基于降阶位置/力模型的机器人神经网络控制

双足机器人的双脚支撑期是实现其步行运动的重要过程,然而耦合的位置/力控制难以保证其稳定平滑运动.本文提出了一种基于降阶位置/力模型的机器人控制策略,整合了位置控制子空间模型和力控制子空间模型,通过模型降阶减小了控制器设计的复杂度,并采用神经网络自适应控制方法综合多控制目标,实现了双足机器人的平滑稳定控制并有效地抑制了系统外扰和参数不确定性的影响.最后,仿真算法验证了该控制方法和模型的有效性.     

降阶的鲁棒分散自适应反推控制

针对一类含有未建模动态的关联系统,考虑了降阶的鲁棒分散自适应反推控制问题.首先通过一系列坐标变换,将原系统重新参数化,然后引入降阶观测器,得到一个误差系统.基于该系统,给出了一种降阶自适应反推控制器的设计方案.证明了自适应控制系统的所有信号全局一致有界,调节误差渐近收敛到零.控制器阶次的降低使得本文的设计方案更具应用价值.     

时滞柔性关节机械臂自适应位置/力控制

针对具有时滞的柔性关节机械臂自适应位置和力控制问题进行了研究.首先,通过坐标变换得出降维的位置/力控制模型.随后,将时间滞后近似表示成一阶滞后,进行时滞补偿.利用自适应算法修正机械臂系统参数,克服模型参数不确定性对系统的影响.同时,采用反步控制技术设计机械臂位置/力控制器,运用Lyapunov稳定性定理证明控制器能使机械臂位置和力跟踪误差收敛.最后的仿真研究验证了控制方案的有效性.     

控制系统最优降阶技术与应用

本文给出一种新的控制系统最优降阶技术并介绍其在控制系统设计中的应用，文中引入的最优降阶的准则是在指定输入信号时，对降阶模型与原始模型之间误差的加权最小积分方差。广西重点讨论连续系统的降阶算法，但结论同样适合于离散时间系统，文中还将通过一个例子来淙本方法和其它传统方法相比的优越性。     

利用频域似合冗余原理直接求取连续系统离散降阶模型

本利用频域拟合给出直接从高阶连接模型求离散降阶模型的模型降阶方法。中首次提出频域拟合冗余及关键议程组的概念，论证了根据关键点拟合原理进行一步法频域拟合降阶的优越性，给出智能化点拟合算法有效地求解了一类关于模型参数空间的非线性误差准则的极小化问题。     

降阶多变量状态空间自校正控制器的鲁棒性

本文建立了降阶极点配置状态空间自校正控制器的鲁棒性定量分析，在这个多变量自适应控制系统中，控制器设计中所用模型的阶低于实际过程的阶，稳定性分析结果表明，当建模误差满足一定条件时，在降阶控制器作用下的自适应闭环系统是输入输出有界的。     

基于收缩理论的一类非线性系统自适应动态面控制

针对一类不确定非线性参数严反馈系统,提出基于收缩理论的自适应动态面控制方法.动态面控制器设计保证了各子系统关于状态误差部分收缩;对不确定参数构造收缩自适应律,并利用收缩下的奇异摄动分析降阶处理子系统,确保降阶前后状态误差间的偏差及滤波误差有界;通过分层子系统的收缩鲁棒性分析,证明了原闭环系统状态半全局收敛到以期望轨迹为中心的球域内,保证了跟踪误差及自适应估计有界.刚性机械臂系统仿真验证了所提出方法的有效性.     

基于希尔伯特-施密特范数和交叉格莱姆的模型降阶方法

摘要：分析了模型降阶的发展历程和研究现状,重点研究基于交叉格莱姆信息的模型降阶方法的范数意义的误差性能指标和算法.分析指出了信息类模型降阶方法的信息损失指标的局限性——不满足非负性和不是范数意义的指标.利用Hankel奇异值以及交叉格莱姆的信息属性推导出Hilbert-Schmidt范数与交叉格莱姆的关系,从而通过理论推理运算得出Hilbert-Schmidt范数意义的误差指标,并提出了相应的降阶方法.最后,给出一个数值算例,验证了Hilbert-Schmidt范数意义的误差指标的合理性以及算法的良好降阶效果     

利用频域拟合冗余原理直接求取连续系统离散降阶模型

本文利用频域拟合给出直接从高阶连续模型求离散降阶模型的模型降阶方法．文中首次提出频域拟合冗余及关键方程组的概念，论证了根据关键点拟合原理进行一步法频域拟合降阶的优越住，给出智能化点拟合算法，有效地求解了一类关于模型参数空间的非线性误差准则的极小化问题．     

用奇异模型描述的受限机器人的学习控制

本文了一类受限机器人的迭代学习控制方案，控制器的设计是基于机器人模型的降阶形式。在存在有界未知干扰的情况下，对末端操纵器受线性、无摩擦约束面的受限机器人。本文给出的控制方案保证了机器人系统的完全运动跟踪，同时保证了力跟踪误差有界的，且界的大小是可调节的。     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力/位置混合控制算法的简单回顾,及对该算法所遇到 困难的分析,提出了一种基于迭代学习的机械手操作空间力/位置混合控制算法,来改善机械 手同高刚度环境接触时,机械手力/位置混合控制的动态控制性能．给出了学习算法的收敛条 件及其证明.实验表明该算法具有快速的收敛性,能达到很高的力/位置动态控制精度.     

