首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 93 毫秒
1.
机器人系统全局渐近稳定非线性PD+轨迹跟踪控制   总被引:2,自引:0,他引:2  
采用一类具有“小误差放大、大误差饱和”功能的非线性饱和函数来改进常用的线性比例微分加(PD+)机器人系统动力学控制,以形成非线性PD+(NPD+)控制,从而获得更快的响应速度和轨迹跟踪精度.应用Lyapunov直接稳定性理论和LaSalle不变性原理证明了闭环系统的全局渐近稳定性.两自由度机器人系统数值仿真结果表明了所提出的NPD+控制具有良好的控制品质.  相似文献   

2.
田慧慧  苏玉鑫 《控制与决策》2012,27(11):1756-1760
针对高度非线性多关节机器人的轨迹跟踪问题,提出一类输出反馈重复学习控制算法,使得在只有位置信息可测以及模型信息不确定的条件下即能获得良好的控制品质.非线性滤波器的引入解决了现实中速度信号较难获得的问题,重复学习控制策略实现了对周期性参考输入的渐近稳定跟踪.应用Lyapunov直接稳定性理论证明了闭环系统的全局渐近稳定性.三自由度机器人系统数值仿真结果表明了所提出的输出反馈重复学习控制的有效性.  相似文献   

3.
非线性积分滑模控制方法   总被引:3,自引:1,他引:2  
针对一类不确定非线性系统的滑模控制,提出了一类具有"小误差放大,大误差饱和"功能的光滑非线性饱和函数来改进传统的积分滑模控制,以形成非线性积分滑模控制.在保持传统积分滑模控制跟踪精度的同时获得更好的暂态性能.应用Lyapunov稳定性理论和LaSalle不变性原理证明了对最终常值干扰可以完全抑制.考虑控制受限时,所设计...  相似文献   

4.
苏玉鑫  郑春红 《控制与决策》2009,24(11):1697-1701

采用一类具有“小误差放大、大误差饱和”功能的非线性饱和函数来改进常用的线性比例 微分加(PD+)机器人系统动力学控制,以形成非线性PD+(NPD+)控制,从而获得更快的响应速度和轨迹跟踪精度.应用Lyapunov直接稳定性理论和LaSalle不变性原理证明了闭环系统的全局渐近稳定性.两自由度机器人系统数值仿真结果表明
了所提出的NPD+控制具有良好的控制品质.

  相似文献   

5.
本文考虑一类具有未知时变参数并且控制方向未知的非线性系统的重复学习控制.针对重复学习控制的特点,所构造的李亚普诺夫函数不仅与当前参数估计误差有关,也与前一次参数估计误差有关.基于该李亚普诺夫函数,结合Nussbaum类型函数,提出了控制方向未知的系统的重复学习方法.该方法不采用饱和控制,但能保证在闭环系统中跟踪误差在重复区间上一致收敛于零.最后,一个仿真例子说明了该方法的可行性.  相似文献   

6.
六自由度并联机器人分散鲁棒非线性控制   总被引:2,自引:0,他引:2  
针对六自由度并联机器人动力学特点,提出了一种新型分散鲁棒非线性控制方法.与传统PD控制策略和已有分散鲁棒非线性控制方法相比,由于控制律中增加了广义误差的小数幂项,改进后的方法除保持原方法的优点外,还具有较强的终端收敛能力,能够保证跟踪误差以更快的速度全局一致收敛到一个更小的剩余集.通过选择合适的控制器参数,可使剩余集趋于0.运用Lyapunov方法分析了系统稳定性,给出了系统稳定性条件.最后,仿真结果验证了该方法的有效性.  相似文献   

7.
田慧慧  苏玉鑫 《控制与决策》2014,29(7):1291-1296

针对非线性机器人系统的轨迹跟踪问题, 提出一种终端滑模重复学习混合控制方案. 该方案综合了重复学习控制和终端滑模技术的特性, 能够有效跟踪周期性参考信号, 抑制周期性和非周期性动态的干扰, 具有较强的鲁棒性和良好的轨迹跟踪性能, 且算法的实现不需要完全已知系统模型信息. 应用Lyapunov 稳定性理论证明了闭环系统的全局渐近稳定性. 三自由度机器人系统数值仿真结果验证了所提出的终端滑模重复学习控制的有效性.

