自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法

针对野外环境中自动驾驶履带车辆轨迹跟踪控制问题,考虑建模误差、参数不确定性及外界随机强干扰,以强鲁棒性及精确跟踪为目标,提出一种基于误差符号鲁棒积分的自动驾驶履带车辆鲁棒自适应轨迹跟踪控制方法.基于拉格朗日动力学方程建立自动驾驶履带车辆的运动学与动力学耦合模型;采用自适应控制方法实现对模型的精确前馈补偿,抵消模型非线性...     

自适应交互式多模型目标跟踪算法

以防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法。该算法采用后验信息修正模型的噪声方差和马尔可夫转移矩阵,使IMM具有自适应能力。将该算法应用于由CA、CV两模型组成的交互式多模型算法中取得良好的效果。仿真结果表明,该算法跟踪精度比标准IMM有较大改善。     

关节齿隙对空间机械臂末端定位精度的影响

研究齿隙存在情况下机械臂末端定位误差达到要求精度的概率。分析了现有齿隙模型的优点和缺点,对其中的死区模型进行改进,提出齿隙的随机变量模型。将此模型作为3关节机械臂的关节误差,导出机械臂末端定位误差的随机模型,并利用Taylor公式对模型作了近似处理,得到以关节误差的二次函数表示的简化模型,并在关节空间中讨论了末端定位误差的最大值和最小值问题。分4种情形给出定位误差达到要求精度的概率,为多阶段任务系统的路径规划和任务优化提供了依据。     

双柔性空间机械臂动力学建模与控制

大多数研究者在空间机械臂动力学建模时,只考虑了关节柔性或者臂杆柔性,并且通常采用假设模态法对臂杆的变形进行描述,但该方法仅适用于小变形情况。基于这种情况,采用自然坐标法对柔性关节进行建模和绝对节点坐标法对柔性臂杆进行建模,得到了既包含关节柔性又包含臂杆柔性的空间机械臂动力学方程,并能精确地描述臂杆的小变形以及大变形。利用5次多项式对关节轨迹进行规划,通过逆动力学得到关节的前馈驱动力矩;采用PID控制策略,作为反馈输入。在二连杆柔性关节柔性杆机械臂上进行数值仿真。仿真结果表明：该控制策略在实现关节轨迹跟踪控制的同时,也能有效减弱机械臂的振动。     

基于双参数自适应优化的无人履带车辆轨迹跟踪控制

为解决定参数轨迹跟踪控制器工况适应性差的问题,基于改进粒子群优化(IPSO)、多层感知机(MLP)算法,设计一种双参数自适应优化的无人履带车辆轨迹跟踪控制算法。离线状态下,基于采集的实车数据,以轨迹跟踪的高精度、高稳定性、低时间成本为目标,利用IPSO算法构建了不同运动基元下的最优参数组合数据集,并以运动基元类型和车速等为特征向量,控制时域长度、时间步长为标签,采用学习率自适应优化算法完成MLP神经网络模型的训练。在线状态下,根据规划层下发的轨迹信息和车辆状态反馈信息,由MLP神经网络输出预测的最优控制时域长度和控制时间步长,作为双参数输入到模型预测控制算法中,完成自适应轨迹跟踪控制。基于ROS-VREP的联合仿真和基于双侧独立电驱动履带平台进行实车试验。研究结果表明,在包含大曲率转向的综合工况下,与相同计算时间成本的定参数轨迹跟踪控制算法相比,所设计的轨迹跟踪控制器横向偏差均值、航向偏差均值以及转角变化率均值分别降低了30.5%、17.2%、7.8%,证明了算法的可行性和有效性。     

基于鲁棒自适应动态规划的临近空间飞行器姿态跟踪控制

针对临近空间飞行器的最优控制问题,提出了一种基于在线数据收集的鲁棒自适应动态规划(RADP)姿态跟踪控制器。将飞行器系统划分为标称跟踪系统和误差跟踪系统。针对误差跟踪系统,在传统的策略迭代的基础上,将李雅普诺夫方程和最优控制律作为先决条件代入求解最优值函数,从而将未知的系统知识转化为需求解关于系统状态的方程。通过在线数据收集系统的状态信息,利用神经网络拟合值函数和控制律,在等式内部进行策略迭代直至满足权值迭代终止条件,最终获得最优控制律与最优值函数。仿真结果表明,RADP在得到误差跟踪控制量后得到的控制律与标称控制率结合,可使飞行器在气动参数摄动的情况下具有良好的鲁棒性,实现近似最优跟踪控制。     

柔性空间机械臂末端运动及柔性振动的模糊自适应补偿控制

讨论了载体位置不受控、姿态受控情况下,具有不确定参数的漂浮基柔性空间机械臂系统载体姿态与末端爪手惯性空间轨迹跟踪的模糊自适应补偿控制和柔性振动优化控制问题.利用拉格朗日方程和假设模态法并结合系统动量守恒关系,分析、建立了柔性空间机械臂系统的动力学方程及运动Jacobi关系.以此为基础,使用奇异摄动法和2种时间尺度的假设...     

