自由漂浮空间机器人避奇异规划—跟踪算法

针对路径相关空间内自由漂浮空间机器人无法进行有效跟踪控制的问题,设计了一种避奇异轨迹规划—跟踪算法,用于完成路径相关空间机械臂末端轨迹跟踪控制的任务．首先,分析奇异条件并设定安全边界曲线,求解回避奇异的基座姿态角阈值,从而得到避奇异参考轨迹及初始状态值．接着,利用自由漂浮空间机器人非线性动力学模型具有状态依赖参数的类线性结构特点,基于状态依赖Riccati方程设计跟踪控制器对末端速度进行跟踪,保证闭环系统的局部渐近稳定性．所提方法克服了传统方法将工作空间约束在路径无关空间的缺点．仿真结果表明,该算法具有比比例微分（proportional derivative,PD）控制更高的跟踪精度．同时,在存在输入干扰的情况下仍然能够实现有效跟踪．     

自由漂浮空间机器人末端轨迹优化自适应控制

惯性参数不确定情况下的自由漂浮空间机器人(FFSR)轨迹跟踪控制是当前FFSR自主控制研究的重点与难点之一.针对该问题,提出一种FFSR末端轨迹优化自适应跟踪控制方法.该方法首先基于离散状态依赖黎卡提方程(DSDRE),设计两级DSDRE优化跟踪控制器,然后在控制器输出基础上,通过求解有约束条件下的非线性优化问题实现FFSR惯性参数的辨识,进而根据辨识结果调整控制器相关参数,实现FFSR末端轨迹的优化自适应跟踪控制.最后,采用平面两连杆FFSR模型进行仿真,验证了所提出方法的有效性.     

柔性臂漂浮基空间机器人建模与轨迹跟踪控制

利用拉格朗日法和假设模态方法建立了末端柔性的两臂漂浮基空间机器人的非线性动力学方程．通过坐标变换,推导出一种新的以可测关节角为变量的全局动态模型，并在此基础上运用基于模型的非线性解耦反馈控制方法得到关节相对转角与柔性臂的弹性变形部分解耦形式控制方程．最后，讨论了柔性臂漂浮基空间机器人的轨迹跟踪问题，并通过仿真实例计算,表明该模型转换及控制方法对于柔性臂漂浮基空间机器人末端轨迹跟踪控制的有效性．     

输入有界的自由漂浮柔性空间机器人轨迹跟踪控制

针对自由漂浮柔性空间机器人轨迹跟踪控制问题, 首先利用拉格朗日和假设模态法建立了动力学模型. 分析系统动力学模型, 综合考虑欠驱动、柔性振动等特点, 将其简化为一种带有柔性振动扰动完全可控的动力学模型; 在此基础上, 考虑控制输入受限, 提出一种自适应状态反馈控制策略. 该策略采用自适应技术实时在线学习柔性振动扰动参数, 从而保证控制律对柔性振动扰动具有良好的鲁棒性; 最后, 基于Lyapunov方法证明了该控制策略能够实现关节期望轨迹的跟踪. 仿真验证了该控制策略对控制输入受限系统轨迹跟踪控制的有效性和可靠性.     

应用于力矩受限自由漂浮空间机器人的神经网络自适应控制

在控制力矩受限情况下,为实现具有模型不确定性自由漂浮空间机器人的轨迹跟踪控制,文章设计了一种新的神经网络自适应控制策略;首先,用双曲函数对控制力矩输入进行限制;其次,设计一种神经网络自适应控制律,对输入力矩受限条件下的非线性系统模型进行在线逼近,同时,利用鲁棒项对神经网络逼近误差和外界干扰进行消除;最后,根据李雅普诺夫理论,证明了所设计控制策略能够使自由漂浮空间机器人系统渐进稳定;仿真实验表明,该控制策略在无需建立复杂系统模型的情况下,便能够对控制力矩进行有效限制,从而使自由漂浮空间机器人在控制力矩受限情况下得到较好的控制.     

