采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

滑模控制在并联机器人轨迹跟踪中的应用

建立了平面二自由度冗余驱动并联机器人的动力学模型,为进行动力学控制奠定了基础.考虑到并联机器人的非线性不确定性,结合滑模控制对参数变化和系统未建模部分的不敏感性,设计了滑模控制器并进行了稳定性分析.由于滑模控制具有抖振问题,进而设计了准滑模控制器以减少抖振.在充分利用滑模控制鲁棒性较强的基础上,利用准滑模控制减少了抖振对伺服电机和机械臂的损坏.利用MATLAB 7.0对系统进行了轨迹跟踪仿真研究.仿真结果表明,即使在存在初始位置误差的情况下,滑模控制仍能较好地完成轨迹跟踪,准滑模控制能有效减少系统的抖振.     

复杂型面构件超声自动检测轨迹跟踪控制

为提高复杂型面构件超声自动检测过程轨迹跟踪的精度和鲁棒性,在分析超声检测机器人的动力学模型的基础上,利用滑模控制理论,设计了轨迹跟踪控制的超声自动检测机器人的滑模控制方案。经实验验证,该方案可以有效提高超声自动检测机器人对预定轨迹的跟踪精度及系统的鲁棒性。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

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。     

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。     

3-RPC型并联机器人模糊滑模轨迹跟踪控制研究

分析了直流伺服电机驱动的3-RPC并联机器人的运动学反解,并对其进行了轨迹规划;设计了传统滑模控制及模糊滑模控制,建立了仿真模型,并完成了各支路的期望运动的轨迹跟踪。仿真结果表明:模糊自适应增益滑模控制比传统滑模控制精度更高,响应时间明显更快,更能有效地消弱控制中带来的抖振现象。     

轮式移动机器人的动力学建模及跟踪控制

针对轮式移动机器人存在非完整约束的特点,利用牛顿-欧拉方法建立了轮式移动机器人的动力学模型,将非完整约束直接融入到动力学方程中;同时,考虑了电机的动力学特性.针对动力学模型中存在参数不确定以及机器人在工作过程中存在外界干扰的特点,设计了以两轮驱动力矩为输入的滑模轨迹跟踪控制器,采用趋近律方法削弱了滑模控制器的抖振.仿真实验证明了模型的可行性和控制的有效性,较好地实现了机器人的全局轨迹跟踪.     

工业机器人关节轨迹预定义时间滑模跟踪控制

针对工业机器人关节轨迹跟踪控制问题，设计了一种新型预定义时间滑模轨迹跟踪控制器。首先，通过分析工业机器人关节传动机构，建立了由永磁同步电机驱动的关节运动模型；然后，设计预定义时间滑模轨迹跟踪控制器，并对控制器的非奇异性和预定义时间收敛性进行分析，确保轨迹跟踪误差能够在预定义时间内完成收敛；最后，在工业机器人上进行实验，结果表明，所设计的控制器具有良好的轨迹跟踪性能，并能保证跟踪误差在预定义时间内收敛。     

基于质心偏移的移动机器人轨迹跟踪控制

针对非完整约束下质心偏移的移动机器人,提出了一种改进滑模变结构的轨迹跟踪控制方法,并通过此方法得到一种具有全局渐近稳定性的跟踪控制器。以三轮移动机器人的运动模型为基础,该跟踪控制器的设计分为两部分:第一部分是采用X方向和前向角方向同时具有虚拟反馈变量,通过Lyapunov方法对控制系统进行稳定性分析,设计出切换函数;第二部分是滑模控制器设计,采用指数趋近律,使用S型指数函数代替符号函数,减少了滑模变结构控制的抖动,由此设计出了线速度和角速度的控制律,用来渐近整定移动机器人跟踪误差,实现了对参考轨迹的全局渐近跟踪。实验结果表明:该控制律能够在极短时间内趋于稳定,其跟踪平面坐标误差和前向角误差也能在极短时间内收敛于0,并且移动机器人也能够有效地跟踪期望轨迹,其控制效果具有明显的改善,且具有很好的抗干扰性能。     

