基于标称计算力矩控制器的双臂空间机器人惯性空间轨迹跟踪的模糊自适应补偿控制

讨论了载体姿态受控、位置不受控制情况下,漂浮基双臂空间机器人载体姿态与末端爪手惯性空间轨迹协调运动的控制问题。利用拉格朗日方法并结合系统动量守恒关系,分析、建立了漂浮基双臂空间机器人系统完全能控形式的系统动力学方程及运动Jacobi关系。以此为基础,针对双臂空间机器人两个末端爪手所持载荷参数未知的情况,设计了一种基于标称计算力矩控制器附加模糊自适应补偿控制器的复合控制方案;即通过模糊自适应补偿控制器来弥补系统参数未知对标称计算力矩控制器控制精度的影响,以确保存在未知系统参数情况下整个闭环控制系统的渐近稳定性。该文提出的控制方案能够有效地克服系统未知参数的影响,控制漂浮基双臂空间机器人载体姿态与末端爪手协调地完成惯性空间的期望轨迹运动,并具有不需要测量和反馈双臂空间机器人载体的位置、移动速度、移动加速度,同时也不要求系统动力学方程关于系统惯性参数呈线性函数关系的显著优点。通过系统数值仿真证实了方法的有效性。     

漂浮基双臂空间机器人惯性空间轨迹跟踪的拟增广自适应控制

讨论了载体位置、姿态均不受控制的漂浮基双臂空间机器人系统的自适应控制问题。为了克服空间机器人系统动量及动量矩守恒关系的引入,使得系统动力学方程关于系统惯性参数呈非线性关系,给控制系统设计带来的困难,漂浮基双臂空间机器人系统的动力学方程被表示为欠驱动形式。其优点在于,相应的控制系统状态方程保持了惯常的关于系统惯性参数的线性性质。以此为基础,并借助于增广变量法,通过恰当地虚拟扩展系统的控制输入与输出,成功地克服了漂浮基双臂空间机器人系统自适应控制方案设计的难点,针对双臂空间机器人两个末端抓手持有载荷参数均未知的情况,设计了漂浮基双臂空间机器人两个末端抓手惯性空间轨迹跟踪的拟增广自适应控制方案。通过系统数值仿真,证实了上述控制方法的有效性。     

具有外部扰动及不确定载荷参数双臂空间机器人的拟增广鲁棒与自适应混合控制

研究载体位置与姿态均不受控制的漂浮基双臂空间机器人系统的控制问题。为了保持系统控制方程关于惯性参数的线性性质,漂浮基双臂空间机器人系统的动力学方程被描述为欠驱动形式。对系统的动力学分析表明,基于增广变量法所得到的系统增广广义Jacobi矩阵亦可以表示为一组适当选择的惯性参数的线性函数。在此基础上,针对系统既存在有外部扰动且两机械臂末端爪手所持载荷参数又具有不确定性的复杂情况,设计了漂浮基双臂空间机器人惯性空间轨迹跟踪的拟增广鲁棒与自适应混合控制方案。与自适应控制方法相比,所提控制方案化大量积分运算为简单的加减乘除四则运算,因此大大减少了计算量,非常适用于机载计算机运算能力有限的空间机器人控制系统的实时、在线应用。仿真运算证实了方法的有效性。     

空间机器人姿态与末端抓手协调运动的鲁棒自适应控制

本文讨论了载体姿态受控、位置不受控制的漂浮基空间机器人协调运动的控制问题。借助于虚拟扩展系统的输入与输出,得到了一组关于惯性参数呈线性函数关系的系统控制方程。以此为基础,针对空间机器人系统中不确定参数与未知参数并存的复杂情况,设计了载体姿态与末端抓手惯性空间轨迹协调运动的鲁棒自适应控制方案。利用两杆空间机器人系统进行了系统仿真运算,仿真结果证实了上述控制方案的有效性。由于对系统待估计参数作了分类,并充分利用系统信息对系统不确定参数采用保持鲁棒性而不是在线估计的方法,提到的控制方案具有计算量小的优点,有助于缓解机载计算机运算能力有限的矛盾。     

