多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

基于干扰观测器的机械臂自适应模糊滑模控制

机械臂在轨迹跟踪控制中存在建模误差和外界干扰等问题。为了提高机械臂轨迹跟踪的精度和速度,设计了一种基于干扰观测器的机械臂自适应模糊滑模控制策略。首先,使用新型趋近律来减小机械臂滑模控制系统中抖振的影响;其次,采用干扰观测器对机械臂建模误差和外界干扰进行估计,根据干扰观测器的观测值对机械臂的输入力矩进行补偿;最后,对于无法观测的部分,采用模糊系统中的万能逼近原理对未知的干扰进行估计,进一步提高机械臂的轨迹跟踪性能。通过仿真试验表明,该控制策略不仅可以克服建模误差和外界干扰所带来的影响,还可以有效地削弱系统的抖振,保证了机械臂各关节位置跟踪的精度和速度。同时也说明了该控制策略的有正确性和有效性。     

机械臂反演非奇异终端的神经滑模控制

为了解决具有外部干扰以及建模误差的多关节机械臂的轨迹跟踪问题,提出了一种机械臂反演非奇异终端的神经滑模控制方法。采用非奇异终端的滑模面,基于反演方法以及滑模控制的原理,设计了反演滑模控制器。针对由于外部干扰以及建模误差引起的反演滑模控制系统中不确定的因素上界,设计了径向基(radial basis function,简称RBF)神经网络的自适应律,对不确定因素上界进行了在线估计,并对控制系统的稳定性使用了Lyapunov定理进行证明。仿真分析结果表明,所提出的方法不仅可以减少系统中存在的抖振现象,而且具有较好的轨迹跟踪性能和较强的鲁棒性。     

多关节机械臂反演滑模神经网络干扰观测器控制

多关节机械臂在建模过程中存在不确定干扰和建模误差,对机械臂的控制系统带来了许多不良的影响.为此,文中研究了一种反演滑模神经网络干扰观测器控制策略.文中采用非线性干扰观测器对多关节机械臂的外部不确定干扰进行观测补偿,且无需外界不确定干扰的上界先验知识.对于建模过程中存在的不确定性,采用反演滑模神经网络自适应控制,运用神经网络建模误差进行逼近,并采用自适应策略对网络权值进行自适应改变.通过李雅普诺夫稳定性理论证明了系统的稳定性,并通过MATLAB仿真,通过与传统滑模神经网络控制相比较,仿真结果表明该控制算法有效提高了机械臂末端轨迹跟踪速度和精度,降低了系统中存在的抖颤.     

机械臂固定时间观测器和自适应滑膜控制方法的设计

在机械臂轨迹跟踪控制过程中,当利用观测器对模型参数不确定性和外部未知动态扰动进行估计时,估计时间容易受扰动初值的影响,为此基于固定时间扰动观测器设计了一种自适应滑模轨迹跟踪控制方法。利用固定时间观测器的特性,在固定时间内获得机械臂内部模型误差和外部不确定扰动的估计,对扰动估计做出补偿,通过滑模控制策略实现机械臂的轨迹跟踪控制。针对滑模控制伴随抖震的特性,论文对滑模控制器的趋近律进行了抑制抖震的改进设计。通过仿真实验证明:基于固定时间扰动观测器的滑膜控制方法能够在固定时间内准确获取扰动的估计值,能够控制机械臂以高精度跟踪给定轨迹;通过与基于高阶扰动观测器的滑模控制方法进行仿真对比,验证了该方法在消除不确定扰动的基础上,能够有效地抑制系统抖振,并且跟踪误差能够在短时间内以指数速率完成收敛。     

机械臂滑模控制算法研究

针对机械臂轨迹跟踪控制中传统滑模控制需估计其建模误差及外界干扰等不确定性,当建模不确定性及外界干扰较大较复杂时,将会导致出现抖振现象。该文在以传统滑模控制为主控制器的基础上,通过对传统干扰观测器进行改进,对外界干扰进行反馈补偿,同时利用神经网络对其建模误差进行逼近。通过机械手仿真实验结果表明,所提方法能够有效抑制系统抖振现象,提高响应速度及其轨迹跟踪精度。     

