基于控制受限的机器人鲁棒自适应位置调节

针对实际的控制系统中输入为有界的情况,研究了机器人系统存在未知参数以及外界干扰时的位置调节问题.基于李雅普诺夫稳定性理论,通过构造存储函数的过程中引入双曲正切函数向量和适当的辅助函数向量,提出了一种有界的鲁棒自适应控制器.所提出的控制器不仅保证了闭环系统的鲁棒稳定性,同时也满足了从干扰信号到跟踪误差评价信号所定义的增益性能指标,即保证了干扰抑制的有效性.最后,由两连杆机器人进行的仿真结果验证了该控制器的可行性.     

有限时间死区修正迭代学习控制器的设计

在任意初始定位条件下,讨论具有限时间死区修正的迭代学习控制器设计方法.针对一类高阶不确定非线性时变系统,通过将其不确定性项线性参数化表达,进行迭代学习控制器设计:并考虑不确定项界函数参数化情形下的鲁棒迭代学习控制方法.通过引入有限时间死区,设计的控制器可使得所定义的误差函数在有限时间内收敛至零;进而依据能控格莱姆矩阵构造的初始修正项可使得系统在预先指定的时间区间上实现完全龈踪.理论分析及数值仿真结果表明,在保证误差函数始终囿于所设计的有限时间死区内的同时,闭环系统中所有信号均有界.     

最优迭代学习控制的鲁棒稳定性及其在注塑机控制中的应有

提出了一种鲁棒最优迭代控制器的设计方法.对于任意有界的参考输出和不确定的初 始值,建立了由最优迭代学习控制器保证闭环系统有界输入有界输出(BIBO)鲁棒稳定性的充要 条件.实际应用中可根据不确定初始设定值和干扰对加权矩阵进行调整,从而保证闭环系统性能 随迭代过程的进行而得到改进.在注塑机控制中的应用验证了本文结论的有效性.     

一种机器人轨迹的鲁棒跟踪控制

把基于拉格朗日方程的n关节机器人动力学模型,转化成了一线性状态方程.基于这种线性状态方程,利用李雅普诺夫函数方法分别针对机器人标称模型和有外界不确定性干扰时,设计前馈控制器和反馈控制器,使得机器人的实际运动轨迹在标称模型下,指数收敛于所给定的期望运动轨迹;在有外界不确定性干扰时,它与期望轨迹的误差是终值有界的.并且,针对后者所提出的控制律进行仿真.仿真结果表明,这种连续鲁棒控制律对于机器人系统存在外界不确定性干扰时是十分有效的.     

基于自适应模糊滑模控制的船舶航向控制器设计

针对船舶运动系统中固有的非线性、模型不确定性和风、浪、流等的干扰.提出了自适应模糊滑模控制(AFSMC)策略解决船舶的航向控制问题.通过采用模糊逻辑系统逼近系统未知函数,将滑模控制技术与自适应模糊控制技术相结合,设计了船舶航向AFSMC控制器.在滑模边界层内应用PI (proportional-integral)控制代替滑模控制中的切换项,削弱了滑模控制带来的抖振现象.借助李亚普诺夫函数证明了船舶运动系统中的信号都一致有界并利用Barbalat引理证明了跟踪误差渐近收敛到零.在参数摄动和外界干扰情况下进行了航向保持与改变仿真试验,采用AFSMC控制器得到了与无摄动和无干扰情况下相似的输出响应.实验结果表明,所提控制器能有效地处理系统不确定性和外界干扰,控制性能良好,具有很强的鲁棒性.     

非线性系统开闭环PID型迭代学习控制算法的鲁棒性

针对非线性时变系统的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,并证明了系统满足收敛条件时,具有开闭环PID型迭代学习律的一类非线性时变系统在动态过程存在干扰的情况下控制算法的鲁棒性问题.分析表明,系统在状态干扰、输出干扰和初态干扰有界的情况下跟踪误差有界收敛,在所有干扰渐近重复的情况下可以完全地跟踪给定的期望轨迹.     