基于三步法的机械臂轨迹跟踪控制

考虑机械臂末端轨迹跟踪控制问题,以跟踪逆运动学求解出的末端期望轨迹对应的各关节期望角度为控制目标.设计了一种基于三步法的控制器,该控制器由类稳态控制、可变参考前馈控制和误差反馈控制3部分组成.证明了该控制器可以通过控制机械臂的各关节力矩实现各关节实际角度对期望角度的状态跟踪,进而使得末端轨迹渐近跟踪期望轨迹,并且跟踪误差是输入到状态稳定的.仿真表明基于三步法控制器的空间机械臂末端可以渐近跟踪期望轨迹,并且该算法可以克服系统的末端负载质量变化等不确定性的影响.     

接触作业型飞行机械臂系统的力/位置混合控制

针对飞行机械臂系统移动接触作业问题,使用了一个力/位置混合控制框架,用以控制飞行器系统持续可靠地接触外部环境同时保持一定大小的接触力,并实现在接触过程中的期望轨迹跟踪.首先将作业空间分成2个子空间--约束空间和自由空间,并分别进行力控制和位置控制.对于力控制问题,证明闭环无人机系统是一个类弹簧-质量-阻尼系统,然后在约束子空间中设计逆动力学控制器来实现接触力控制.自由飞行空间中的运动控制依靠轨迹规划和位置控制器来实现.最后,开发了基于六旋翼飞行机器人的单自由度飞行机械臂系统,在飞行状态下进行接触墙面并跟踪倾斜直线轨迹的实验.结果显示本文所使用方法能够保证在平稳移动的同时控制期望的接触力.     

模糊CMAC的柔性空间机器人轨迹跟踪自学习控制

针对不确定自由漂浮柔性空间机器人系统,采用模糊CMAC神经网络自学习控制策略来解决轨迹跟踪控制问题.首先建立漂浮基空间机器人的动力学方程,然后利用具有快速学习能力的模糊CMAC神经网络来逼近非线性柔性臂的逆动力学模型.网络参数采用改进的有监督的Hebb学习规则进行自适应在线调整,并通过关联搜索进行自学习和自组织,其误差代价函数由PID控制器提供.仿真结果表明,这种模糊CMAC逆模PID控制器能够达到较高的控制精度,具有一定的工程应用价值.     

考虑空间系绳释放特性的空间绳系机器人协调耦合控制

针对空间绳系机器人的轨迹跟踪控制问题,提出考虑系绳释放特性的跟踪轨迹协调控制方法.该方法考虑系绳释放的动力学特性,在最优轨迹规划过程中将系绳释放速度作为一个规划量,将系绳释放机构的转矩作为一个控制输入,结合操作机器人上推力器控制输入设计协调耦合位姿控制器.该方法的优点是控制输入易于施加,可工程实现系绳协调控制.仿真结果表明,操作机器人能精确跟踪最优轨迹,末端误差为±0.1 m,且能有效跟踪期望姿态,精度在±0.2°.     

基于观测器的空间机器人神经自适应鲁棒控制

研究无速度反馈的不确定性自由漂浮空间机器人轨迹跟踪控制问题,为了提高控制性能,采用一种观测器神经网络自适应鲁棒控制方法。利用神经网络设计观测器对系统的速度信息进行估计;其次,利用神经网络对系统模型的非线性进行逼近,设计神经网络自适应鲁棒控制器对系统进行控制,无需建立复杂的数学模型,并且所设计的自适应律能够进行在线学习;最后,根据H∞理论设计的鲁棒控制器保证了系统稳定,并使系统的L2增益小于给定指标。仿真结果表明,上述方法在无速度信息反馈下仍能进行有效的跟踪控制。     

六自由度机械臂约束预测控制系统的设计

本文提出了一种基于约束预测控制的机械臂实时运动控制方法.该控制方法分为两层,分别设计了约束预测控制器和跟踪控制器.其中,约束预测控制器在考虑系统物理约束的条件下,在线为跟踪控制器生成参考轨迹;跟踪控制器采用最优反馈控制律,使机械臂沿参考轨迹运动.为了简化控制器的设计和在线求解,本文采用输入输出线性化的方式简化机械臂动力学模型.同时,为了克服扰动,在约束预测控制器中引入前馈策略,提出了带前馈一反馈控制结构的预测控制设计.因此,本文设计的控制器可以使机械臂在满足物理约束的条件下快速稳定地跟踪到目标位置.通过在PUMA560机理模型上进行仿真实验,验证了预测控制算法的可行性和有效性.     

