基于Duhem前馈逆补偿的压电陶瓷迟滞非线性 自适应滑模控制

针对压电陶瓷的动态迟滞非线性,研究了基于Duhem逆模型前馈补偿的滑模自适应控制策略。首先,利用多项式逼近Duhem模型中的未知分段函数ｆ(.)和ｇ(.),采用递推最小二乘法进行系统辨识,并求取逆模型,将其作为前馈控制器,考虑压电陶瓷迟滞非线性随输入信号频率变化,且难以完全抵消,模型参数存在不确定性等问题,设计一种自适应滑模控制律。利用Lyapunov稳定性定理及仿真实验证明了该控制律可以使系统全局渐进稳定。最后,进行了压电陶瓷迟滞补偿实验和位移跟踪实验。实验结果表明,前馈逆补偿控制下的压电陶瓷位移迟滞量减小了96.1％,与直接控制相比,前馈逆补偿控制下位移跟踪的最大绝对误差减小了27.0％,平均绝对值误差减小了17.9％,具有更好的跟踪精度和动态性能。     

超磁致伸缩微致动器车削加工系统模糊自适应精密位移控制

考虑温度及弹簧非线性的影响,基于非线性压磁理论、扩展的J-A模型及动力学分析,建立超磁致伸缩微致动器车削加工系统非线性动力学模型;研究了前馈径向基函数(RBF)逆控制与多模自适应反馈控制方法.提出了以系统运行时间为开关的多模切换控制方案,在系统初始运行时刻采用PD反馈控制器,当时间达到规定的切换时刻采用自适应模糊滑模反馈控制器,使系统全局具有较高的跟踪精度.     

空间柔性双臂机器人的神经网络协调控制

基于对机器人闭链系统运动特性的分析,采用假设模态法及拉格朗日方程建立了自由浮动空间柔性双臂机器人协调操作刚性负载闭链系统的动力学模型,然后采用基于小脑模型的模糊神经网络与非线性PD并行控制的方法对该动力学模型进行轨迹跟踪,并对内力采用积分控制;通过仿真实验比较,该方法比一般的非线性PD控制,在跟踪误差、抗干扰性、鲁棒性方面,都有很大的改善.     

基于动力学分析的深海集矿机轨迹跟踪研究

分析深海集矿机轨迹跟踪的研究现状,研究集矿机的动力学模型,进行合理的简化,面向深海底采矿环境的特殊性、深海集矿机液压系统固有的强非线性、行走阻力随调节强度伴生变化等特征。基于非线性剪切力—位移关系的线性化方法和对动态阻力项引入一个前馈补偿项来消除伴生阻力方式,设计了一个基于带有前馈阻力补偿的线性反馈的控制器,较好地实现了集矿机轨迹跟踪;仿真结果验证了该算法的有效性。     

基于PD控制的机器人轨迹跟踪性能研究与比较

定义同一个Lyapunov函数，分析了基于PD的3种常用机器人轨迹跟踪算法的稳定性和鲁棒性，得到了新的结论，PD加前馈控制按指数收敛到0，PD及修改的PD加前馈控制收敛到一封闭球，增大反馈系数可使球半径任意小，基于PD的轨迹跟踪算法对模型误差及有界不确定性干扰具有鲁棒性，实验研究验证了分析结果，并对3种轨迹跟踪算法的控制性能进行比较。     

插补轨迹预补偿交叉耦合控制算法研究

本文提出了一种适用于高速运动控制设备的插补轨迹预补偿算法的交叉耦舍轮廓控制方法.插补轨迹预补偿算法是将插补输出经过一次运动规划之后的结果作为输入量,结合系统位置跟踪误差的模型,对输入数据做进一步的补偿.补偿量的大小与XY轴进给速度及实时目标位置的切线方向有关.将插补轨迹预补偿作为系统的前馈环节,交叉耦合轮廓误差补偿作为系统的反馈环节,较好的实现了交叉耦合控制与插补轨迹预补偿之间的协调.该方法应用在伺服跟踪圆轮廓的实验结果表明,插补轨迹预补偿的交叉耦合轮廓控制方法能有效提高轨迹精度与速度稳定性.     

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.     