基于扩张状态观测器的鲁棒迭代学习控制

针对一类包含模型不确定和外界干扰等非重复扰动的线性离散系统,本文通过将迭代学习控制与自抗扰技术相结合,提出一种新的基于扩张观测器的鲁棒迭代学习控制方法.本文以时间轴和迭代轴两个方向同时出发考虑系统的非重复扰动估计和稳定收敛问题.将与时间和迭代轴同时相关的模型不确定及外界干扰等因素归纳为系统总扰动,针对其非重复变化特性给出了扩张观测器的设计,保证在批次内快速、准确地估计系统总扰动;基于上述扰动估计,设计新型的迭代学习控制律,利用线性矩阵不等式方法证明了整个鲁棒迭代学习系统的稳定性和收敛性,并给出合理的控制器参数估计条件.此外,讨论了迭代学习控制中第一批次的控制律设计问题,给出合理的自抗扰控制器设计.最后通过仿真对比实验验证了本文方法的可行性和有效性.     

基于边界层的不确定机器人自适应迭代学习控制

针对不确定的多连杆机械手的跟踪控制问题,提出一种基于边界层的自适应迭代学习控制方法.自适应控制用来估计系统的未知参数的上界,本文主要特征是基于边界层设计自适应迭代学习控制器,避免了传统方法设计控制器的不连续性,削弱抖振现象的同时也提高系统的鲁棒性.理论证明系统所有信号有界,系统误差渐进收敛到边界层邻域内.仿真表明了算法的有效性.     

基于无源性的全方位移动机器人自抗扰控制

针对全方位移动机器人轨迹跟踪控制中存在的外界干扰和系统参数不确定性问题,提出基于无源性的自抗扰控制方法.该方法通过扩张状态观测器对系统扰动进行估计,并在基于无源性的控制器中加入扰动补偿项以减小外界干扰和参数不确定性对系统的影响;进而,利用系统的无源特性和Lyapunov 理论证明在该控制器作用下闭环系统有界输入有界输出稳定.仿真结果表明,所提出的控制方法响应速度较快,控制精度较高,对系统外扰和模型参数不确定性具有较强的鲁棒性     

控制方向未知的时变非线性系统鲁棒控制

针对一类具有未知时变控制方向、不确定时变参数以及未知时变有界干扰的严反馈非线性系统,给出一种带有死区修正算法的鲁棒控制方法.在控制系数符号未知的情况下,通过在反步法中引入Nussbaum增益和死区修正技术,得到一种修正的鲁棒反步设计方法.该方法不需要未知时变控制系数的上下界先验知识以及不确定参数和外界干扰的上界信息.算法保证了闭环系统所有信号的有界性,同时使得跟踪误差收敛于零的任意小邻域内.     

一种参数优化的非线性离散系统鲁棒迭代学习控制方法

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

     

时滞非线性系统的采样迭代学习控制

针对一类输入时滞非线性系统, 提出了一种采样迭代学习控制算法, 该算法不含跟踪误差的微分信号, 给出了学习算法收敛的充分条件, 当不存在初始误差、不确定扰动时, 算法在采样点处能实现对期望输出信号的完全跟踪, 否则, 跟踪误差一致有界, 仿真结果表明了该算法的有效性.     

控制方向未知的全状态约束非线性系统的鲁棒自适应跟踪控制

针对一类控制方向未知的含有时变不确定参数和未知时变有界扰动的全状态约束非线性系统,本文提出了一种基于障碍Lyapunov函数的反步自适应控制方法.障碍Lyapunov函数保证了系统状态在运行过程中始终保持在约束区间内;Nussbaum型函数的引入解决了系统控制方向未知的问题;光滑投影算法确保了不确定时变参数的有界性.障碍Lyapunov函数、Nussbaum型函数及光滑投影算法与反步自适应方法的有效结合首次解决了控制方向未知的全状态约束非线性系统的跟踪控制问题.所设计的自适应鲁棒控制器能在满足状态约束的前提下确保闭环系统的所有信号有界.通过恰当地选取设计参数,系统的跟踪误差将收敛于0的任意小的邻域内.仿真结果表明了控制方案的可行性.     

