摩擦诱发极限环的分析与自适应主动控制

摩擦诱发的自激振动对工程系统有很大的危害性.理解摩擦自激振动的成因以及寻找相应的振动控制策略对工程系统设计具有重要的理论和实际意义.通过对常用的两类摩擦模型数值特征分析探讨了摩擦自激振动问题,并提出一种基于模糊建模的自适应主动控制策略.讨论摩擦自激振动的解析解并对Coulomb摩擦和Stribeck摩擦产生的极限环进行数值仿真研究.考虑到传统摩擦力模型的缺陷以及不具备自学习和自适应环境的能力,提出采用自适应模糊建模技术在线逼近摩擦力并将辨识结果用在振动的主动控制器设计中.数值仿真结果表明基于自适应模糊系统补偿的PD主动控制技术的有效性,该主动控制对抑制极限环的振幅具有良好的效果,不但可以消除极限环,而且也可以消除稳态误差.     

变论域模糊补偿的机械臂积分终端滑模控制

为了减小机械臂在环境扰动、参数漂移和建模误差等影响下的轨迹跟踪误差,设计了基于积分终端滑模和变论域模糊补偿的组合控制器。采用拉格朗日方程建立了机械臂系统的动力学模型,制定了不确定因素影响下机械臂跟踪控制方案;设计的积分终端滑模控制器可以将系统初始状态限制在滑模面上,消除了控制过程的抖振并提高了跟踪速度;提出了自适应论域策略,该策略可以提高补偿力矩的输出细粒度,并将变论域模糊算法用于不确定因素补偿。经实验验证,变论域模糊补偿控制对关节1角位置的最大跟踪误差为0.103 rad,误差绝对均值为0.025 rad,对关节2角位置的最大跟踪误差为0.073 rad,误差绝对均值为0.012 rad,跟踪控制精度高于模糊补偿控制、RBF-BP控制和自适应鲁棒控制,验证了变论域模糊补偿控制方法的有效性和先进性。     

非完整移动机械臂的自适应模糊滑模控制研究

针对四轮二连杆非完整移动机械臂的轨迹跟踪问题,设计了一种结合自适应模糊控制和滑模控制的控制策略。首先建立了系统包含未知动力学模型不确定性和外部扰动的动力学控制模型,然后基于反演技术设计了控制器;采用了模糊控制来逼近系统未知时变总体不确定性,并采用了自适应机制动态优化模糊系统控制参数,进一步采用了指数趋近律滑模控制消除模糊逼近误差的影响。研究结果表明:该控制器对系统总体不确定性进行了有效补偿,保证了移动机械臂在复杂不确定环境下的良好轨迹跟踪性能。     

计入摩擦的进给伺服系统自适应滑模控制方法研究

针对具有非线性摩擦和有界外部扰动的进给伺服系统,设计了一种自适应滑模控制器。该控制器采用自适应算法建立了摩擦力的线性边界,将其作为滑模控制项增益,利用滑模控制项补偿摩擦和外部扰动,使系统跟踪误差渐进收敛于要求的允差内。基于Lyapunov稳定性理论证明了闭环控制系统的全局稳定性。仿真结果表明该控制器能有效补偿摩擦和外部扰动,相对于传统的PD和PID控制,显著提高了进给伺服系统的跟踪精度,并对系统参数和摩擦的不确定性具有一定的鲁棒性。     

柔性和摩擦力不确定条件下RBF神经网络自适应轨迹跟踪方法

提出一种基于径向基神经网络(Radial basis function, RBF)的力/位置混合自适应控制方法并用于机器人轨迹跟踪控制,解决机器人柔性末端执行器轨迹跟踪过程中柔性和摩擦力模型难以精确描述的问题。RBF神经网络是一种高效的前馈式神经网络,具有其他前向网络所不具有的非线性逼近性能和全局最优特性,并且网络结构简单,训练速度快。设计一种基于RBF神经网络非线性逼近能力来估计模型中的不确定参数的自适应控制器,给出控制器中神经网络权值更新规则,并证明所设计控制器输出力和位置误差的最终一致有界性。将该控制器应用于风管清扫机器人仿真试验,结果表明该自适应控制器能很好地用于柔性和摩擦力不确定条件下轨迹跟踪控制,与传统自适应控制方法相比具有更精确的跟踪特性和更强的鲁棒性。     

