电弧炉的间接自适应模糊鲁棒控制

针对三相电弧炉电极调节系统的电极控制问题,设计了自适应模糊鲁棒控制器,给出了模糊鲁棒控制系统的详细设计过程.该方法考虑了跟踪误差和逼近误差对参数自适应律的影响,并对模糊逼近误差和外扰采用H∞补偿控制.仿真结果表明:该控制算法具有较好的动态响应和稳态控制精度,对外界干扰及结构参数不确定性具有很强的鲁棒性.     

气动力伺服系统的自适应鲁棒控制

为实现具有输出力轨迹控制能力的气动力伺服系统,研究了气体通过比例方向控制阀阀口的流动以及气缸腔内气体的热力过程,建立系统的非线性模型.针对忽略温度动态而导致的较大的建模误差,构造了状态观测器来估计腔内气体温度,在此基础上设计了基于全阶热力学模型的气动力伺服系统的自适应鲁棒控制器.该控制器通过在线参数估计来减小模型中参数的不确定性,利用非线性鲁棒控制来抑制参数估计误差、未建模动态和干扰的影响,从而保证一定的瞬态性能和高的气缸输出力轨迹控制精度.实验表明:当系统跟踪幅值为100N,频率为0.5Hz的正弦期望轨迹时,平均输出力跟踪误差为1.4N、最大输出力跟踪误差为3.9N;基于全阶热力学模型进行控制器设计是必要的,自适应鲁棒控制器是有效的.     

复合材料成形液压机自适应鲁棒运动控制

针对复合材料液压机电液系统中广泛存在的参数不确定性、不确定非线性和外干扰,设计基于非连续映射的非线性自适应鲁棒运动控制器. 自适应控制器对系统参数进行在线估计,所估计的参数虽不能完全收敛到真实值,但可以限定在上确界和下确界范围内,满足鲁棒控制不确定量上、下界的要求;参数自适应律渐进消除了参数不确定性引起的模型补偿误差,保证输出跟踪可以拥有规定的瞬态和稳态响应性能. 鲁棒控制律可以抑制未建模动态、参数估计误差和外干扰的影响. 利用Lyapunov稳定性理论证明了系统的稳定性. 仿真和实验结果表明,设计的控制器对所规划的运动轨迹具有精确的跟踪控制和强鲁棒的控制性能.     

基于自适应模糊滑模的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等导致的控制器精度降低、鲁棒性差的问题,提出了1种基于自适应模糊滑模的鲁棒控制器.控制器由2部分组成,控制器的计算力矩和前馈补偿部分用于控制系统的标称部分,即机器人自身结构相关量、确定性扰动以及摩擦力的线性部分;控制器的自适应模糊滑模部分用于克服系统存在的不确定部分,包括外界不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.最后在HIT四自由度柔性机械臂上进行了控制器的相关实验.实验结果表明该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

基于摩擦补偿的柔性关节机器人分级滑模控制

针对柔性关节机器人中存在的非线性摩擦问题,提出一种基于摩擦补偿的柔性关节机器人分级滑模控制方法。首先,通过线性化参数的方法对柔性关节机器人受到的摩擦进行建模,并对模型中未知参数设计自适应律以实现摩擦的估计;然后,针对摩擦模型的误差,进一步设计观测器进行估计,结合摩擦的自适应和模型误差估计实现对摩擦的补偿;最后,利用电机侧和关节侧的位置误差和速度误差设计一级滑模面,再根据一级滑模面设计二级滑模面,从而得到分级滑模控制器,进一步实现柔性关节机器人的位置轨迹跟踪控制。通过Lyapunov函数证明了机器人关节轨迹跟踪误差的收敛性。仿真结果表明：该控制方法结合参数自适应和模型误差观测器可以有效地对摩擦进行补偿,在有限时间内实现柔性关节机器人的位置轨迹对期望位置轨迹的跟踪。     