A unified symplectic pseudospectral method for motion planning and tracking control of 3D underactuated overhead cranes

In this paper, a unified symplectic pseudospectral method for motion planning and tracking control of 3D underactuated overhead cranes is proposed. A feasible reference trajectory taking constraints into consideration is first generated offline by the symplectic pseudospectral optimal control method. Then, a trajectory tracking model predictive controller also based on the symplectic pseudospectral method is developed to track the reference trajectory. At each sampling instant, the trajectory tracking controller works by solving an open‐loop optimal control problem where linearized system dynamics is used instead to improve the computational efficiency. Since the symplectic pseudospectral optimal control method is the core algorithm for both offline trajectory planning and online trajectory tracking, constraints on state variables and control inputs can be easily imposed and hence theoretically guaranteed in solutions. By selecting proper weighted matrices on tracking error and control, the developed controller could achieve control objectives in both accurate trolley positioning and fast suppressing of residual swing angles. Simulations for 3D overhead crane systems in the presence of perturbations in initial conditions, an abrupt variation of system parameter, and various external disturbances demonstrate that the developed controller is robust and of excellent control performance.     

Motion Control of a Nonholonomic Mobile Manipulator in Task Space

In this paper, the motion control of a mobile manipulator subjected to nonholonomic constraints is investigated. The control objective is to design a computed‐torque controller based on the coupled dynamics of the mobile manipulator. The proposed controller achieves the capability of simultaneous tracking of a reference velocity for the mobile base and a reference trajectory for the end‐effector. The aforementioned reference velocity and trajectory are defined in the task space, such task setting imitates the actual working conditions of a mobile manipulator and thus makes the control problem practical. To solve this tracking problem, a steering velocity is firstly designed based on the first‐order kinematic model of the nonholonomic mobile base via dynamic feedback linearization. The main merit of the proposed steering velocity design is that it directly utilizes the reference velocity set in the task space without requiring the knowledge of a reference orientation. A torque controller is subsequently developed based on a proposed Lyapunov function which explicitly considers the coupled dynamics of the mobile manipulator to ensure the mobile base and end‐effector track the reference velocity and trajectory respectively. This proposed computed‐torque controller is able to realize asymptotic stability of both the base velocity tracking error and the end‐effector motion tracking error. Simulations are conducted to demonstrate the effectiveness of the proposed controller.     

基于模型预测的自动导引车区间轨迹跟踪控制

针对自动导引车(AGV)轨迹跟踪问题,在确定其可行驶区域的基础上,考虑自动导引车的大小和形状,本文设计了一种基于模型预测控制理论的轨迹跟踪控制方法.首先,将车辆运动学模型进行线性化处理,得到车辆动力学线性模型;其次,运用模型预测控制方法,利用预测路径与期望路径之间的误差,通过优化得到使性能指标最优的控制序列;最后,在MATLAB软件上对轨迹跟踪控制器进行仿真.实验结果表明,AGV可以稳定地跟踪参考轨迹,且距离偏差和角度偏差都在给定的可行范围内,证明了提出的基于模型预测控制的轨迹跟踪算法具有良好的跟踪性能.     

考虑侧倾的无人车NMPC轨迹跟踪控制

针对高速行驶工况下,无人车转弯时的侧倾易导致车辆模型非线性程度增加,引起轨迹跟踪精度下降和状态失稳的问题,设计一种考虑车辆侧倾因素,基于非线性模型预测控制(NMPC)的无人车轨迹跟踪控制器.根据拉格朗日分析力学和车辆运动学,考虑车辆侧倾几何学和载荷转移效应,建立考虑侧倾因素的非线性车辆模型,包括车体动力学模型和修正的“Magic Formula”轮胎模型;基于此车辆模型,构建非线性模型预测控制器(NMPC)的预测模型,并设定控制器的线性、非线性约束,以保证车辆的运动状态处于稳定区域内.在Carsim和Simulink联合仿真平台上,验证车辆高速蛇形工况和双移线工况下的轨迹跟踪控制效果,仿真结果显示,所设计的控制器可有效改善高速弯道工况下的跟踪精度和车辆状态稳定性.     