基于连续滑模控制的电液伺服系统轨迹追踪控制

为改善电液伺服系统的轨迹追踪精度,设计一种连续滑模控制器,用于对电液伺服系统进行轨迹追踪控制。在电液伺服系统的建模过程中,以控制阀阀芯位移为依据,得到了电磁线圈上的电压及电流方程。在液压流体的作用下,建立气缸内液压流体的流量方程。根据系统的轨迹误差,构造滑动面模型。在开环传递函数状态空间模型的基础上,建立控制律的连续方程,进而得出连续滑模控制器,以克服电液伺服系统的不确定性和扰动性,控制其对标定轨迹进行精确追踪。与干扰观测器对标定轨迹的追踪结果相比,该方法在追踪弧形及方波标定轨迹时,追踪精度分别提高了31.23%和39.98%。该方法能有效改善电液伺服系统的轨迹追踪精度。     

关节空间内工业机器人抗干扰轨迹跟踪控制

针对工业机器人在关节空间内轨迹跟踪精度差和易受集总干扰影响等问题,提出一种基于非线性扰动观测器的快速连续非奇异终端滑模控制策略。根据拉格朗日方程推导出四轴工业机器人的动力学模型,获得系统的输入输出关系。引入非线性扰动观测器对集总干扰进行估计与补偿,设计快速连续非奇异终端滑模控制器来加快系统状态量的收敛速率,提高关节空间内轨迹跟踪的精度。由李雅普诺夫稳定性理论证明了此控制器的全局稳定性。通过仿真案例与试验研究验证了所设计控制策略的有效性,结果表明:该控制器能有效抑制集总干扰影响,保证工业机器人轨迹跟踪的精度,具有一定的工程参考价值。     

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。     

基于跟踪微分器的移动机器人轨迹规划与跟踪控制研究北大核心

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。     

两自由度并联机器人的RBF神经网络辨识滑模控制策略研究

针对两自由度并联机器人的轨迹跟踪问题,提出一种基于RBF神经网络辨识上界的滑模控制策略。该方案利用RBF神经网络对被控对象的不确定上界进行辨识,将所得的上界值适时送到滑模控制器,既发挥了RBF神经网络具有逼近任意函数的优点,又保留了滑模变结构控制的快速性和鲁棒性,达到了理想的控制效果。     

基于模糊滑模的两轴伺服系统轮廓误差交叉耦合控制算法

针对两轴伺服系统轮廓误差控制问题,提出一种基于模糊滑模的交叉耦合轮廓误差控制方法。设计了单轴模糊滑模跟踪控制器,用于消除干扰作用。将模糊控制器用于自适应调节滑模控制器切换增益,减小滑模控制的抖振现象。采用交叉耦合控制算法进行两轴间的协调控制,解决轴间参数不匹配的问题,保证轮廓控制精度。仿真结果表明:该方法能有效提高跟踪精度和轮廓精度。     

单杆柔性机械臂的轨迹跟踪与末端弹性振动复合控制

针对单杆柔性机械臂末端轨迹跟踪和弹性振动抑制的问题,提出了一种基于奇异摄动法的复合控制方法。采用假设模态法和Lagrange方程推导出柔性臂的动力学模型。基于奇异摄动法将柔性臂的刚柔耦合动力学方程分解成慢变(刚性)和快变(弹性)两个子系统。慢变子系统控制器选择滑模控制和PID控制相结合的方法以抑制控制输入引起的抖振,快变子系统则选择LQR最优控制方法以实现简单的线性状态反馈控制律。数值仿真表明:该方法不仅能实现柔性臂的轨迹跟踪,而且有效地抑制了柔性臂运动过程中的弹性振动。并且,采用滑模控制和PID控制相结合的方法设计的慢变子系统控制,能减少普通滑模控制中的输入抖振,具有更好的控制效果。     

Sliding mode control for mobile welding robot

0IntroductionSliding mode control is an intelligence control methodto realize the linear and the nonlinear system. As an ap-proach for robust control, sliding mode control has beenapplied to the trajectory control of robot manipulators[1 -2],and is recently receiving increasing attention from resear-ches on control of nonholonomic systems with uncertain-ties. The advantages of using sliding mode control includefast response, good transient performance and robustnesswith regard to parameter var…