  相似文献   

8.
非线性增益递归滑模动态面自适应NN控制   总被引:1,自引:0,他引:1  
刘希  孙秀霞  刘树光  徐嵩  程志浩 《自动化学报》2014,40(10):2193-2202
针对一类严反馈非线性不确定系统的跟踪控制问题,提出一种非线性增益递归滑模动态面 (Dynamic surface control, DSC)自适应控制方法. 通过设计一个新的非线性增益函数,并构造递归滑模动态面的控制策略和新的Lyapunov函数,同时利用神经网络在线逼近系统不确定项, 该方法有效解决了具有输入饱和约束条件下系统控制精度与动态品质间的矛盾,增强了控制器对其自身参数摄动的非脆弱性. 理论证明了闭环系统所有状态是半全局一致最终有界的,且跟踪误差可收敛至任意小.  相似文献   

9.
针对带有执行器饱和的柔性关节机器人系统,提出一种位置反馈动态面控制,以实现机器人连杆的角位置跟踪.在一般动态面控制的设计框架下,设计观测器重构系统未知速度状态,利用径向基函数神经网络学习饱和非线性特性,结合"最小参数学习"算法减轻计算负担.通过Lyapunov方法证明得出闭环系统所有信号半全局一致有界,跟踪误差可以通过调节控制器参数达到任意小.仿真结果表明,控制系统能够克服外界干扰,有效补偿系统存在的执行器饱和,实现柔性关节机器人的准确跟踪控制.该方法避免了传统反演设计存在的"微分爆炸"现象,简化了设计过程.  相似文献   

10.
陈华东  蒋平 《控制与决策》2002,17(Z1):715-718
针对一类单输入单输出不确定非线性重复跟踪系统,提出一种基于完全未知高频反馈增益的自适应迭代学习控制.与普通迭代学习控制需要学习增益稳定性前提条件不同,自适应迭代学习控制通过不断修改Nussbaum形式的高频学习增益达到收敛.经证明当迭代次数i→∞时,重复跟踪误差可一致收敛到任意小界δ.仿真结果表明了该控制方法的有效性.  相似文献   

11.
无奇异间接迭代学习控制及其在机器人运动模仿中的应用   总被引:4,自引:0,他引:4  
针对相当广泛的一类非线性系统有限时间轨迹跟踪问题,提出了间接迭代学习方案. 采用最小二乘算法,根据重复跟踪历史辨识非线性系统的线性化模型.利用一个分段学习方案 可保证学习控制总在有效线性近似区域内进行.探讨了如何在学习过程中避免控制奇异问题, 提出了一种高效的参数修正方法,保证输入耦合矩阵的估计行列式不为零.本文将这一控制方 案应用于未知机器人及摄像机模型下的机器人运动模仿中,而不面临任何奇异问题.这是一个 采用摄像机替代传统程序编写的新的机器人编程方法.  相似文献   

12.
针对输入受限的多自由度机械臂高精度位置控制问题,本文充分考虑驱动器饱和非线性的影响,提出了多自由度机械臂输出反馈饱和有限时间比例–微分(PD)+同步位置控制策略,应用Lyapunov稳定性理论和几何齐次性技术证明了闭环系统的全局有限时间稳定性.非线性饱和函数的恰当引入,使得所提出的控制器具有清晰明确的上界,可以通过预先选择满足特定条件的控制器参数有效避免驱动器饱和问题;同步控制项的恰当引入,使得所提出的控制器兼顾了多自由度机械臂各轴间的同步协调性,从而获得更快的收敛速度和更好的系统整体性能,满足工程实际对机械臂的高精度要求.本文的数值仿真结果验证了所提出的控制方法的有效性和可行性.  相似文献   

13.