基于前馈神经网络复合逆控制的研究

为了提高神经网络直接逆控制方法的跟踪精度和抗干扰能力,结合前馈神经网络直接逆控制与通用模型控制策略各自的优点,提出了一种基于前馈神经网络复合逆控制的方法。该方法将控制系统的参考轨迹改造成一条规范的二阶曲线,从而使得控制器参数物理意义明确,且易于整定。仿真实验验证了系统具有良好的鲁棒性和抗扰性能。     

机械臂卷积神经网络滑模轨迹跟踪控制

针对工业技术的发展对于多关节机械臂的精度与快速控制高要求,提出了一种机械臂卷积神经网络滑模轨迹跟踪控制方法。分析机械臂动力学方程,提取其中的不确定部分,针对不确定部分,构建深度卷积神经网络对其进行补偿,将补偿部分引入到滑模控制律中,通过改进后的滑模控制实现对机械臂轨迹跟踪的精确控制,并通过构建Lyapunov函数论证了系统的稳定性。仿真结果显示该方法能够满足轨迹跟踪要求,且减小了抖振现象。通过与其余三种典型控制方法的对比,测试结果表明,该方法加快了轨迹跟踪误差的收敛,且跟踪精度有了明显的提高。     

6-PRRS并联机器人的小脑模型神经网络控制

设计了小脑神经网络控制器.采用分散控制策略利用小脑神经网络来消除并联机器人控制系统非线性、耦合的影响及学习系统的不确定信息,作为前馈补偿使系统跟踪误差快速收敛;并采用PID作为反馈控制,保证系统的稳定性,从而实现6-PRRS并联机器人的快速、稳定轨迹跟踪.     

基于神经网络补偿的非线性时滞系统时滞正反馈控制

A new adaptive time-delay positive feedback controller (ATPFC) is presented for a class of nonlinear time-delay systems. The proposed control scheme consists of a neural networks-based identification and a time-delay positive feedback controller. Two high-order neural networks (HONN) incorporated with a special dynamic identification model are employed to identify the nonlinear system. Based on the identified model, local linearization compensation is used to deal with the unknown nonlinearity of the system. A time-delay-free inverse model of the linearized system and a desired reference model are utilized to constitute the feedback controller, which can lead the system output to track the trajectory of a reference model. Rigorous stability analysis for both the identification and the tracking error of the closed-loop control system is provided by means of Lyapunov stability criterion. Simulation results are included to demonstrate the effectiveness of the proposed scheme.     

含未校准摄像机参数的非完整移动机器人自适应动态反馈跟踪控制

研究基于视觉伺服的不确定非完整移动机器人的跟踪控制问题.基于视觉反馈和状态输入变换,提出一类非完整运动学系统的不确定模型,并运用两个新的变换,对3种不同情况分别设计自适应动态反馈控制器来跟踪不确定系统的期望轨迹.利用李雅普诺夫方法和推广的Barbalat引理,严格证明了误差系统的收敛性.仿真结果验证了所提方法的有效性.     

Autonomous mobile robots navigation using RBF neural compensator

This paper presents an approach to adaptive trajectory tracking of mobile robots which combines a feedback linearization based on a nominal model and a RBF-NN adaptive dynamic compensation. For a robot with uncertain dynamic parameters, two controllers are implemented separately: a kinematics controller and an inverse dynamics controller. The uncertainty in the nominal dynamics model is compensated by a neural adaptive feedback controller. The resulting adaptive controller is efficient and robust in the sense that it succeeds to achieve a good tracking performance with a small computational effort. The analysis of the RBF-NN approximation error on the control errors is included. Finally, the performance of the control system is verified through experiments.     

Bio-harmonized control experiments of a carangiform robotic fish underwater vehicle

This paper presents experimental implementation and comparison of three different control schemes of a bio-inspired robotic fish underwater vehicle. The dynamics model is obtained by unifying conventional rigid body dynamics and bio-fluid dynamics of a carangiform fish swimming given by Lighthill’s(LH) slender body theory. It proposes an inclusive mathematical design for better control and energy efficient path travel for the robotic fish. The system is modeled as an two-link robot manipulator (caudal tail) with a mobile base (head). This forward thrust drives the robotic fish head represented by a combined non-linear equation of motion in earth fixed frame. We develop and compare the dynamic motion closed loop control strategy of the bio-harmonized robotic fish based on three different non-linear control schemes using CTM (Computed Torque Method), FF (Feed-Forward) controllers both with dynamic PD compensation and finally a proposed combination of CTM with FF. An inverse dynamic control method based on non-linear state function model including hydrodynamics is proposed to improve tracking performance. CTM control generates a feedback loop for linearization and decoupling robot dynamic model with a shorter response time, while a dynamic PD compensation in the FF path is employed by FF scheme through the desired trajectories. FF model-based strategy results in an improved tracking and shorter route to travel between two points. Overall results indicate that performances of the proposed control schemes based on the inverse dynamic model are comparable and useful for robotic fish motion tracking in fluid environment.     