Sliding mode-based adaptive tube model predictive control for robotic manipulators with model uncertainty and state constraints

In this paper, the optimal tracking control for robotic manipulatorswith state constraints and uncertain dynamics is investigated, and a sliding mode-based adaptive tube model predictive control method is proposed. First, utilizing the high-order fully actuated system approach, the nominal model of the robotic manipulator is constructed as the predictive model. Based on the nominal model, a nominal model predictive controller with the sliding mode is designed, which relaxes the terminal constraints, and realizes the accurate and stable tracking of the desired trajectory by the nominal system. Then, an auxiliary controller based on the node-adaptive neural networks is constructed to dynamically compensate nonlinear uncertain dynamics of the robotic manipulator. Furthermore, the estimation deviation between the nominal and actual states is limited to the tube invariant sets. At the same time, the recursive feasibility of nominal model predictive control is verified, and the ultimately uniformly boundedness of all variables is proved according to the Lyapunov theorem. Finally, experiments show that the robotic manipulator can achieve fast and efficient trajectory tracking under the action of the proposed method.     

基于PMSM驱动的柔性关节空间机械臂轨迹跟踪控制方法

针对目前柔性关节空间机械臂轨迹跟踪控制方法忽略了不同重力影响下的机械臂驱动力变化,导致柔性关节空间机械臂轨迹跟踪控制效果较差的问题,提出了基于PMSM驱动的柔性关节空间机械臂轨迹跟踪控制方法。基于构建PMSM驱动数学模型,采用PMSM的矢量控制方法,分析驱动力矩矢量。根据驱动力矩矢量分析结果,分析不同重力环境下有、无摩擦时的驱动力矩。构建柔性关节模型,分析其在不同重力环境下遇到的重力释放问题,使用自适应反演滑膜控制方法,设计控制率,保证机械臂能够按照既定的方向运动,使机械臂具有鲁棒性。根据柔性关节空间机械臂动力学特性,分析不同重力环境下基于PMSM驱动力矩,确定重力项是随之发生改变的。设计控制器,构建动力学模型,确保空间阶段能够最大限度跟踪运动轨迹。实验结果表明,所提方法X轴、Y轴的末端跟踪结果均与实际运动轨迹一致,误差为0。关节控制力矩在时间为3s时,出现了最大为0.5N.m的误差,说明所提方法的跟踪控制效果较好。     

基于自适应MPC算法的轨迹跟踪控制研究

为了保证智能车辆在低附着且变速条件下跟踪控制的精确性和稳定性,提出一种基于自适应模型预测控制（MPC）的轨迹跟踪控制算法。针对低附着条件下轨迹跟踪存在行驶稳定性较差的问题,对车辆动力学模型添加侧偏角软约束,分别设计有无添加侧偏角约束的MPC控制器。仿真结果表明,添加侧偏角约束后MPC控制器性能更优,车辆行驶稳定性得到有效提高。在此基础上,又提出了一种自适应的轨迹跟踪控制策略,能够根据车辆速度的变化,实时产生预测时域[(Hp)],分别设计自适应的MPC控制器与4组定值[Hp]的MPC控制器。仿真结果表明,基于自适应模型预测控制的轨迹跟踪控制算法在提高低附着且变速条件下智能车辆轨迹跟踪控制的精度和稳定性方面具有一定的有效性和先进性。     

基于神经网络的自由漂浮空间机器人关节空间鲁棒跟踪控制

针对存在不确定性以及干扰的自由漂浮空间机器人关节空间轨迹跟踪问题,提出了一种基于鲁棒控制思想的神经网络鲁棒控制方法.对于控制器中由系统惯性参数不确定性引起的非线性不确定项,利用径向基函数(RBF)神经网络进行逼近,并且利用鲁棒控制器使系统镇定并保证从干扰到跟踪误差的增益小于或等于给定的指标.最后,对本文提出的控制方案进...