基于饱和函数的不确定机器人模糊自适应滑模控制

针对模型和参数不确定机器人系统轨迹跟踪问题,在模糊自适应控制的基础上提出了一种新的控制策略,该控制策略把饱和函数、模糊原理与滑模控制有机结合起来,设计了一种模糊自适应滑模控制器.该控制器利用模糊逻辑系统为机器人的动力学系统建模,设计自适应律调节未知参数,为保证控制力矩输出平滑有界,不存在一般滑模变结构中的抖振现象,采用双曲正切函数代替传统的符号函数.利用李亚普诺夫定理证明了闭环控制系统全局稳定,跟踪误差渐近收敛于零.仿真结果表明了所提出的控制算法的有效性.     

钻机平台单通道液压调平支腿的控制分析

由于钻机平台单通道液压支腿控制性能对整个调平系统有影响,提出在钻机平台现有控制方法基础上,对各个液压支腿串联设计单通道控制器,以减少系统调平时间;同时,针对钻机平台单通道液压支腿进行控制器的设计,针对存在的负载干扰不确定性、模型非线性等因素,建立单通道液压支腿非线性仿真模型,设计模糊自适应PID控制器并进行仿真研究。通过Simulink仿真分析,得出在设计的模糊自适应控制作用下,单通道液压支腿能快速跟踪输入信号,相比于常规控制方式,提升了调平支腿对全局控制器输入控制信号的跟踪速度,并将控制误差减小一半,有利于提升整体调平系统的调平速度,为钻机平台调平系统的改进提供了参考。     

基于改进自适应高阶滑模的液压缸位移跟踪控制

电液伺服系统具有高度非线性、模型参数不确定等特点，给液压缸位移跟踪控制造成了困难。高阶滑模是一种变结构非线性控制方法，它可以实现系统的鲁棒控制，同时抑制系统的抖动，非常适用于电液伺服系统的控制。但高阶滑模也存在控制器的参数难以设置、系统响应速度慢的问题。对此，提出在自适应高阶滑模的基础上加入比例反馈的复合控制策略。针对高阶滑模的控制参数难以设置的问题，提出基于时滞控制理论的参数自适应调整算法，既保证了系统稳定又降低了控制信号的抖动幅值。在自适高阶滑模的基础上加入比例控制以提高系统的响应速度。建立了电液伺服系统的仿真模型，仿真结果表明：自适应高阶滑模使控制信号的振幅进一步减小，有效抑制了液压缸的抖动；加入比例控制之后，系统的响应速度大幅提升，位移跟踪误差也显著减小。     

论域自适应变化的不确定机械臂模糊补偿控制

为了提高不确定机械臂系统在扰动工况下的轨迹跟踪精度,设计了论域自适应变化的模糊补偿控制器。以二自由度机械臂为研究对象,建立了机械臂系统的动力学模型,设计了模糊补偿控制器的整体方案。提出了模糊控制参数论域随跟踪误差自适应变化的思想：当跟踪误差较小时,参数论域随之减小,有利于提高控制精度;当跟踪误差较大时,参数论域随之增大,有利于控制过程收敛;基于Lyapunov稳定性分析,给出了补偿力矩系数的自适应变化律。经仿真验证,论域自适应模糊补偿控制器对期望轨迹跟踪误差的最大值和方均根均远小于传统模糊补偿控制。仿真结果表明在扰动工况下,论域自适应模糊控制器对不确定机械臂的轨迹跟踪控制是有效的,且在控制精度和速度方面具有一定优越性。     

具有不确定性的主从机械手自适应模糊控制

针对具有不确定性且存在执行器未知约束的遥操作机器人系统，研究自适应模糊轨迹跟踪控制方案。该方案无需精确建立机器人遥操作系统的动力学模型，也不需要测量机械臂末端的运动参数与末端受到的外力。通过自适应模糊系统逼近未知的机器人动力学模型，利用运动学参数线性化特性构建预估机器人雅可比矩阵，辅以参数更新律实现跟踪目标的近似表示。此外，通过采用Nussbaum函数处理执行器受到的输入约束实现输入约束补偿。针对遥操作机器人系统主从端受到的相互作用力，借助自适应模糊系统，在控制律中添加模糊项实现对相互作用力的逼近，从而实现更为稳定、精确的轨迹跟踪。通过李亚普诺夫稳定性理论证明了闭环动力学系统是有界的，且位置误差收敛于零，仿真试验进一步证明了理论方案的有效性。     

