含有LuGre摩擦并联机械臂的自适应控制

本文研究了含有LuGre摩擦的并联机械臂自适应控制问题.首先,在并联机械臂动力学模型中引入LuGre摩擦模型来描述伺服关节内部的摩擦行为;其次,构造含有动态摩擦补偿的自适应控制算法,并使用Lyapunov方法证明控制算法的有效性;最后,通过平面3 RRR并联机械臂数值算例,验证所提出控制算法的效果以及LuGre摩擦补偿的必要性.     

基于神经网络机械臂自适应控制的研究与实现

提出了一种基于神经网络的机械臂自适应控制方法,该方法主要利用DIRECT模型,采用八叉树算法构建基于空间的神经网络,避免建立复杂的机械臂运动学模型,通过随机映射的方法建立机械臂与运动空间的关系,实现了自适应轨迹规划.仿真实验结果表明,所提出的机械臂自适应控制方法更容易实现.     

基于神经网络和模糊补偿的水下机械臂控制

针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。     

基于神经网络的机械臂的力控制方法

本文提出一种基于神经网络的力控制方法，由两个串联的神经网络构成机械臂的力控制器，其中一个网络用来学习机械臂本身的逆动力学系统，而另一网络用来学习未知的被接触环境的动力学特征，这种方法避免了困难的接触环境建模问题。一个 双连杆机械臂的力控制的仿真实验描述了种种方法的有效性。     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

LuGre摩擦模型对伺服系统的影响与补偿

摩擦是影响伺服系统性能的一个主要因素. 为了研究摩擦的影响与补偿, 本文首先建立了基于动态LuGre摩擦的机电伺服系统模型. 根据LuGre模型, 构造了一个非线性观测器来估计摩擦力矩. 然后, 积分反步自适应控制算法被设计从而实现了摩擦补偿和负载扰动估计, 并使用Lyapunov函数证明了闭环系统的稳定性. 仿真结果表明:LuGre摩擦会对伺服系统产生极限环振荡以及低速爬行的影响, 并且提出的补偿方法能够降低摩擦对伺服系统性能的影响以及提高了系统的跟踪精度和鲁棒性.     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

考虑LuGre 摩擦的伺服系统自适应模糊控制

针对摩擦非线性的存在会使伺服系统控制精度难以提高的问题,建立了考虑动态LuGre摩擦的伺服系统数学模型,在系统参数和负载转矩未知的情况下设计了自适应模糊控制器,用自适应模糊逻辑系统在线逼近包含LuGre摩擦在内的非线性环节,从而实现了伺服系统高精度的位置跟踪。利用Lyapunov函数证明了闭环系统的稳定性。仿真结果表明,该控制器能有效地补偿摩擦非线性的影响,并对负载转矩变化具有较强的鲁棒性。     

基于一阶特征模型的自适应跟踪控制方法

基于特征建模理论, 针对一类可由一阶特征模型描述的被控对象, 设计一种新的自适应跟踪控制方法. 通过参数整合, 将系统特征压缩到一个时变参数中, 进一步减少需估计的参数, 更利于工程应用. 利用李雅普诺夫方法, 分析闭环系统的稳定性. 最后, 通过数学仿真验证了所提出方法的有效性.

     

基于复合执行机构的再入弹头自适应反演控制

为了提高再入弹头命中精度和机动突防能力, 将质量滑块和单框架控制力矩陀螺(SGCMG) 配合使用, 以在弹头再入全过程中产生足够的姿态控制力矩. 针对再入系统物理参数及外界环境干扰的不确定性, 利用反演方法设计再入弹头姿态自适应控制器. 该控制器可以对转动惯量不确定性进行自适应补偿, 并且有效抑制力矩干扰对姿态控制系统的影响. 对某型再入弹头的仿真研究表明, 所提出的控制器可以实现姿态角的良好跟踪.

     

基于“非伪”理论的非完整移动机器人轨迹跟踪控制

"非伪"控制是一种基于数据驱动的无模型控制方法,它根据输入-输出数据进行在线学习,计算与当前系统状态相匹配的控制量并作用于系统,以获得系统所要求的动静态品质,并以此检验系统是否满足该性能指标.基于"非伪"控制理论,研究了移动机器人的轨迹跟踪控制问题.根据非完整移动机器人的动态方程,采用"非伪"控制,直接作用于移动机器人的控制输入,使移动机器人能快速、准确地跟踪期望轨迹.     

不确定非线性多智能体系统的分布式模糊自适应镇定控制

针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.

     

考虑参数和负载不确定性的内置式永磁同步电机自适应反步控制

提出一种??_?? = 0 的内置式永磁同步电机的自适应反步控制方法. 通过定义虚拟控制变量和选择适当的Lyapunov 函数, 导出系统控制律及参数自适应律. 该方法能够根据自适应参数估计器实时估计出的负载转矩和定子电阻对控制输出进行动态校正, 从而提高转速控制精度和系统的抗扰能力. 仿真结果表明, 系统能够快速跟踪参考转速, 并对负载扰动和参数变化具有较强的鲁棒性.

     

超混沌Bao系统线性状态反馈控制及自适应控制

研究超混沌Bao 系统的控制问题. 首先, 给出超混沌Bao 系统的Lyapunov 指数图, 用以验证系统存在超混沌现象; 然后, 将线性反馈控制方法和自适应反推控制方法应用于超混沌Bao 系统, 并设计了将系统混沌状态稳定到平衡点的混沌控制器; 最后, 通过数值仿真验证了所设计的控制器的有效性.

     

基于腿部关节控制的仿人机器人偏摆力矩控制方法

针对机器人步行过程中产生的偏摆力矩影响步行稳定性的问题, 提出一种全新的基于腿部关节控制的偏摆力矩控制方法. 分析了偏摆力矩产生的原因及步行过程中垂直方向上的力矩平衡条件; 根据仿人机器人连杆模型和力矩平衡条件, 将偏摆力矩控制问题转化为带约束条件的二次规划问题, 推导出支撑腿腿部关节角度控制的表达式, 设计了腿部关节自适应控制器以提高轨迹跟踪性能, 并给出了稳定性证明. 仿真结果表明, 该方法能较好地克服偏摆力矩的影响, 使机器人实现稳定的步行.