具有时滞的柔性关节多机械臂协同自适应位置/力控制

由于关节机械臂长期运行后,齿轮间隙扩大产生的时间滞后将使得系统跟踪性能降低.针对此问题,本文提出了一种自适应位置/力控制策略来保证闭环系统稳定性以及位置/力跟踪性能.首先,对多机械臂和物体系统进行任务空间动力学建模.随后,利用Pade理论将时间滞后近似为二阶有理分式.同时,利用神经网络自适应算法克服模型建模误差对系统稳定性的影响,利用同时包含位置误差和力误差的线性滑模项,设计位置/力控制器.通过李雅普诺夫稳定性理论,证明控制策略能实现位置误差和内力误差的渐近收敛.最后,仿真验证证明所设计控制策略的有效性.     

基于迭代学习的机械手操作空间力/位置混合控制算法

基于对常规机械手操作空间力／位置混合控制算法的简单回顾，及对该算法所遇到困难的分析，提出了一种基于迭代学习的机械手操作空间力／位置混合控制算法，来改善机械手同高刚度环境接触时，机械手力／位置混合控制的动态控制性能．给出了学习算法的收敛条件及其证明．实验表明该算法具有快速的收敛性，能达到很高的力／位置动态控制精度．     

冗余驱动并联机械手的混合位置/力自适应控制

针对冗余驱动并联机构研究一种自适应的混合位置/力控制算法.基于并联机构中约束 子流形的几何性质,将冗余驱动并联机构的逆动力学自然投影到位形空间和约束力空间.基于投 影方程,提出一种统一的具有渐进稳定性的自适应混合位置/力控制算法.采用最小二范数准则 求解冗余解问题,实现了实际驱动关节力矩的优化.仿真结果验证了控制方法的有效性.     

A Study on Kinematics and Workspace Determination of a General 6-<Emphasis Type="Underline">P</Emphasis> US Robot

This paper proposes the novel adaptive neural network (ADNN) compliant force/position control algorithm applied to a highly nonlinear serial pneumatic artificial muscle (PAM) robot as to improve its compliant force/position output performance. Based on the new adaptive neural ADNN model which is dynamically identified to adapt well all nonlinear features of the 2-axes serial PAM robot, a new hybrid adaptive neural ADNN-PID controller was initiatively implemented for compliant force/position controlling the serial PAM robot system used as an elbow and wrist rehabilitation robot which is subjected to not only the internal coupled-effects interactions but also the external end-effecter contact force variations (from 10[N] up to critical value 30[N]). The experiment results have proved the feasibility of the new control approach compared with the optimal PID control approach. The novel proposed hybrid adaptive neural ADNN-PID compliant force/position controller successfully guides the upper limb of subject to follow the linear and circular trajectories under different variable end-effecter contact force levels.     

Position synchronization of multiple motion axes with adaptive coupling control

A new control approach to position synchronization of multiple motion axes is developed, by incorporating cross-coupling technology into adaptive control architecture. The control strategy is to stabilize position tracking of each axis while synchronizing its motion with other axes’ motions so that differential position errors amongst axes converge to zero. The proposed adaptive controller and parameter estimator employ coupling control by feeding back position errors and differential position errors, and have been realized to guarantee asymptotic convergence to zero of both position and synchronization errors. Simulations conducted on a multi-axis motion control system demonstrate the effectiveness of the method.     

基于X-Y定位平台的力/位置混合控制

在确定了X-Y定位平台系统数学模型的基础上,提出了一种力/位置混合控制方法。在位置控制部分,采用了基于重复控制补偿的PID控制方法。用重复控制作为误差补偿与传统简单的PID控制器相结合作为位置控制部分所采用的控制算法。在力控制回路中采用一种自适应模糊控制方法。通过引入一个切换函数来确定控制律形式,根据所设计的模糊规则对变量进行模糊化,通过解模糊得到控制律结果,自适应律是通过调制饱和度得到的。仿真结果表明,该控制方法能使系统的自适应能力和鲁棒性均有显著改善。     

Precision Synchronization Motion Trajectory Tracking Control of Multiple Pneumatic Cylinders

This paper deals with the synchronized motion trajectory tracking control problem of multiple pneumatic cylinders. An adaptive robust synchronization controller is developed by incorporating the cross‐coupling technology into the integrated direct/indirect adaptive robust control (DIARC) architecture. The position synchronization error and the trajectory tracking error of each cylinder are combined to construct the so‐called coupled position error. The proposed adaptive robust synchronization controller is designed with the feedback of this coupled position error and is composed of two parts: an on‐line parameter estimation algorithm and a robust control law. The former is employed to obtain accurate estimates of model parameters for reducing the extent of parametric uncertainties, while the latter is utilized to attenuate the effects of parameter estimation errors, unmodelled dynamics, and external disturbances. Theoretically, both the position synchronization and trajectory tracking errors will achieve asymptotic convergence simultaneously. Moreover, the effectiveness of the proposed controller is verified by the extensive experimental results performed on a two‐cylinder pneumatic system.     

Distributed Force/Position Consensus Tracking of Networked Robotic Manipulators

In this paper, we address the tracking problem of distributed force/position for networked robotic manipulators in the presence of dynamic uncertainties. The end-effectors of the manipulators are in contact with flat compliant environment with uncertain stiffness and distance. The control objective is that the robotic followers track the convex hull spanned by the leaders under directed graphs. We propose a distributed adaptive force control scheme with an adaptive force observer to achieve the asymptotic force synchronization in constrained space, which also maintains a cascaded closed-loop structure separating the system into kinematic module and dynamic module. A decentralized stiffness updating law is also proposed to deal with the environment uncertainties. The convergence of tracking errors of force and position is proved using Lyapunov stability theory and input-output stability analysis tool. Finally, simulations are performed to show effectiveness of the theoretical approach.