不确定机器臂系统的鲁棒追踪控制设计

针对机器臂的不确定动力学参数和外部未知干扰,提出了一种自适应雅格比追踪控制策略,运用李亚普诺夫方法及滑模控制来加强系统的渐进稳定性,可使机器臂末端装置的运动误差渐进收敛到零。仿真结果表明,该控制器运用于二自由度机器臂具有较好的鲁棒性和动态性能。     

仿真转台液压伺服系统自适应模型跟踪模糊变结构控制的研究

提出一种液压伺服系统自适应模型跟踪模糊变结构控制的设计方法,控制量由等效控制分量和切换控制分量所组成。依据理想的滑模特性确定等效分量,当被控系统存在参数和外干扰不确定的情况下,根据李亚普诺夫稳定法所求出的切换分量能使其状态到达滑模面并实现滑模运动,使系统的跟踪误差大范围渐近收敛。采用模糊控制方法使系统在滑模状态下的颤振得到缓减。仿真表明,该控制方法能得到较满意的结果。     

时变周期性参考输入的自适应重复控制系统设计

在凸轮研磨加工应用中,为符合特定加工条件,凸轮需要操作在变转速条件,这将使得输入信号变成所谓的时变周期信号,即是位置或角度的周期信号.因此,为降低时变周期信号的跟踪误差,提出了一种基于重复控制理论设计的具有线性时变特性的自适应重复控制器,使得角位移域内的时变周期信号得到衰减.采用自适应重复控制理论将定义在时域内的所有的控制信号转换成定义在角位移域内的信号,以使输入信号变成周期函数.针对直线伺服电机驱动的凸轮加工中心进行了仿真研究,结果表明所提出的控制方案是有效的,提高了系统跟踪精度,大大减小了跟踪误差.     

基于GA的直线伺服系统H∞优化控制的研究

针对永磁直线伺服系统存在的不确定性扰动,提出基于遗传算法(GA)的H∞混合灵敏度控制方法.根据永磁直线伺服系统的数学模型,对电流环采用PI控制,用根轨迹法来确定控制器的参数;以参考输入和扰动作为系统的输入向量,考虑系统对参考输入的跟踪和对扰动输入的抑制,将速度控制器设计归结为H∞混合灵敏度问题;在选择多个加权函数时,以性能指标作为相应的适应度函数,采用遗传算法选取加权函数,设计伺服系统的H∞优化控制器.对系统进行计算机仿真.仿真结果表明,用该方法设计的系统,其抑制扰动和跟踪给定信号的性能得到改善,满足高性能数控机床永磁直线伺服系统控制的要求.     

机械臂液压伺服系统的自适应模糊滑模控制

针对机械臂液压伺服位置系统存在非线性特性和参数不确定性,提出了一种自适应模糊滑模控制方法。利用参数自适应算法估计系统未知参数,有效地克服了系统不确定性的影响,提高了系统的鲁棒性;采用非连续投影算法保证了参数估计的有界性;引入模糊系统代替切换控制项,有效地消弱了抖振。仿真研究结果表明:所设计的自适应模糊滑模控制器能够快速准确地跟踪指令,并且对参数变化具有较强的鲁棒性,与PID控制器相比,系统跟踪误差小,响应速度快,跟踪性能好。     

泵控非对称液压位置系统自适应Backstepping控制

针对泵控非对称缸位置系统强非线性、参数不确定性及负载扰动等问题,提出自适应Backstepping控制策略以提高系统位置跟踪精度和鲁棒性。建立了系统状态空间数学模型。基于Backstepping算法,构建了Lyapunov函数,设计自适应控制律,以消除系统不确定性参数影响。通过不同工况负载下正弦响应,验证了提出的控制策略。实验结果表明:所提出的自适应Backstepping控制策略使系统的位置追踪误差保持在±0.05 mm,系统的稳定性和鲁棒性得到了有效提高。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