坐卧式下肢康复机器人的被动训练控制

考虑到下肢康复机器人很难获得精确、完整的数学模型,而且在建立模型时需要进行合理的近似处理,因此忽略了外部干扰、参数误差、未建模的动态和摩擦等不确定因素,这些原因导致控制性能不佳。基于此提出了一种基于计算力矩法的神经网络鲁棒控制器,通过计算力矩法对标称模型进行控制,RBF神经网络控制器对系统中未知的不确定项进行补偿,而自适应鲁棒控制器则用来补偿神经网络的逼近误差及外部的干扰,从而提高了系统的动态性能和控制精度,并对算法的稳定性进行了证明。通过实验验证,证明了控制算法的有效性,在被动训练时具有较好的轨迹跟踪性能。     

大型液压机驱动系统摩擦补偿控制

为提高大型液压机驱动系统控制精度,提出了基于改进型Lu Gre摩擦模型的补偿控制方法。建立了液压机驱动系统的动力学模型,通过改进型Lu Gre模型来描述液压机的综合摩擦特性。分别设计了PID控制器、2自由度PID控制器以及模糊自适应控制器,通过仿真实验验证了补偿方案的有效性,并对比分析了3种补偿控制方案的效果。仿真结果表明:采用模糊自适应补偿控制方案效果最优,2自由度PID补偿控制方案次之,常规PID补偿效果最差。当以正弦运动作为驱动系统的输入信号时,采用模糊控制补偿方案的速度跟踪均方误差(Mean Square Error,MSE)能从PID补偿方案的5.771×10-3减小至5.903×10-4。采用模糊自适应补偿方案能有效地抑制摩擦对液压机驱动系统低速性能的不利影响,可显著提高其动态跟踪性能。     

混合输入机构的模糊自适应变结构控制

针对混合输入机构中常速电机可不可控的特点,提出了基于常速电机位置跟踪的控制策略来对伺服电机进行控制,对常速电机的速度波动进行补偿,并给出了控制框图。因为系统的精确动力学模型难以获得,故考虑系统参数的不确定、外部扰动和非线性摩擦,设计了模糊自适应滑模变结构控制器以实现混合输入机构的轨迹跟踪。应用模糊自适应推理逼近系统的不确定之和,从而得到连续的控制增益,消除了变结构控制的抖振。     

考虑关节摩擦的3-UPS/PU并联机构模糊自适应滑模控制

为克服3-UPS/PU并联机构关节摩擦力突变现象带来的跟踪畸变问题,设计了一种模糊自适应滑模控制方法。首先在机构动平台工作空间内建立该机构的整体动力学模型。针对切换型滑模控制驱动力抖振以及自适应滑模控制(ASMC)对摩擦突变较敏感的不足,提出一种模糊自适应滑模控制(FASMC)方法,该方法以自适应理论为基础,可以在线估计包括摩擦在内的系统模型不确定项,自适应增益通过模糊逻辑系统实现了动态调整,相比ASMC可以更准确地逼近摩擦的变化情况,从而更有效地抑制摩擦力突变影响,增强了系统鲁棒性。由于无需依赖具体的摩擦模型以及简单的控制结构,FASMC适用于并联机构这类复杂不确定系统。仿真结果显示,所采取的控制方法能有效估计并克服机构摩擦干扰,提高了机构的控制精度,而且驱动力没有出现抖振现象。     

