳定性分析.通过将模型已知项加入线性扩张状态观测器中得到摩擦力的估计值,并将估计值用于非线性控制器中摩擦补偿部分.为减小摩擦力对机器人低速运动轨迹追踪控制的影响,非线性控制器采用变增益控制器进行轨迹追踪控制.最后通过仿真结果验证本文提出控制器的有效性.