基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

多关节机器人的反步法控制及仿真研究

针对关节型机器人的轨迹跟踪控制问题,本文设计了基于反步法的控制器。利用反步法将复杂的非线性机器人系统分解成两个子系统,借助Lyapunov函数设计中间虚拟控制量,一直后推到整个系统,获取控制系统实际的控制律,同时利用积分环节将每个子系统串联起来,从而形成对整个系统的控制,并利用Lyapunov稳定性定理,证明了系统的稳定性。同时,以两自由度关节型机器人为研究对象,搭建仿真控制系统进行仿真分析。仿真结果表明,反步法控制不仅具有良好的动态和稳态性能,而且鲁棒性较强,说明该控制方法的轨迹跟踪控制有效可行。该研究具有良好的应用前景。     

基于改进人工协调场的多机器人运动编队

针对多移动机器人编队形式单一、使用传统人工势场法易陷人局部极小的问题,提出改进人工协调场法。该方法不仅可在不同时间内随机器人数量不同而不断变换队形,达到运动编队的效果,而且适合追踪动态目标点,使机器人的避障能力更加灵活。通过仿真实验验证了上述方法的有效性。     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。     

空间机器人多臂精准协同控制技术

为了解决单臂空间机器人在轨服务任务中机械臂末端位姿控制精度有限的问题,提出了一种空间机器人多臂精准协同控制方法,该方法以3条7自由度机械臂的空间机器人(SR)为研究对象,利用Kane方法建立了具有通用性的SR动力学模型,该模型包括本体动力学方程与各条机械臂动力学方程两部分;在此基础上,基于李雅普诺夫稳定性理论,设计了SR捕获目标过程中机械臂各关节的轨迹跟踪控制律,克服了机械臂的运动抖动问题．仿真结果表明,该方法可保证机械臂末端按照期望的轨迹运动,并且能提高机械臂末端位姿控制精度．     

动态环境下基于改进人工势场法的机器人运动规划

提出了一种用于动态环境下的改进的人工势场法，该方法主要从两方面对传统人工势场法进行了改进：使用基于势场强度方法来取代矢量合成方法；将障碍物的运动信息引入到排斥势函数中，使传统的静态势场变为动态势场．通过这种方法可以使机器人对移动障碍物的避碰更有效。     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH＋避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验。结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地。基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上。     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

反步法在非线性控制中的应用

针对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于反步(backstepping)递推设计方法,进行了自适应控制的设计。在此过程中,获得了对参数进行修正的规则。应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的鲁棒稳定性。和有关文献中提出的设计自适应控制器所应用的方法相比,反步法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐近形态,从而实现整个系统的渐近镇定。     

基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

基于PSO算法虚拟Leader的多机器人编队控制

针对leader-follower编队方法的不足,引入分散化编队控制策略并提出了基于PSO算法的虚拟领航者的多机器人编队控制方法。引入一个基于改进PSO算法进行路径规划的虚拟领航者,控制编队方向;同时通过信息共享,领导者带领追随者跟踪虚拟领航者的踪迹,完成编队队形维护和控制,从而有效地避免队形陷入局部最优及避免角度的骤变引起队形不稳的问题。在仿真平台上进行仿真和分析,在实物平台得以验证。     

多机器人系统队形保持方法研究

机器人队伍的运动被划分为正常运动、避障及恢复队形三个阶段,单个机器人的运动划分为避障和向目标运动两个状态.在避障阶段,引入虚拟机器人来使其它机器人保持队形,同时把所有机器人划分成不同等级的集合,避障机器人跟踪邻近高等级集合中的机器人以躲避障碍.仿真实验表明,该方法能有效地避开障碍,并快速恢复原队形.     