双臂空间机器人惯性空间轨迹跟踪的鲁棒混合自适应控制

讨论了载体位置与姿态均不受控情况下,漂浮基双臂空间机器人系统跟踪惯性空间轨迹的控制问题。为了克服空间机器人系统控制方程关于惯性参数的非线性性质,空间机器人被表示为欠驱动系统,保持了系统动力学方程关于惯性参数的线性关系;对系统的运动学分析表明,联系机械臂末端抓手运动线速度与机器人关节铰速度的Jacobi关系也可以通过增广向量的处理,得到保持惯性参数线性关系的增广广义Jacobi关系。基于以上结果,针对系统参数不确定的情况下,设计了自由漂浮双臂空间机器人跟踪惯性空间期望轨迹的鲁棒混合自适应控制方案。由于在上述系统运动学、动力学分析中耦合了系统动量守恒关系,所提出的控制方案具有不需要测量、反馈机器人载体位置、移动速度、加速度的优点;同时,由于上述控制方案仅在参考速度、加速度的计算中采取了参数调节方式,而在控制部分对不确定参数采用了保持鲁棒性的方法,有效地减少了计算量,有助于缓解空间机器人机载计算机运算能力有限的矛盾。通过对一个平面双臂空间机器人系统的数值仿真,验证了算法的有效性。     

闭链双臂空间机器人动力学建模及力矩受限情况下载荷运动自适应控制

讨论了在输入受限的情况下,漂浮基双臂空间机器人抓持负载后转移目标过程中的建模与自适应控制问题。利用拉格朗日第二类方程建立了开链空间机器人系统动力学模型,之后结合闭链系统的闭环约束条件,获得了闭链双臂空间机器人系统的动力学方程。在这个基础上,考虑到双臂空间机器人及负载存在参数不确定,系统存在外部扰动及输入力矩有限的情况,设计了自适应控制方案,以完成对载荷位置和姿态运动的精确控制。由带饱和函数的控制律限制输入力矩,采用自适应控制器逼近系统的不确定度。方案中利用高精度滤波器估计系统速度及角速度,从而仅需测量其位置信息。通过Lyapunov方法证明了系统的稳定性。最后通过数值仿真实验模拟了平面双臂空间机器人转移目标过程,并证实了上述控制方案的有效性。     

基于小波基模糊神经网络的漂浮基柔性空间机械臂轨迹跟踪控制

讨论了载体位置不受控、姿态受控情况下,参数未知漂浮基柔性空间机械臂关节空间协调运动的轨迹跟踪控制问题。依据系统动量守恒关系和拉格朗日第二类方程,由假设模态法,建立了漂浮基柔性空间机械臂的系统动力学方程。以此为基础,针对系统参数未知的情况,设计了一种小波基模糊神经网络的控制方案,以使柔性空间机械臂的载体姿态到达期望位置的同时,机械臂关节铰能够协调地跟踪关节空间的期望轨迹。该方案具有无需预知柔性空间机械臂的模型和系统参数的优点,且网络权值是通过在线学习进行调整,节省了离线训练的时间。系统的数值仿真表明了所提出方案的有效性和可行性。     

时间延迟下双臂空间机器人工作空间轨迹跟踪的改进控制方法

研究了载体姿态受控、位置不受控制情况下, 具有时间延迟的漂浮基双臂空间机器人载体姿态与末端爪手工作空间协调运动的动力学建模与控制问题。利用系统动量守恒关系及Lagrange方法, 建立了漂浮基双臂空间机器人的系统动力学模型及运动Jacobi 关系。以此为基础, 考虑到系统存在时间延迟的复杂情况, 利用Taylor级数展开, 导出了适用于时间延迟情况下控制系统设计的数学模型。利用该模型, 提出了一种双臂空间机器人在时间延迟情况下的改进计算力矩控制方案。而后, 运用Lyapunov 第二类方法, 结合图形分析以及范数的方法证明了该控制系统的稳定性。数值仿真结果证实了该控制方案在系统存在时间延迟的情况下, 仍然可以有效地控制双臂空间机器人, 稳定地追踪工作空间的期望轨迹。     