基于模糊滑模的机械臂鲁棒轨迹跟踪控制

针对存在外部扰动及建模误差的机械臂轨迹跟踪控制问题,提出了一种基于模糊滑模的鲁棒轨迹跟踪控制策略。在传统鲁棒控制器的基础上引入模糊滑模控制器取代等效控制项,解决了由初始系统误差较大引起的速度跳变、抖振等问题。其中模糊滑模控制器采用自适应模糊逻辑修正指数滑模趋近律中的常数项,可以优化滑动模态的品质,有效消除抖振。利用Lyapunov理论证明了系统的稳定性。仿真实验结果表明,该控制算法轨迹跟踪误差小,误差收敛速度快,具有良好的实时性。     

机械臂关节空间轨迹的神经网络滑模跟踪控制

为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。     

基于反演设计的机械臂非奇异终端神经滑模控制

针对具有建模误差和不确定干扰的多关节机械臂的轨迹跟踪问题,设计反演非奇异终端神经滑模控制。该方案是采用能有限时间收敛的非奇异终端滑模面,根据滑模控制原理和反演方法设计反演滑模控制器;对于反演滑模控制系统中由于建模误差和不确定干扰造成的不确定因素的上界,设计径向基(Radial basis function, RBF)神经网络自适应律,在线估计不确定因素的上界;利用李亚普诺夫定理证明了系统的稳定性。仿真结果表明,该方法具有良好的轨迹跟踪性能,提高对于建模误差和不确定干扰等因素的鲁棒性,削弱了抖动。     

多关节移动机械臂系统的快速终端滑模控制

为了实现多关节移动机械臂系统在机械摩擦和模型误差等干扰下的精确控制,提出了快速终端滑模控制方法.首先建立了移动机械臂系统动力学和运动学模型,然后设计了运动环控制律,并将移动机械臂系统的运动指令转换为动力指令,最后针对动力环设计了快速终端滑模控制律,并通过自适应神经网络进行干扰估计,实现了对多关节移动机械臂系统的精确控制.仿真实验结果表明,提出的方法具有更好的快速性和准确性,移动平台的最大跟踪误差仅为0.8 cm,关节末端的最大跟踪误差仅为0.3 cm,干扰估计的最大误差为0.2 N·m,控制效果和精度均得到了明显的提升.     

多关节机械臂的分数阶滑模变结构神经网络自适应控制

在分数阶滑模控制方法的基础,设计了新型的滑模函数趋近律,提升了多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度.机械臂在建模过程中存在多种建模误差,工作过程中存在外界干扰等不确定因素,因此采用神经网络对各种不确定项进行逼近,对径向基函数神经网络自适应控制中存在的误差,提出了神经网络误差的自适应补偿项,减小了径向基函数神经网络对不确定项的逼近误差.结果表明,该控制算法有效地提高了轨迹的跟踪速度和跟踪精度,并降低了系统中存在的抖颤.     

机械臂的改进固定时间滑模控制方法设计

当机械臂末端对给定轨迹进行跟踪控制时,跟踪误差收敛速度容易受初始跟踪误差大小的影响,针对这一问题设计了一种适用于机械臂模型的改进固定时间滑模轨迹跟踪控制策略.在快速终端滑模面的基础上,设计了一种固定时间滑模面,从而使得控制器具有固定时间收敛特性并给与证明;针对滑模控制伴随抖震的特性,对滑模控制器的趋近律进行了抑制抖振的改进,使得趋近律具有一定的自适应性.通过对二自由度机械臂的仿真实验,验证了在系统含有未知扰动的情况下,设计的改进固定时间滑模控制器能够在固定时间内使得机械臂末端轨迹跟踪误差快速收敛,且通过控制器参数的调整能够达到更快的收敛速率.通过仿真对比,验证了论文设计方法的收敛速率要快于快速终端滑模控制方法.     