基于自适应反推补偿的PMLSM位置跟踪控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响伺服跟踪精度因素的基础上,采用反推控制策略进行有效补偿控制。考虑参数变化、外部负载扰动等不确定因素对系统伺服性能的影响,从位置跟踪误差开始设计虚拟控制器,然后选择虚拟误差、位置误差构成新的子系统,设计新的虚拟控制器,通过递推依次对得到的虚拟控制器逐步修正算法,最终设计出实际控制器。仿真结果表明,和PI控制相比,该控制器明显降低不确定因素对系统性能的影响,能很好地跟踪周期性参考指令,削弱了时变外力扰动对系统性能的影响。     

基于K滤波的自适应模糊Backstepping容错控制

针对一类不满足匹配条件的状态不可测非线性不确定故障系统,研究了一种自适应模糊输出反馈容错控制器的设计方法。设计中,利用模糊逻辑系统在线逼近系统的故障函数,使用K滤波技术,并结合Backstepping和模设计原理,建立了一种新的自适应模糊输出反馈容错控制方法。证明了所提出的自适应模糊容错控制方法能够保证闭环系统所有信号是半全局一致有界的,且跟踪误差收敛到原点的一个小邻域内。仿真结果验证了该方法的有效性。     

一种基于积分反推原理的非线性伺服控制方法

针对机械伺服系统，提出一种基于积分反推原理的新型伺服控制方法，并用Lyapunov直接法对控制系统的稳定性进行了分析。由于采用了反推设计，该控制器对外部扰动及系统参数变化具有较强的鲁棒性。以直流电机伺服系统为例，对方法进行了数字仿真，结果表明了控制器的有效性。     

基于Backstepping设计的非线性系统自适应模糊输出反馈控制

对一类单输入单输出动态不确定非线性系统,提出一种模糊自适应Backstepping和动态信号相结合的输出反馈控制方法。设计中,首先用模糊逻辑系统逼近未知非线性函数,然后引入模糊自适应观测器估计系统的状态。其次把模糊自适应控制和Backstepping控制设计技术相结合,给出了基于观测器的模糊自适应输出反馈控制设计方法。最后基于Lyapunov函数和动态信号证明了整个闭环系统的稳定性,同时使得输出收敛到原点的一个较小区域内。仿真实例进一步验证了所提方法的有效性。     

Dynamic Surface Backstepping Global Sliding Mode Control for CPS Based on NDO

Based on dynamic surface control and the nonlinear disturbance observer technique,it proposes a nonlinear adaptive backstepping global sliding mode control system for a typical cyber physical system( CPS)with aerodynamic coefficients and external disturbance uncertainties. The dynamic surface control technique can provide the capability which can solve the problem of "explosion of complexity"in backstepping sliding mode controllers. The nonlinear disturbance observers are employed to observe the arbitrary model uncertainties of nonlinear flight dynamic system. The global sliding mode control method is used to improve the response rate and the precision of the tracking. The simulation results show the effectiveness of the proposed control system.     

基于Backstepping的欠驱动船舶神经滑模航迹控制

在外界干扰和参数不确定的情况下,设计一种基于Backstepping的自适应神经滑模控制器对欠驱动船舶神经滑模航迹进行控制。采用趋近律的滑模控制,抑制常规滑模的固定切换增益系数带来的抖振现象;利用神经网络辨识对象,减少趋近律滑模控制对对象模型参数的依赖。以某实习船为例进行仿真,结果表明:在标称参数下,所设计的控制器能够有效跟踪设定的航迹并抑制常规滑模控制器的抖振现象;在外部环境扰动以及参数摄动的情况下,仍然能够实现较好的控制,表现出强鲁棒性。     

基于非线性反步法的欠驱动AUV地形跟踪控制

为实现欠驱动水下机器人(autonomous underwater vehicle,AUV)的精确地形跟踪控制,设计了一种基于Lyapunov稳定性理论的非线性反步(backstepping)法控制器.基于虚拟向导的方法,结合AUV艇体的动力学特性,建立AUV垂直面地形跟踪误差方程,采用backstepping法设计地形跟踪控制器,利用Lyapunov稳定性理论分析了整个系统的稳定性.仿真实验中选择海底斜坡地形进行跟踪实验,且要求AUV相对地形保持一个恒定的高度偏差,结果表明该控制方法可实现对斜坡地形的精确跟踪.