汽车转向/制动不确定系统的一致性协同控制

考虑到不确定参数和耦合干扰会使系统性能恶化,提出一个一致性协同控制系统研究汽车转向系统和防抱死制动系统的协同控制问题。该控制结构由制动鲁棒自适应控制器和转向一致性鲁棒自适应控制器组成。先设计了制动鲁棒自适应控制器;然后针对转向系统和制动系统之间的补偿控制律难以确定的困难,定义一致性误差和一致性误差模型;设计转向角和横摆力矩的一致性鲁棒自适应控制器;最后设计制动力分配策略。仿真结果证明提出的一致性协同控制系统是正确可行的,它改善了汽车制动稳定性能和转向性能。     

麦克纳姆轮驱动的移动机器人自适应滑模控制器设计

针对麦克纳姆全向轮驱动的移动机器人轨迹跟踪控制问题,设计了一种自适应滑模控制器。将自适应鲁棒控制应用于麦克纳姆轮驱动的移动机器人轨迹跟踪以获得良好的动态跟踪性能以及鲁棒性能。首先对基于麦克纳姆轮的移动机器人进行了运动学建模,在此基础上进行了自适应鲁棒控制器设计。提出了一种比例-积分-微分(PID)形式的滑模面,满足了系统的鲁棒性要求;设计了一种能够快速收敛的趋近律,减少了整定参数所消耗的时间并能有效抵抗外部扰动。最后,存在脉冲扰动以及正弦信号扰动条件下对控制器进行了仿真验证,证明了所提控制器的优越性,通过轨迹跟踪控制的样机试验,证明了该方法的实用性和可靠性。     

基于观测器摩擦补偿的机电系统高精度控制

针对机电作动系统在低速阶段摩擦非线性明显且同时存在其他干扰,易导致系统跟踪精度、稳定性下降这一问题,设计基于非线性观测器摩擦补偿的自适应鲁棒控制器. 针对摩擦非线性,利用LuGre摩擦模型描述系统的摩擦现象,提出非线性观测器对模型的内部摩擦状态进行观测. 针对系统摩擦系数、转动惯量及其他不确定性参数,设计参数自适应律进行估计. 利用前馈补偿的方法,对摩擦非线性和参数不确定性进行补偿,设计鲁棒项克服系统的其他扰动. 利用Lyapunov稳定性定理证明了提出的控制器在存在扰动的情况下可以实现系统的有界稳定性. 实验结果表明,提出的控制器具有较高的控制精度与较强的鲁棒性,跟踪精度较传统的PID控制器提高了一个数量级.     

水下运载器多变量鲁棒输出反馈控制方法

针对存在较大参数不确定性和仅具有位置、姿态测量的水下运载器的六自由度位姿控制难题,提出一种基于自适应平滑增益滑模观测器和多变量积分Backstepping控制器的非线性控制方法.解决水下运载器的鲁棒输出反馈控制问题,使用基于Lyapunov稳定性理论的设计方法保证观测器 控制器系统的稳定性.设计的自适应平滑增益滑模观测器,克服常规滑模观测器中所存在的高频颤振现象,从而获得较平滑的速度估计值.当存在模型不确定性和有界未知干扰时,可以保证速度估计误差以指数速率收敛至较小的球域内.设计的多变量积分Backstepping控制器,可以保证系统的跟踪误差同样收敛至较小的球域内.以浙江大学正在研制的海王号ROV六自由度控制为研究对象,使用所提出的控制方法与传统PID控制器进行对比仿真研究.仿真结果表明,当存在较大参数不确定性、较强未知外干扰和测量噪声时,所提出的控制方法具有较强的鲁棒性能,可以很好地跟踪参考轨迹,获得较好的动态性能和稳态控制精度.性能明显优于常规PID控制器,并且解决了PID控制器所存在的转艏角设定值不能大于90°的问题.     