Robust adaptive tracking control of robotic systems with uncertainties

To deal with the uncertainty factors of robotic systems, a robust adaptive tracking controller is proposed. The knowledge of the uncertainty factors is assumed to be unidentified; the proposed controller can guarantee robustness to parametric and dynamics uncertainties and can also reject any bounded, immeasurable disturbances entering the system. The stability of the proposed controller is proven by the Lyapunov method. The proposed controller can easily be implemented and the stability of the closed system can be ensured; the tracking error and adaptation parameter error are uniformly ultimately bounded （UUB）. Finally, some simulation examples are utilized to illustrate the control performance.     

A simple saturated control framework for spacecraft with bounded disturbances

A simple control framework is proposed for the saturated attitude control of spacecraft subject to bounded disturbances. The framework is composed of three parts, that is, the quaternion part, the saturated angular velocity part, and the bounded anti‐disturbance part. The anti‐disturbance part can be different depending on the forms of disturbances. Based on a useful lemma, it can be proven that the saturation restriction on the angular velocity part can be removed in finite time, allowing us to analyze the closed‐loop stability by means of the Lyapunov theory. Two different saturated controllers are presented to exemplify the applications of the control framework. Finally, simulations are conducted to demonstrate the effectiveness of the proposed controllers. Copyright © 2015 John Wiley & Sons, Ltd.     

Iterative learning control of molten steel level in a continuous casting process

In this paper, an iterative learning control (ILC) method is introduced to control molten steel level in a continuous casting process, in the presence of disturbance, noise and initial errors. The general ILC method was originally developed for processes that perform tasks repetitively but it can also be applied to periodic time-domain signals. To propose a more realistic algorithm, an ILC algorithm that consists of a P-type learning rule with a forgetting factor and a switching mechanism is introduced. Then it is proved that the input signal error, the state error and the output error are ultimately bounded in the presence of model uncertainties, periodic bulging disturbances, measurement noises and initial state errors. Computer simulation and experimental results establish the validity of the proposed control method.     

平面有界闭区域图形的拓扑分类识别

本文首先将具有简单封闭曲线特征的闭主曲线学习算法应用于平面有界闭区域图形的边界提取，给出相应的算法。结合拓扑度理论，本文还定义了有界闭区域的边界关联矩阵，引入了平面中图像的F-同胚概念，运用边界关联矩阵是F-同胚下的完全不变量原理，将F-同胚和边界关联矩阵概念有机结合起来，对平面有界区域图形进行拓扑粗分类，以达到缩小搜索范围、提高搜索速度的目的。最后，本文给出了平面有界闭区域图形的计算机拓扑识别的算法及其实现。     

非线性系统迭代跟踪控制的批次遗忘学习算法

针对P型迭代学习算法对初始偏差和输出误差扰动敏感,以及PD型迭代学习算法容易放大系统噪声,降低系统鲁棒性的问题,研究了具有任意有界扰动及期望输出的重复运行非线性时变系统的PD型迭代学习跟踪控制算法.利用迭代学习过程记忆的期望轨迹、期望控制以及跟踪误差,给出基于变批次遗忘因子的学习控制器设计,并借助λ范数理论和Bellman-Gronwall不等式,讨论保证闭环跟踪系统批次误差有界的学习增益存在的充分必要条件,及分析控制算法的一致收敛性.本算法改善了系统的鲁棒性和动态特性,单关节机械臂的跟踪控制仿真验证了方法的有效性.     

Model‐free adaptive formation control for unknown multiinput‐multioutput nonlinear heterogeneous discrete‐time multiagent systems with bounded disturbance

Based on the model‐free adaptive control, the distributed formation control problem is investigated for a class of unknown heterogeneous nonlinear discrete‐time multiagent systems with bounded disturbance. Two equivalent data models to the unknown multiagent systems are established through the dynamic linearization technique considering the circumstances with measurable and unmeasurable disturbances. Based on the obtained data models, two distributed controllers are designed with only using the input/output and disturbance data of the neighbor agents system. The tracking error of the closed‐loop system driven by the proposed controllers is shown to be bounded by the contraction mapping principle and inductive methods. An example illustrates the effectiveness of the proposed two distributed controllers.