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LuGre模型的自适应摩擦补偿

为提高开放式伺服系统的动态性能,使其具有良好的适应能力,提出一种基于LuGre模型的自适应摩擦补偿方法.建立开放式伺服系统的动力学模型,并通过LuGre模型来描述系统的摩擦特性.考虑到摩擦模型的参数会随系统变化而发生改变,采用Backstepping方法设计自适应摩擦补偿控制器,并采用Lyapunov定理证明系统的全局渐进稳定性.通过可编程多轴控制器(Programmable multi-axis controller,PMAC)编写伺服算法实现该自适应摩擦补偿方案,并通过试验验证该方案的有效性.试验结果表明:与传统的速度加速前馈补偿相比,该自适应摩擦补偿方案在正弦运动作为输入信号时,其跟踪误差由±40 μn降低到±7 μm.采用该补偿方案能有效地抑制摩擦干扰对伺服系统的不利影响,为提高伺服系统的动态跟踪性能奠定基础.     

基于变论域模糊补偿的机械臂自适应控制

针对存在建模不确定性和外部干扰的机械臂系统，设计了一种结合标称计算力矩控制器和变论域模糊补偿器的复合控制方案，其中利用变论域自适应模糊控制器对建模不确定项进行估计和补偿，利用计算力矩控制器求解标称系统控制力矩。针对伸缩因子设计的自适应律使得变论域自适应模糊控制器在不同时刻适用于状态空间的不同区域，提高了系统的响应速度，大幅减小了系统的稳态跟踪误差，而且跟踪过程平稳柔顺、抖振极小，从而提升了系统的轨迹跟踪性能。仿真结果和实体试验结果均表明所提方法具有有效性。     

基于RBF神经网络的谐波传动自适应反演控制研究

由于自身结构上的特点，谐波传动系统存在柔性变形、摩擦和外界不确定干扰等非线性因素。传统控制器大多对系统进行了一定程度的简化，或未考虑非线性外界扰动，导致所设计的控制器性能达不到预期效果。为了提高系统精度，建立了考虑系统非线性刚度和非线性摩擦的谐波传动系统动力学模型；基于试验数据，采用最小二乘法对模型进行参数辨识；采用径向基函数（Radial Basis Function,RBF）神经网络在线逼近系统非线性摩擦和外界不确定干扰力矩，并提出了一种基于RBF神经网络的自适应反演控制器；利用Lyapunov稳定性理论，证明了其闭环系统的收敛性。仿真结果表明，与普通Back-stepping控制相比，在受到外界未知干扰后，所提出的RBF神经网络自适应反演控制能有效地逼近系统非线性摩擦和外界未知干扰，其跟踪误差峰-峰值能迅速稳定到0.000 82 rad；而Back-stepping控制对外界未知干扰比较敏感，其跟踪误差峰-峰值增大至0.012 3 rad左右。所提出的RBF神经网络自适应反演控制能抑制参数动态变化和外界干扰对系统传动精度的影响，提高系统的传动精度。     

不确定非线性机械系统的自适应分解模糊控制

为了保证系统较高的控制精度,就必须提高模糊系统的逼近精度,但其所需的大量的模糊规则会造成控制系统计算负担过重,不能满足实时性要求。为此,本文针对不确定机械系统的控制问题,设计了一种分解模糊系统用于系统中不确定函数的逼近和补偿,在此基础上针对不确定系统设计了鲁棒自适应控制律对非线性系统进行轨迹跟踪控制。仿真实验证明,本文设计的自适应分解模糊控制不但能对机械系统的未知部分进行实时补偿,并且比传统自适应模糊控制的控制精度更高,误差收敛更快,更有利于实时控制。     

不确定机械系统的二阶逼近模糊滑模控制

针对不确定机械系统,利用模糊逻辑系统的万能逼近特性对未知非线性函数建模,以便设计控制方法。基于一阶逼近精度的模糊逻辑系统需要足够多的模糊规则才能保证一定的逼近精度,然而规则数的增多必然导致计算量的增大,不利于实时控制。本文中设计了具有二阶逼近精度的模糊逻辑系统对机械系统中的非线性未知部分进行实时逼近,并结合鲁棒性能好的滑模控制对不确定机械系统进行轨迹跟踪控制。从仿真实验证明,具有二阶逼近精度的模糊系统可以以很少的规则高精度的逼近任意非线性函数,并以此为基础构成的模糊滑模控制器不仅可以达到所希望的控制精度,比起规则数量多得多的模糊滑模控制,甚至位置误差和速度误差更小,跟踪速度更快。故采用特殊隶属函数所设计的自适应模糊逻辑系统,解决了逼近精度和模糊规则数量之间的矛盾,为机械系统的高精度的实时控制提供了保证。     