执行器受限空间机器人的模糊神经网络控制

空间机器人关节执行器输出力矩幅值及幅值变化率受限的情况,是其在太空应用中不可避免要面临的实际问题。为此该文讨论了关节执行器输出力矩幅值及幅值率受限情况下参数未知空间机器人系统协调运动的动力学控制问题。依据系统动量守恒关系和拉格朗日第二类方程,推导了漂浮基空间机器人系统的动力学方程。以此为基础,针对关节执行器输出力矩幅值及幅值率受限的情况,设计了一种自适应模糊神经网络控制器,以使空间机器人系统的本体姿态和机械臂关节铰协调地跟踪各自在关节空间的期望运动轨迹。该控制方案由自适应模糊神经网络控制器及抗饱和参数自适应律构成。首先利用有限差分法将幅值率受限条件转化为幅值受限条件,并与该文预设的力矩受限条件比较以确定每个采样时刻的力矩动态受限范围;然后再通过设计一个抗饱和参数自适应律来确保执行器的输出力矩在动态受限范围内。基于Lyapunov稳定性理论证明了该控制器可确保控制系统是渐近稳定的。仿真对比实验证明了该控制方案的有效性。     

漂浮基闭链空间机械臂抓持载荷基于神经网络的反演自适应控制

讨论漂浮基闭链空间机械臂抓持系统目标载荷的位置、力混合协调控制问题。结合系统动量、动量矩守恒关系及闭合运动链几何约束关系,利用多刚体动力学建模方法建立了漂浮基闭链双臂空间机器人抓持系统的合成动力学方程。针对参数不确定和外部干扰的情况,提出一种基于反演神经网络的位置、力自适应协调控制方案,从而达到对抓持负载位置与所受内力的双重控制效果。此控制方案无需要求系统动力学方程关于惯性参数呈线性函数关系;同时,它可保证系统渐近稳定性。数值仿真结果证实了该控制方案可有效地消除参数不确定对系统的影响。     

基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究

冶金工业机器人在现代工业生产中扮演着越来越不可替代的角色。由于工业自动化程度的大幅提升,人们对冶金工业机器人的性能也不断地提出新要求,尤其是对其控制系统的稳定性提出了更高的要求。针对目前冶金工业机器人轨迹跟踪精度较低且不具有自适应动态调节特性等问题,提出了一种模糊迭代Q-学习控制算法。以6-DOF（six degree-of-freedom,六自由度）双臂机器人为研究对象,利用Fuzzy工具箱编写模糊控制规则,以机器人产生的位置误差以及位置误差的变化率为模糊控制器的输入量,并引入Q-学习策略,以调整模糊控制器中的量化因子、比例因子以及迭代学习控制中的PD（proportional derivative,比例微分）参数,完成模糊迭代Q-学习控制器的设计。然后,联合ADAMS（automatic dynamic analysis of mechanical systems,机械系统动力学自动分析）和MATLAB软件搭建6-DOF双臂机器人仿真平台,开展高精度轨迹跟踪的轴孔装配任务模拟。仿真结果表明,6-DOF双臂机器人关节空间的轨迹跟踪精度较高,同时可以完成双臂轴孔协调装配任务,验证了所提出控制算法的有效性和先进性。研究结果可为双臂协作机器人实现高精度轨迹跟踪的轴孔装配提供参考,具有一定的实际应用价值。     

带滑移铰空间机器人惯性空间轨迹跟踪的鲁棒混合自适应控制

讨论了载体位置与姿态均不受控制的带滑移铰空间机器人的控制问题。为了克服空间机器人系统控制方程关于惯性参数的非线性性质,空间机器人被表示为欠驱动形式的机器人系统,其优点在于保持了系统动力学方程关于惯性参数的线性性质。对系统的运动学分析表明,联系机械手末端运动速度与机器人关节角速度的增广广义Jacobi关系,亦可以表示为一组惯性参数的线性函数。以此为基础,针对系统参数不确定的情况,设计了空间机器人跟踪惯性空间期望运动轨迹的鲁棒混合自适应控制方案。由于在上述系统运动学、动力学分析中耦合了系统动量守恒关系,提到的控制方案具有不需要测量、反馈空间机器人载体位置及移动的速度、加速度的优点;此外,由于上述控制方案仅在参考速度、加速度的计算中采取了参数调节方式,而在控制部分对不确定参数采用了保持鲁棒性的方法,有效地减少了计算量,有助于缓解机载计算机运算能力有限的矛盾。仿真运算,证实了方法的有效性。     

