一种改进机器人计算力矩控制的神经网络补偿方法

提出了一种由计算力矩控制器和神经网络补偿控制器相结合的机器人控制方案,探讨了用线性神经网络补偿机器人计算力矩不确定性误差的方法.推导了网络权值的自适应调整律,并证明了系统的稳定性和跟踪误差的收敛性.所提方案结构简单,鲁棒性强,且神经网络补偿器有较好的适应性,无需事先知道机器人动力学参数和结构的精确值.对某打磨机器人轨迹跟踪的实验结果表明所提方案具有很好的鲁棒性和抗干扰能力.     

Stribeck模型自适应滑模摩擦补偿控制

针对高速高准确度滚珠丝杠伺服控制系统,提出一种基于Stribeck模型的滑模自适应摩擦补偿控制方法。采用PMAC运动控制器搭建开放式控制平台,建立伺服系统的动力学模型,并通过Stribeck模型来反映系统的摩擦特性。采用Backstepping方法设计自适应滑模摩擦补偿控制器,并采用Lyapunov定理证明系统的全局渐进稳定性,最后通过编写伺服算法实现该摩擦补偿。实验结果表明:与速度加速前馈控制补偿相比,当输入速度为10 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由35μm降低到±4μm;当输入速度为100 mm/s信号时,自适应滑模摩擦补偿其跟踪误差由98μm降低到±4μm。采用该补偿方案能有效抑制伺服系统的摩擦干扰,提高伺服系统准确度和动态跟踪性能。     

基于RBF神经网络补偿的不确定性倒立摆PD控制

针对带有参数不确定性的非线性倒立摆的跟踪控制问题,提出一种RBF神经网络补偿的PD控制方法。该方法采用RBF神经网络逼近系统不确定非线性函数,结合常规的PD控制方法设计控制器,实现倒立摆的跟踪控制。仿真结果表明,该方法能有效实现倒立摆的快速跟踪,并保证了对不确定参数的不敏感性。     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

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。     

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。     

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。     

新型自适应RBF神经网络应用于微带天线建模

矩形微带天线设计中,为解决谐振频率与尺寸结构之间存在多参数、强非线性关系而建立其精确模型的困难,提出一种动态自适应聚类与伪逆求权值相结合的新型RB F神经网络算法,其优点为：无需事先固定隐层神经元个数,以自适应调整的方式,获得较好的逼近效果,且计算量小、学习速度快。同时,结合RB F神经网络对于多变量、非线性函数有较好的逼近特性,将其用于矩形微带天线的谐振频率建模。实验表明,建立的神经网络模型无论是在精度还是速度上都明显优于已有文献的结果,从而为天线设计开发者提供了一种新的有效方法,提高设计效率。     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

基于神经网络的机器人模型参考自适应控制的研究

提出一种新的基于神经网络的机器人模型参考自适应控制方法,采用动态对角回归神经网络作为辨识器和控制器,实现了机器人轨迹跟踪的最小误差控制,给出了神经网络的学习算法,通过实例仿真证明了控制方法应用于未知模型机器人系统的正确性和有效性。     

基于模糊RBF神经网络的水下机械臂控制研究

针对水下复杂工作环境下机械臂控制性能易受影响,而传统控制方法效果不佳的问题,提出了一种基于模糊RBF（radial basis function,径向基函数）神经网络的智能控制器,用于精确、稳定地控制水下机械臂。考虑到在水扰动环境下,机械臂通常受到附加质量力、水阻力和浮力的影响,运用拉格朗日法和Morison方程,建立包含水动力项的二杆机械臂动力学模型,通过模糊RBF神经网络对水下机械臂动力学方程中的水动力不确定项进行总体识别并拟合,利用模糊系统启发式搜索和RBF神经网络推理速度较快的优点,使水下机械臂系统具有较高的控制精度和较强的自适应性。考虑到水动力项,采用Lyapunov稳定性理论验证了水下机械臂系统的稳定性。最后利用MATLAB对二杆机械臂进行轨迹跟踪控制仿真实验,并对比模糊RBF神经网络与常规RBF神经网络识别方法和传统模糊控制方法的控制效果。仿真结果表明：与常规RBF神经网络识别方法相比,模糊RBF神经网络控制下二杆机械臂关节1的响应时间缩短了91%,相对误差减小了88%,关节2的响应时间缩短了92%,相对误差降低了77%;与传统模糊控制方法相比,关节1的相对误差减小了65%,关节2的相对误差减小了10%。研究结果表明模糊RBF神经网络的控制效果优于常规RBF神经网络识别方法和传统模糊控制方法,可为水下机械臂的控制提供一种精度较高、较有效的方法。     