基于动态观测器的不确定机器人鲁棒控制研究

针对仅有精确位置测量的机器人系统,在系统参数不确定和有界干扰并存的情况下,提出一种基于速度观测的鲁棒控制方案。在滑模观测器设计中引入补偿项,动态抵消系统偏差对速度重构的影响,确保观测误差指数收敛到有界域。采用Lyapunov直接法设计基于标称模型和观测速度的鲁棒控制律,使系统闭环满足局部一致最终有界收敛。最终以两关节平面机器人的仿真验证了所提方案的有效性。     

机器鱼双闭环正弦形轨迹跟踪控制方法

为实现机器鱼位置和姿态的实时轨迹跟踪控制,通过将姿态控制作为内环、位置控制作为外环的方式设计双闭环控制算法。内环通过采用滑模控制器使得其收敛速度大于外环,保证闭环控制系统整体稳定性,通过李亚普诺夫稳定性定理证明机器鱼位置姿态双闭环控制系统具有渐近稳定性。仿真结果表明：该方法可有效控制机器鱼纵垂面轨迹的实时追踪;实验中机器鱼完成预设运动共耗时12 s,其轨迹最大误差和平均误差分别为0.078 m和 0.052 m,验证了双闭环算法在机器鱼轨迹跟踪控制中的有效性和高效性。     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

基于参考观测器的无人直升机航迹跟踪控制

为实现无人直升机在工程应用中的精确航迹跟踪控制,从工程应用的角度提出基于参考观测器的航迹跟踪控制方法。根据航迹指令,通过参考观测器实时估算出无人直升机期望跟踪的状态量与控制量,作为航迹跟踪控制器的参考输入,再利用全状态反馈控制,操纵直升机跟踪期望的航迹,并以某型直升机为控制对象,在典型机动下进行航迹跟踪控制仿真验证。结果表明,该系统具有良好的航迹跟踪性能,且算法简单,易于实现。     

基于扰动观测器的炮控系统自适应鲁棒控制

针对坦克快速运动过程中火炮控制系统存在一系列复杂的非线性问题,提出一种自适应鲁棒控制方法。 结合自适应控制智能优化自身参数的特点和鲁棒控制的稳定性特点,通过设计一种能够实时准确测定扰动项扰动观 测器加入到控制策略中,从而精确补偿扰动。仿真结果表明：该控制策略能较好地提升炮控系统的抗干扰能力和稳 定性,有效提高坦克行进间的射击精度。     

基于MPC-MFAC的双侧独立电驱动无人履带车辆轨迹跟踪控制

简化模型带来的模型失配以及外部环境不确定性是导致轨迹跟踪误差的主要原因,尤其对于无人履带车辆,其复杂的物理特性和工作环境更放大了两大因素的不利影响。针对该问题,将基于模型和基于数据的控制方法结合起来,提出一种基于模型预测控制结合无模型自适应控制补偿的双侧独立电驱动无人履带车辆轨迹跟踪控制方法。在平衡建模准确度和求解耗时的基础上,利用模型预测控制进行前馈求解。针对模型预测控制中简化模型与车辆实际模型之间必然存在的差异以及环境不确定性,基于动态跟踪效果构建无模型自适应控制算法进行补偿,即利用车辆实际轨迹与模型预测所得轨迹之间的误差,对模型预测控制求解的两侧履带速度控制量进行实时修正。仿真实验结果表明,该方法能够在一定程度上抑制系统内外部不确定因素的影响,提高动态环境下双侧独立电驱动无人履带车辆轨迹跟踪控制的精度。     

全电坦克双向稳定系统自适应积分鲁棒控制

针对全电坦克双向稳定系统具有复杂的强非线性、强耦合性、强参数时变性等特点,提出了一种基于误差符号积分鲁棒反馈的坦克双向稳定系统自适应积分鲁棒(AIR)控制设计方法。考虑全电坦克双向稳定系统为一个耦合性的、非线性的、不确定性的动力学系统,建立面向真实的全电坦克双向稳定系统机电一体化解析动力学模型;基于Backstepping法融合自适应的思想,引入辅助误差信号设计了AIR控制器,有效衰减系统的未建模扰动;所设计的AIR控制器不需要预先知道未知扰动的上界,而是通过自适应的方法不断更新以获取其上界,降低了其工程应用的保守性;基于Lyapunov理论分析,在连续控制输入下可以保证坦克双向稳定系统获得渐进跟踪性能。通过Recurdyn-Simulink的仿真对比试验,验证所提方法的有效性。     

基于低频学习的电液位置伺服系统鲁棒自适应控制

电液位置伺服系统存在高频干扰和传感器测量噪声,导致传统自适应控制参数收敛性差、性能一致性低等问题。针对这些问题,提出一种基于低频学习的鲁棒控制策略。设计低通滤波器修正电液位置伺服系统的自适应参数,将修正前后出现的残差反馈到鲁棒自适应控制中构造新型控制律,滤除自适应律中存在的高频成分,从而有效地降低参数的波动程度,达到稳定收敛的目的。通过Lyapunov稳定性理论验证了闭环系统的全局稳定性。对比实验结果表明,所提方法能够有效解决电液位置伺服系统在高频干扰和传感器测量噪声作用下的参数稳定收敛问题,同时获得了系统动态误差的渐进稳定性,实验取得了预期效果。     

基于单隐层神经网络的空天飞行器鲁棒自适应轨迹线性化控制

研究了一种新的空天飞行器鲁棒自适应轨迹线性化飞行控制系统设计方案。利用单隐层神经网络的逼近能力在线估计系统中存在的不确定性,神经网络输出用以抵消不确定性对轨迹线性化方法控制性能的影响。鲁棒自适应控制器用以克服逼近误差,并使闭环系统具有更好的性能。严格的理论证明表明,给定的自适应调节律能够保证闭环系统跟踪误差最终收敛至任意小紧集。空天飞行器高超声速飞行条件下的仿真结果表明,即使在很恶劣的条件下,新方法仍然表现出很好的响应性能。