基于内模扩展LQ方法的WMR轨迹跟踪控制

针对现有非线性控制方案的一些瓶颈问题,从线性控制的角度出发,开展了一种用于WMR的线性二次型最优控制方法设计的研究.首先,基于WMR的运动学模型采用动态反馈线性化技术将非线性运动学模型转化为线性模型;然后,选取跟踪误差及误差收敛速度作为设计指标;同时考虑实现渐进跟踪,针对不同形式的参考轨迹,根据内模原理对控制器模态进行扩展,利用线性模型设计基于内模扩展LQ最优轨迹跟踪控制器;最后通过动态反馈反变换得到实际控制器.此外,通过将此方法的控制效果与几种经典方法进行仿真比对,说明了此方法对于跟踪的精确性和快速性上有较大优势.     

双轴联动系统广义预测交叉耦合位置控制

在双轴联动系统中,减小轮廓误差和提高轨迹跟踪的能力是位置控制的主要目标.为提高轨迹跟踪的稳态精度和动态性能,本文提出了双轴广义预测交叉耦合控制策略(generalized predictive cross-coupling control,GPCCC).首先将广义预测算法应用于双轴联动控制中,根据已知轨迹进行多步预测、滚动优化和反馈校正来提高双轴控制性能,其次采用交叉耦合结构将轮廓误差作为反馈量来修正广义预测控制的给定轨迹.最后,通过两台永磁同步电机驱动的双轴联动系统完成实验,实验效果证明了所提出的控制策略在保证轨迹跟踪精度的同时,可以有效提高动态响应速度,尤其在轨迹转折点处,相比于传统PID交叉耦合结构,可以明显减小轮廓误差.     

共轴式无人直升机建模与鲁棒跟踪控制

针对共轴式无人直升机非线性、强耦合的动力学特性,本文提出了一种基于动态反馈线性化方法的鲁棒跟踪控制策略.首先根据叶素理论、Pitt-Peters动态入流模型、上下旋翼气动干扰分析建立了共轴式无人直升机的数学模型.然后对于高度-姿态子系统,通过扩展状态变量对其进行了动态反馈线性化,分析了零动态特性.根据内环期望跟踪特性对解耦后的子系统进行极点配置.通过设计鲁棒补偿器实现了对高度与姿态指令的鲁棒跟踪.在此基础上,针对水平面内的位置子系统设计了外环比例微分(proportional-derivative,PD)控制器以实现位置跟踪.最后,通过内环跟踪仿真验证了反馈线性化方法良好的解耦特性,通过干扰条件下的轨迹跟踪仿真验证了所设计控制器具有较好的控制性能与鲁棒性.     

含间隙非线性的Wiener-Hammerstein系统复合补偿控制

针对含非对称间隙环节的Wiener-Hammerstein系统提出了一种新的由输出反馈和间隙动态逆补偿构成的复合控制方案.首先应用参数化分段线性表达式设计了未知参数的整体估计模型,可同时估计线性参数和间隙的特征参数,然后提出了一种新的误差有界的间隙动态逆模型,该模型可使得驱动信号能在间隙的不同线性段之间快速切换,在此基础上设计了鲁棒补偿控制律,同时对输入线性环节采用输出反馈控制构建了复合控制器,通过李亚普诺夫方法证明了闭环系统的稳定性.带减速器的单电机伺服系统模型的仿真结果表明该方法在跟踪精度良好的同时可使系统动态响应满足要求.     

具有未知参数的机器人-摄像机系统的自适应动态反馈跟踪控制

研究了不确定非完整移动机器人系统的跟踪问题.首先,基于视觉反馈和状态输入变换,展示了一种非完整移动机器人运动学系统的不确定链式模型.基于反步法思想和跟踪误差系统结构,给出了两个重要的新变换.然后运用李雅普诺夫直接方法和扩展巴巴拉引理设计了自适应控制律和动态反馈鲁棒控制器,以实现理想轨迹的跟踪控制.严格证明了闭环误差系统的渐近收敛性.最后,仿真结果证实了提出的控制策略有效.