汽车四轮转向自适应模糊神经网络控制研究

为了实现现实车辆运动的多自由度和非线性,在Simulink环境下建立包含车辆侧倾运动和轮胎非线性的三自由度四轮转向模型,针对大多控制方法需要依赖被控对象为精确数学模型的缺陷,提出具有联想、自学习、自识别、自适应特性的自适应模糊神经网络四轮转向控制策略;通过以前轮转角及车速作为输入,并依此确定后轮转角的输出,建立获得训练样本的仿真实验模型,用混合法训练得到自适应模糊神经网络控制器,并分别与前轮转向、比例控制和横摆角速度反馈控制下的四轮转向控制器进行仿真比较分析．结果表明自适应模糊神经网络控制使车辆在低速到中、高速时质心侧偏角趋于零,具有较强的鲁棒性;在角阶跃、移线实验中,控制效果优于前轮转向、比例控制和横摆角速度反馈控制,较大地改善了车辆的操纵性能．     

姿态受控柔性臂空间机器人的自适应神经网络容错控制及残振抑制

针对执行器发生部分失效故障的漂浮基姿态受控柔性臂空间机器人系统,研究了执行器故障的容错控制及柔性臂杆残余振动的主动抑制。结合假设模态法、线动量守恒定理和第二类拉格朗日方程建立了系统的动力学微分方程。基于奇异摄动理论将系统分解为一个表征载体姿态与关节轨迹跟踪的慢变子系统和一个表征柔性臂杆残余振动的快变子系统;据此设计了由慢变子系统的自适应神经网络容错控制器与快变子系统的线性二次型最优调节器组成的复合控制器;其中,慢变子系统的容错控制器使得系统对执行器故障不敏感,保证了跟踪误差的渐进收敛;快变子系统的最优调节器可以有效地抑制柔性臂杆引起的残余振动,减少能量损耗。对比数值仿真校验了理论推导的正确性与复合控制策略的可行性。     

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响,提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题.利用MATLAB进行仿真研究,结果表明该控制方法具有较高的控制精度和鲁棒性,满足挖掘机器人轨迹控制的要求.     

Joint position-based impedance control with load compensation for robot arm

As part of compliant motion control for a robot arm, the force sensor is usually installed at the wrist of the robot arm to measure the force/moment caused by the external force and the load (the end-effector and the extra object). The robot arm will fail to achieve the desired compliance if the effect of the load is not considered. In this study, a strategy of joint position-based impedance control with load compensation method for the robot arm is proposed, even if the load is unknown. It will distinguish between the external force and the gravitational effect of the load in compliant motion control. Experimental results show that the proposed control method can successfully remove the effect caused by the load, and the robot arm performs compliant motion correctly, in accordance with the impedance characteristic.     

Dynamic modeling and comparative analysis of a 3-PRR parallel robot with multiple lubricated joints

International Journal of Mechanics and Materials in Design - This paper presents a methodology to study the dynamic response of a parallel robot with multiple lubricated joints. Based on...     

采用神经网络控制的超精密平面定位

设计了一种基于激光莫尔信号的超精密平面定位装置,该装置可实现高精度位置检测及X-Y-θ 三自由度的全自动精密平面定位。激光莫尔信号传感器为相位相差 180°的两组衍射光栅,构成差动光栅技术,可有效提高位置检测信号灵敏度及定位精度。针对系统存在非线性,精确控制模型难以建立的缺陷,提出基于 RBF 神经网络的精密定位控制,其控制响应快、稳定性好、鲁棒性强,可有效改善控制质量,提高定位速度。实验结果表明,基于激光莫尔信号的精密定位装置可获得亚微米级的平面定位精度。     

Wavelet neural network control for linear ultrasonic motor drive via adaptive sliding-mode technique

A wavelet neural network (WNN) control system is proposed to control the moving table of a linear ultrasonic motor (LUSM) drive system to track periodic reference trajectories in this study. The design of the WNN control system is based on an adaptive sliding-mode control technique. The structure and operating principle of the LUSM are introduced, and the driving circuit of the LUSM, which is a voltage source inverter using two-inductance two capacitance (LLCC) resonant technique, is introduced. Because the dynamic characteristics and motor parameters of the LUSM are nonlinear and time varying, a WNN control system is designed based on adaptive sliding-mode control technique to achieve precision position control. In the WNN control system, a WNN is used to learn the ideal equivalent control law, and a robust controller is designed to meet the sliding condition. Moreover, the adaptive learning algorithms of the WNN and the bound estimation algorithm of the robust controller are derived from the sense of Lyapunov stability analysis. The effectiveness of the proposed WNN control system is verified by some experimental results in the presence of uncertainties.