基于柔性补偿的带柔性铰空间机器人鲁棒控制

研究了载体位姿均不受控制的漂浮基带柔性铰空间机器人工作空间轨迹跟踪的鲁棒控制问题。利用系统动量、动量矩守恒关系及拉格朗日方法,导出了系统的动力学方程。考虑到空间机器人各关节铰往往具有较强的柔性,引入了一种关节柔性补偿控制器,以较好地补偿关节柔性对系统控制精度所带来的影响。之后结合奇异摄动技术,针对系统惯性参数存在不确定的复杂情况,提出了一种空间机器人工作空间期望运动轨迹跟踪的鲁棒控制方案。通过对一个平面带柔性铰空间机器人系统的数值仿真运算,证实了上述方法的有效性。     

漂浮基柔性空间机械臂关节运动的分块神经网络控制及柔性振动模糊控制

讨论了载体位置不受控、姿态受控情况下,漂浮基柔性空间机械臂关节运动及柔性振动主动抑制的控制问题。由系统动量守恒关系及假设模态法,利用拉格朗日方法建立了漂浮基柔性空间机械臂的系统动力学方程。之后采用奇异摄动理论,将其分解为表示刚性运动的慢变子系统和柔性振动的快变子系统。据此,设计了柔性空间机械臂系统载体姿态及机械臂关节铰协调运动的组合控制器。针对慢变子系统——柔性空间机械臂的刚性运动,设计了分块神经网络控制器,以完成系统参数未知情况下关节空间协调运动的轨迹跟踪;而对于快变子系统——柔性臂的振动,则设计了模糊控制器来主动抑制柔性杆的振动。数值仿真证实了提出方法的有效性。     

柔性关节空间机器人基于神经网络的自适应反演控制

讨论了载体位姿无控情况下,漂浮基柔性关节空间机器人的关节运动控制器设计问题。利用系统动量、动量矩守恒关系及拉格朗日法,建立了空间机器人的动力学模型。为实现系统关节运动控制目标,借助于神经网络函数逼近技术,提出了一种柔性关节空间机器人的自适应反演控制方案。所提控制方案无需预知系统各惯性参数的真实信息,且可避免对载体位置相关量进行实时地测量与反馈,因此较适于实际应用。数值仿真结果表明:上述控制方案可使系统各柔性关节的振动较小,并能够有效地控制空间机器人完成所期望的关节运动。     

An adaptive recurrent radial basis function network tracking controller for a two-dimensional piezo-positioning stage

An adaptive recurrent radial basis function network (ARRBFN) tracking controller for a two-dimensional piezo-positioning stage is proposed in this study. First, a mathematical model that represents the dynamics of the two-dimensional piezo-positioning stage is proposed. In this model, a hysteresis friction force that describes the hysteresis behavior of one-dimensional motion is used; and a nonconstant stiffness with the cross-coupling dynamic due to the effect of bending of a lever mechanism in x and y axes also is included. Then, according to the proposed mathematical model, an ARRBFN tracking controller is proposed. In the proposed ARRBFN control system, a recurrent radial basis function network (RRBFN) with accurate approximation capability is used to approximate an unknown dynamic function. The adaptive learning algorithms that can learn the parameters of the RRBFN on line are derived using Lyapunov stability theorem. Moreover, a robust compensator is proposed to confront the uncertainties, including approximation error, optimal parameter vectors, higher-order terms in Taylor series. To relax the requirement of the value of the lumped uncertainty in the robust compensator, an adaptive law is investigated to estimate the lumped uncertainty. Using the proposed control scheme, the position tracking performance is substantially improved and the robustness to uncertainties, including hysteresis friction force and cross-coupling stiffness, can be obtained as well. The tracking performance and the robustness to external load of the proposed ARRBFN control system are illustrated by some experimental results.