针对上肢康复机器人轨迹跟踪控制中存在的患者痉挛扰动非线性及不确定性问题, 结合康复机器人系统执行具有重复性的特点以及迭代学习算法特有的性质, 提出一种非线性迭代学习控制算法, 改进了机器人常用的线性动力学控制系统, 使得在模型信息不精确以及只有角度信息可测的情况下, 也能获得良好的轨迹跟踪性能; 应用Lyapunov 稳定性理论和LaSalle 不变性原理证明了闭环系统的全局渐近稳定性. 仿真结果表明, 所提出的非线性迭代学习控制具有良好的控制性能.

  相似文献   

14.
Discrete linear quadratic control has been efciently applied to linear systems as an optimal control.However,a robotic system is highly nonlinear,heavily coupled and uncertain.To overcome the problem,the robotic system can be modeled as a linear discrete-time time-varying system in performing repetitive tasks.This modeling motivates us to develop an optimal repetitive control.The contribution of this paper is twofold.For the frst time,it presents discrete linear quadratic repetitive control for electrically driven robots using the mentioned model.The proposed control approach is based on the voltage control strategy.Second,uncertainty is efectively compensated by employing a robust time-delay controller.The uncertainty can include parametric uncertainty,unmodeled dynamics and external disturbances.To highlight its ability in overcoming the uncertainty,the dynamic equation of an articulated robot is introduced and used for the simulation,modeling and control purposes.Stability analysis verifes the proposed control approach and simulation results show its efectiveness.  相似文献   

15.
This article presents a novel robust discrete repetitive control of electrically driven robot manipulators for tracking of a periodic trajectory. We propose a novel model, which presents the highly non-linear dynamics of robot manipulator in the form of linear discrete-time time-varying system. Based on the proposed model, we develop a two-term control law. The first term is an ordinary time-optimal and minimum-norm (TOMN) control by employing parametric controllers to guarantee stability. The second term is a novel robust control to improve the control performance in the face of uncertainties. The robust control estimates and compensates uncertainties including the parametric uncertainty, unmodelled dynamics and external disturbances. Performance of the proposed method is compared with two discrete methods, namely the TOMN control and an adaptive iterative learning (AIL) control. Simulation results confirm superiority of the proposed method in terms of the convergence speed and precision.  相似文献   

16.
A new adaptive learning rule   总被引:1,自引:0,他引:1  
A method is presented for nonlinear function identification and application to learning control. The control objective is to identify and compensate for a nonlinear disturbance function. The nonlinear disturbance function is represented as an integral of a predefined kernel function multiplied by an unknown influence function. Sufficient conditions for the existence of such a representation are provided. Similarly, the nonlinear function estimate is generated by an integral of the predefined kernel multiplied by an influence function estimate. Using the time history of the plant, the learning rule indirectly estimates the unknown function by updating the influence function estimate. It is shown that the estimate function converges to the actual disturbance asymptotically. Consequently, the controller achieves the disturbance cancellation asymptotically. The method is extended to repetitive control applications. It is applied to the control of robot manipulators. Simulation and actual real-time implementation results using the Berkeley/NSK robot arm show that the proposed learning algorithm is more robust and converges at a faster rate than conventional repetitive controllers  相似文献   

17.
针对环卫车辆周期重复性工作特点,考虑模型时变以及未知扰动问题,提出一种基于无模型自适应迭代学习的环卫车辆轨迹跟踪控制方法.首先,针对环卫车辆建立了两轮移动机器人的运动学模型,然后,给出带时变参数和非线性不确定项的迭代域下全格式动态线性化数据模型,引入时间差分估计算法,设计基于最优性能指标的轨迹跟踪无模型自适应迭代学习控制方法,并进行仿真分析.结果表明,环卫车轨迹跟踪系统车身角随迭代增加超调减小,与传统迭代学习控制算法相比,具有松弛的条件限制和较好的鲁棒性,同时提高了控制系统精度.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号