具有输入约束的参数不确定机器人自适应控制

机器人在实际工业应用场合中其执行器无法避免会受到输入约束,受限于参数标定精度与负载变化等因素也导致参数不确定性。为此,针对具有输入约束的参数不确定机器人系统开展研究,提出一种具有输入约束补偿的自适应鲁棒跟踪控制器,该控制方案无需建立输入约束的精确模型,同时未建模动态与外部扰动的上确界也不要求已知,极大减少对被控系统的预先标定工作。在进行运动学参数预估时采用投影算法避免产生奇异现象,通过引入Nussbaum增益矩阵实现输入约束补偿与在线轨迹跟踪控制。此外,借助Lyapunov稳定性理论证明了系统的稳定性与误差收敛性,最后通过仿真验证了控制方案的有效性。     

机器人柔性关节前馈力/位混合控制策略研究

针对机器人关节柔性引起的轨迹跟踪误差问题和末端执行器残余振动现象,在PD反馈控制律基础上,提出一种基于柔体动力学模型的前馈力矩补偿控制算法和后置多模态自适应输入整形算法前馈力/位混合控制策略。建立六轴工业机器人柔体动力学简化模型,在不附加关节编码器和外设的情况下进行柔体动力学参数辨识,再将动力学模型改写为力矩计算方程,经计算得到前馈力矩并加入控制律中进行补偿;计算前馈力矩所用的期望轨迹需经过输入整形器处理,考虑机器人系统的时变性问题,采用后置多模态自适应输入整形算法对期望输入位移信号进行命令整形,从而抑制末端的残余振动现象。结果表明：所提出的前馈力/位混合控制策略能有效减少轨迹跟踪误差,抑制机器人末端的残余振动现象。     

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.     

基于状态观测器的空间机器人滑模容错控制北大核心

研究了具有执行器故障的漂浮基空间机器人系统无速度反馈的关节轨迹跟踪控制问题,设计了基于状态观测器的神经网络积分滑模容错控制方案。首先,根据执行器故障类型建立执行器故障的数学模型,并结合拉格朗日法建立了执行器故障的空间机器人系统动力学方程;其次,为实现控制器的无速度反馈,设计了状态观测器对系统速度进行估计,并结合神经网络提高估计精度;再次,根据滑模控制理论设计了积分滑模控制器,通过神经网络补偿执行器故障的影响,并设计自适应律补偿神经网络的估计误差,保证了控制器的连续性与非奇异性,使系统获得良好的轨迹跟踪精度和容错能力;最后,通过李雅普诺夫方法证明了控制方案的稳定性,并通过MATLAB数值仿真运算,验证了控制方案有效性。     

基于无源控制的非完整移动机器人轨迹跟踪误差仿真研究

当前,非完整移动机器人在外界干扰作用下容易发生抖动现象,机器人轨迹跟踪误差较大,不能很好的满足执行任务的需要。对此,文章采用无源控制理论控制非完整移动机器人的轨迹跟踪,实现轨迹跟踪误差最小化。构造机器人动力学模型,介绍了机器人空间运动控制的基本形式,引入无源控制理论,在非完整移动机器人末端安装无源控制的执行器。采用数学方法证明了无源控制闭环系统具有很好的稳定性,并且轨迹跟踪误差具有收敛性。结合具体实例,非完整移动机器人末端执行器在无源控制条件下,通过数学软件Matlab/Simulink进行轨迹跟踪误差仿真,并且与其它轨迹跟踪误差控制方法进行对比分析。误差仿真结果证明,非完整移动机器人末端执行器采用无源控制方法,不仅轨迹跟踪误差降低,而且输入转矩波动程度较小。非完整机器人末端执行器采用无源控制方法,具有良好的控制精度,削弱了抖动现象。     