漂浮基柔性空间机械臂的模糊H_∞鲁棒控制及柔性振动最优控制

讨论了存在外界干扰情况下漂浮基柔性空间机械臂的轨迹跟踪和振动抑制问题。结合系统动量守恒关系和拉格朗日方法建立了系统动力学模型。采用奇异摄动法的双时标分解方法,将系统分解描述为关节轨迹跟踪的慢变子系统与描述柔性杆件振动的快变子系统。针对慢变子系统,设计了自适应模糊H_∞控制算法,用模糊逻辑系统去逼近系统的不确定项;同时,设计了H_∞鲁棒控制项,用它克服模糊逼近误差和外界干扰对输出跟踪误差的影响。针对快变子系统,采用线性二次最优控制方法主动抑制,以保证系统的稳定性。基于Lyapunov稳定性理论证明了该算法可确保控制系统是渐近稳定的。系统仿真结果说明了控制器的可靠性和有效性,所设计的控制方案使得系统的跟踪误差及柔性振动快速收敛。     

机器人关节摩擦的自适应模糊补偿建模与控制

采用自适应模糊系统在线逼近摩擦模型并将模型辨识结果作为控制算法的补偿项，在控制方法上，采用了基于自适应模糊补偿的PD算法。在系统证明上，从李雅普诺夫函数中导出了自适应参数并且分析了闭环系统跟踪误差的有界性。在算法实现上，利用Matlab对文中的方法及证明的有效性进行了验证。     

无模型机械臂BP神经网络状态观测及反演跟踪控制

针对摩擦阻尼及模型参数不确定的情况,运用反演控制设计策略,针对多连杆机械臂提出了一种基于神经网络观测器的无模型轨迹跟踪控制方法。运用带有修正项的自适应BP神经网络观测器对不可测状态量进行观测,同时对系统模型进行在线逼近。在此基础上设计了基于观测状态和逼近模型的反演跟踪控制器, Lyapunov稳定性理论证明了该控制器能够保证跟踪误差的有界和闭环系统中所有信号的有界。跟踪给定轨迹的仿真实验证明了该方法的有效性。     

基于等效滑移率变化率的汽车防抱制动系统模糊直接自适应控制

针对汽车防抱制动系统(Antilock brake system,ABS)车轮角减/加速度和滑移率逻辑门限值控制方法以及常规汽车ABS模糊控制方法的滑移率控制精度不高的缺点, 提出汽车ABS模糊直接自适应控制。针对通常将滑移率跟踪误差变化率,或车轮角加/减速度跟踪误差作为汽车ABS模糊控制器输入量其计算值不够准确的缺点,提出车轮等效滑移率变化率的概念和算法,采用车轮滑移率跟踪误差和等效滑移率变化率作为ABS模糊控制系统的输入量,设计出常规ABS模糊控制器,作为ABS闭环控制系统的模糊逼近控制器;采用直接自适应控制方法设计出ABS模糊补偿控制器;它们组成ABS闭环控制系统模糊直接自适应控制器。仿真研究和实车试验表明,该控制器应用于汽车ABS系统取得良好的控制效果,且算法简单、具有实际应用价值。     

模拟转台伺服系统的自适应模糊滑模控制研究

利用Stribeck摩擦模型,将自适应控制与模糊滑模控制相结合,提出了自适应模糊滑模控制模型,对模拟转台伺服系统进行了控制。仿真结果表明,自适应模糊滑模控制器能有效抑制摩擦力矩的影响,实现高精度的位置跟踪,鲁棒性好,值得在其他非线性系统中推广使用。