基于扰动观测器的永磁同步电机电流环自适应滑模控制

针对扰动对永磁同步电机转速伺服系统性能的影响,提出了基于扰动观测器的电流环自适应滑模控制方法。设计了自适应律在线估计系统的内部参数摄动以补偿模型不确定性扰动。同时,设计了滑模扰动观测器实时估计系统外部负载扰动,并将观测值前馈补偿到电流环自适应滑模控制器,在提高系统鲁棒性的同时降低滑模控制系统的抖振。实验结果显示,采用基于扰动观测器的电流环自适应滑模控制方法,系统可快速、准确、无超调地跟踪900r/min的速度指令,调节时间为0.08s,稳态误差为±5r/min。加入0.6N·m的负载扰动,该控制方法的最大转速波动为21r/min,比PI控制方法的转速波动减小了3.4%。仿真和实验结果表明,基于扰动观测器的电流环自适应控制方法提高了永磁同步电机转速伺服系统的鲁棒性和动态响应性能,同时可有效抑制滑模控制系统的抖振。     

干扰观测器与滑模控制结合的机械臂跟踪控制

为了提高机械臂轨迹跟踪的精度和速度,提出了干扰观测器与非线性滑模控制相结合的轨迹跟踪控制方法.建立了机械臂动力学模型,设计了机械臂轨迹跟踪控制方案.将机械臂受到的扰动分为可观测部分和不可观测部分,对于可观测部分,设计了干扰观测器用于估计扰动大小,依据扰动观测值对控制力矩进行补偿,主动消除可观测部分扰动的影响;对于不可观测部分,设计了非线性滑模控制器,用于减小不可观测扰动造成的跟踪误差与抖动.经仿真验证,与传统滑模控制和非线性滑模控制相比,干扰观测器与非线性滑模控制相结合的轨迹跟踪误差减小了一个数量级以上,且跟踪速度最快.     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

基于迭代学习的工业机械臂抗干扰控制方法

为了克服工业机械臂的未知负载力矩和摩擦等干扰因素的影响，采用迭代学习算法设计了滑模控制律。首先建立了工业机械臂数学模型，然后设计了二阶非奇异快速终端滑模面，同时提出了滑模控制律，最后利用迭代学习方法来改善滑模控制律的抖振现象，并进行了收敛性分析。仿真结果表明：设计的基于迭代学习的滑模控制律能够有效消除各种干扰因素的影响，实现对工业机械臂运动轨迹的精确控制，最大跟踪误差仅为0.3mm，在实测验证中的最大跟踪误差也仅为0.17mm，平均运行时长仅为1.73s，大幅提升了对工业机械臂的控制精准度。     

永磁同步电机积分滑模观测器控制

对永磁同步电机观测器控制进行研究,针对传统滑模观测器存在控制精度低、系统抖振较大的不足,设计了一种永磁同步电机积分滑模观测器控制。积分滑模控制具有控制精度高、系统抖振小的特点。积分滑模观测器可以有效提高电机控制精度,增强控制系统抗干扰能力。采用饱和函数代替符号函数进行滑模控制律设计,降低控制系统固有抖振,使滑模控制动态性能提高。通过仿真验证了积分滑模观测器控制策略的可行性。     

基于扩张状态观测器的稳定平台非奇异终端滑模控制

针对多源扰动对航空遥感惯性稳定平台稳定精度影响,提出一种基于扩张状态观测器的稳定平台非奇异终端滑模控制复合控制策略,对多源扰动进行抑制,提高稳定平台指向精度,实现高精度成像。首先采用非奇异终端滑模控制,将多源扰动视为总和干扰,设计非奇异终端滑模控制面和控制律,实现对多源扰动的有效抑制;针对滑模控制存在的抖振问题,采用扩张状态观测器对扰动进行观测,将观测到的状态量及总和干扰作为校正依据,对非奇异终端滑模控制律进行校正,实现控制律的优化,从而实时抑制抖振扰动;最后,对方法的有效性进行仿真分析及实验验证。结果表明,提出的复合控制方法扰动抑制能力明显,可有效提高惯性稳定平台稳定性和指向精度。