基于滑模自适应控制的双关节机械手轨迹跟踪

针对机械手在工作过程中由于自身参数的不确定性导致系统稳定性受到影响,提出一种滑模自适应控制算法进行机械手的轨迹跟踪。首先通过运用拉格朗日方程推导出机械手的动力学方程,将未知负载变化、机械手连杆重量、连杆长度及其连杆质心等作为未知变量进行滑模函数以及自适应律的设计,用自适应律调节未知量对稳定性的影响,保证系统的跟踪精度;其次,通过运用李雅普诺夫稳定性分析判断控制算法是否能够使系统最终达到渐进稳定;最后仿真实验表明机械手的轨迹能被稳定跟踪以及未知变量具有快速收敛性,证明了算法的有效性和优越性。     

基于模糊补偿的七自由度机械手轨迹跟踪控制

针对多关节机械手的不精确动力学模型导致计算力矩法控制的鲁棒性差和不能实现全局渐进稳定的问题,以一种七自由度机械手为研究对象,采用计算力矩加自适应模糊补偿控制,通过ADAMS与MATLAB联合仿真进行机械手轨迹跟踪控制研究,并证明了系统的稳定性和误差的收敛性。仿真结果表明:利用该方案控制的七自由度机械手具有较好的轨迹跟踪特性,无须机器手精确的动力学模型。     

搬运机械手模糊滑模增益跟踪控制北大核心

针对非线性机器人系统中未建模动力学以及未知扰动的问题,提出了一种抗干扰的自适应模糊增益滑模控制策略。首先根据D-H坐标法建立机械臂的运动学、动力学模型;再次,引入Mamdani模糊规则和自适应律逼近理论,通过对Lyapunov函数的设计,建立滑模控制律,选取机械臂整体动力学模型为研究对象,引入干扰并进行仿真分析;最后,通过对鲁棒滑模控制、自适应滑模鲁棒控制、自适应模糊增益滑模控制策略进行比较,验证本文所提方法的有效性。     

轮式移动机器人滑移轨迹跟踪控制策略研究

针对轮式移动机器人在滑移条件下的轨迹跟踪问题,提出一种自适应模糊控制策略。利用模糊状态观测器对未知的复杂系统模型进行速度估计和补偿,通过设计输出向量将位置约束转换为输出约束,并构造Barrier Lyapunov函数来保证机器人的运动约束,在此基础上设计更简单的纵向滑移模型,利用李亚普诺夫定理分析闭环系统的稳定性,证明了闭环系统中所有信号都是有界的。最后通过仿真和实验验证了自适应模糊控制策略在轮式机器人纵向滑移情况下的有效性和实用性。     

基于神经网络的打磨机器人的力/位混合控制

针对封头打磨机器人在工作过程中末端执行器轨迹跟踪和恒力控制要求与打磨机器人在封头上行走的振动抑制问题,提出一种基于神经网络的力/位混合控制方法。采用力/位混合控制器完成打磨机器人力和位置的同时控制要求。针对打磨机器人平台行走过程产生的振动干扰,设计神经网络鲁棒控制器,通过神经网络对系统参数误差和振动干扰进行抑制。仿真结果显示,该混合控制器不仅能保证打磨机器人末端执行器位置的精确控制和有效的恒力控制,而且对外界振动干扰有很好的抑制效果。     

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。     

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。     

基于Udwadia-Kalaba理论的协作机器人轨迹跟踪控制

协作机器人通常应该跟踪给定的轨迹来与人类一起工作,给定轨迹认为是施加于机器人的约束(可能是非理想的)。因此,获得约束力成为核心问题。已有拉格朗日乘数法等多种基于d'Alembert原理的方法来处理这个问题。其缺点为,如果约束是非完整的,动态模型是复杂的,只能得到数值解。这里提出了一种基于Udwadia-Kalaba方法的轨迹跟踪控制的新方法。该方法为具有完整或非完整约束的约束协作机器人系统以及可能是理想的或非理想的约束提供了新颖、简洁和明确的运动方程。在上述基础上,分析不确定性因素的影响并构建自适应律,设计一个产生近似约束的控制器以保持系统稳定性。由于约束力由给定轨迹确定,协作机器人的运动完全符合要求。以一个数值例子来说明实现过程的细节。结果表明,与传统鲁棒控制相比,该方法具有更好的性能和更少的计算量。     