基于自适应事件触发的非完整机器人轨迹跟踪

针对一类非完整轮式移动机器人的轨迹跟踪问题,提出一种分段自适应事件触发机制。以非完整轮式移动机器人的位姿误差运动学模型为基础,设计运动学控制器,利用Lyapunov稳定性定理证明控制系统一致稳定;基于此控制器提出了分段事件触发机制,在2个时间段内分别设计常值和自适应触发阈值参数,利用Lyapunov函数分析方法和Gronwall-Bellman不等式证明闭环控制系统一致最终有界,且相邻2次触发间隔存在正的下限。最后,通过MATLAB仿真验证了所提方法可根据系统状态误差范数自适应调整触发阈值参数,以较低的触发频率跟踪期望轨迹。     

基于改进模糊自适应补偿的柔性关节机器人PD控制

针对柔性关节机器人具有不确定性、轨迹跟踪精度低和抖动的问题,提出一种改进模糊自适应补偿的PD控制方法。该方法在原有模糊自适应控制和PD控制的基础上进行改进,采用改进模糊自适应控制对PD控制进行补偿,以提高存在不确定性条件下的关节轨迹跟踪精度并抑制抖动。通过Lyapunov理论证明了系统的稳定性。仿真结果表明：新型控制器具有良好的自适应能力,与传统PD控制和模糊自适应控制相比,新型控制策略显著提高了关节的轨迹跟踪精度并在一定程度上抑制了关节抖动。     

动压缸电液伺服压力系统自适应反步双滑模控制

给出了轨道路基测试装置液压原理图、动压缸电液伺服压力系统数学模型和AMESim模型。将动压缸电液伺服压力系统拆分为动压缸位移子系统和动压缸输出压力子系统两部分,在此基础上,设计了一种自适应反步滑模控制方法:采用双滑模结构,分别构造动压缸位移子系统滑模自适应控制和动压缸输出压力子系统反步滑模自适应控制,给出了不确定参数的自适应律,并对该方法的稳定性进行了证明。最后将该方法作用于动压缸电液伺服压力系统AMESim模型上,仿真结果表明:该方法不仅可以有效地估计系统中参数,实现对目标期望变量精确地跟踪,具有比积分滑模自适应控制(ISAC)更好的控制性能和跟踪性能;而且可以有效地减小参数不确定性对跟踪性能的影响,具有较好的鲁棒性能。     

串联型机械臂的自适应鲁棒容错控制研究

针对串联型机械臂关节空间内的轨迹跟踪控制,提出了一种自适应鲁棒容错控制方法。在机械臂动力学模型中加入了外界干扰、关节摩擦与故障模型,并将其等价成二阶被控系统。在此基础上,结合非奇异快速终端滑模面和反步法控制策略,设计一种新型的反步非奇异快速终端滑模控制器。通过李亚普诺夫准则验证了控制策略的全局渐近稳定性;引入自适应技术估计系统不确定性的上界,提高控制器的鲁棒性。以二自由度机械臂为被控对象,对所设计控制器的有效性进行了验证,结果表明:与传统的非奇异快速终端滑模控制器及反步非奇异快速终端滑模控制器相比,该控制器具有响应速度快、鲁棒性强、抖振小的优点,能有效应对系统故障和实现机械臂的高精度轨迹跟踪控制。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

超精密数控机床的规则可调自适应模糊控制系统的研究

介绍了一种能够根据位置误差和误差变化率自动调整模糊规则和比例因子的规则可调自适应模糊控制器。仿真实验表明了该模糊控制系统不但能很好地适应伺服系统的非线性特点，而且具有很高的动态跟踪精度、静态定化精度和鲁棒性．其性能优于PID控制器和常规的模糊控制器，能更好地满足超精密机床数控系统极高的轮廓跟踪精度、定化精度和抗干扰性能的要求。