液压伺服系统的变论域自适应模糊控制

针对液压伺服系统的参数不确定性和高度非线性等问题,提出一种变论域自适应模糊控制方法。设计一种自适应律,利用不同时刻反馈回来的误差信息在线调整控制系统参数,实现实时自适应调整,避免了传统模糊控制过度依赖模糊控制规则的问题;基于自适应模糊控制系统,将系统误差及误差变化率作为输入,伸缩因子参数作为输出,提出伸缩因子自调整函数,达到对液压伺服系统高精确高响应的控制。MATLAB/Simulink仿真结果表明：变论域自适应模糊控制方法有效提高了轨迹的跟踪速度和跟踪精度。     

双臂机器人的轨迹跟踪控制方法研究

针对工件在实际加工中打磨空间局限、精度不高等问题,为提高机器人作业的轨迹跟踪效果,提出一种双臂机器人轨迹跟踪控制方法。以轮毂打磨为研究背景,主从架构中夹持机器人采用PD控制,夹持待打磨工件进行位置跟踪运动控制;打磨机器人采用基于位置的阻抗控制,实现力控和末端位置补偿,提高定位精度。基于MATLAB/Simulink设计仿真模型验证可行性,并完成实验验证。实验结果表明：当机器人末端在外界干扰力作用下,能自适应地跟踪及修正轨迹,满足双臂机器人轨迹跟踪控制的要求。     

基于布谷鸟算法的工业机器人轨迹跟踪控制

研究SCARA工业机器人在关节空间内的轨迹跟踪控制问题。实际应用中,系统的未建模特性、关节摩擦间隙和未知负载等因素将引起机器人动力学性能的变化,从而影响其轨迹跟踪控制;并且外界扰动也会增加机器人轨迹跟踪控制的难度。针对上述问题,提出一种基于布谷鸟算法优化的快速连续非奇异终端滑模控制策略。该方法利用布谷鸟算法寻优机制规划机器人的参考轨迹;控制策略在李亚普诺夫稳定性理论的支撑下,采用连续非奇异终端滑模面来补偿与抑制系统的不确定性与外界扰动,引入快速终端滑模趋近律来加快系统的响应速度,并结合Anti-Windup技术来补偿系统中死区等其他非线性因素。通过李亚普诺夫稳定性理论,证明机器人系统的轨迹跟踪误差全局稳定。最后,通过轨迹跟踪试验验证了此方法的有效性。     

一种改进的非完整轮式移动机器人轨迹跟踪控制方法

针对非完整约束下移动机器人的轨迹跟踪控制中误差收敛速度和平滑性上存在的不足,提出了一种改进的非线性反推跟踪控制算法。在运动学模型的基础上,构造了简单的虚拟变量推导出了反推控制律,且通过Lyapunov函数证明了该控制律的稳定性,并引入了一个反馈控制律,得到了一种新型轨迹跟踪控制器。MATLAB仿真分析表明:改进的非线性反推控制律很好地改善了控制效果,跟踪误差能在较短的时间内收敛,具有良好的抗干扰能力。     

基于PID迭代学习控制的码垛机器人研究

以平行四杆件的码垛机器人为研究对象,运用机器人动力学中的拉格朗日功能平衡法建立码垛机器人的动力学模型。在经典PID控制的基础上,运用迭代学习控制(ILC)对系统未知参数和干扰进行补偿,实现机器人系统各关节对期望运行轨迹的跟踪控制。通过对控制系统的分析和仿真可得,在机器人系统稳定工作的前提下,将迭代学习率设置为0.75,经过10次迭代学习之后,系统的误差绝对值最大值与期望轨迹的比值能够控制在10%以下。实验结果表明,码垛机器人的PID迭代学习轨迹跟踪控制可以获得较高的跟踪精度。