机器人系统鲁棒轨迹跟踪控制器设计

针对机器人系统的轨迹跟踪控制问题,考虑实际系统中存在的不确定性,基于动态系统终值有界性引理,采用连续状态反馈的方法,设计出一种鲁棒轨迹跟踪控制器。仿真结果表明,此法设计的控制器对机器人系统的参数不确定性具有较好的鲁棒性,可保证不确定性存在情况下跟踪误差的终值有界性。     

Cross-coupling integral adaptive robust posture control of a pneumatic parallel platform

A pneumatic parallel platform driven by an air cylinder and three circumambient pneumatic muscles was considered. Firstly, a mathematical model of the pneumatic servo system was developed for the MIMO nonlinear model-based controller designed. The pneumatic muscles were controlled by three proportional position valves, and the air cylinder was controlled by a proportional pressure valve. As the forward kinematics of this structure had no analytical solution, the control strategy should be designed in joint space. A cross-coupling integral adaptive robust controller(CCIARC) which combined cross-coupling control strategy and traditional adaptive robust control(ARC) theory was developed by back-stepping method to accomplish trajectory tracking control of the parallel platform. The cross-coupling part of the controller stabilized the length error in joint space as well as the synchronization error, and the adaptive robust control part attenuated the adverse effects of modelling error and disturbance. The force character of the pneumatic muscles was difficult to model precisely, so the on-line recursive least square estimation(RLSE) method was employed to modify the model compensation. The projector mapping method was used to condition the RLSE algorithm to bound the parameters estimated. An integral feedback part was added to the traditional robust function to reduce the negative influence of the slow time-varying characteristic of pneumatic muscles and enhance the ability of trajectory tracking. The stability of the controller designed was proved through Laypunov's theory. Various contrast controllers were designed to testify the newly designed components of the CCIARC. Extensive experiments were conducted to illustrate the performance of the controller.     

Robust adaptive control for a class of uncertain non-affine nonlinear systems using neural state feedback compensation

A robust adaptive control is proposed for a class of uncertain nonlinear non-affine SISO systems. In order to approximate the unknown nonlinear function, an affine type neural network(ATNN) and neural state feedback compensation are used, and then to compensate the approximation error and external disturbance, a robust control term is employed. By Lyapunov stability analysis for the closed-loop system, it is proven that tracking errors asymptotically converge to zero. Moreover, an observer is designed to estimate the system states because all the states may not be available for measurements. Furthermore, the adaptation laws of neural networks and the robust controller are given based on the Lyapunov stability theory. Finally, two simulation examples are presented to demonstrate the effectiveness of the proposed control method. Finally, two simulation examples show that the proposed method exhibits strong robustness, fast response and small tracking error, even for the non-affine nonlinear system with external disturbance, which confirms the effectiveness of the proposed approach.     

直接驱动XY平台的零相位自适应鲁棒控制

为了提高直接驱动XY平台的跟踪性能,提出了将零相位误差跟踪控制器(ZPETC)与自适应鲁棒控制器(ARC)相结合的控制策略对跟踪误差进行控制,并且采用基于时间序列预测技术的轮廓误差实时补偿方法对两轴运动进行协调控制.ZPETC作为前馈跟踪控制器,可以有效提高系统带宽及跟踪性能,使位置能够无静差地跟踪二阶指令输入;ARC能够克服系统参数变化、负载扰动等不确定性,增强系统的稳定性与鲁棒性;采用基于时间序列预测技术的轮廓误差实时补偿方法能够动态控制插补过程,以有效减小轮廓误差.仿真结果表明,所提出的控制方案具有良好的跟踪性和鲁棒性,可以有效提高跟踪精度和轮廓精度.     

静液传动混合动力车辆的定量反馈鲁棒控制器设计

针对静液传动混合动力车辆起动制动过程中参数摄动量大和负载变化范围大等问题,采用定量反馈理论,进行了系统的鲁棒稳定性、干扰抑制和跟踪性能设计。设计了具有鲁棒性能的控制器,结合摩擦转矩动态补偿器组成了静液传动混合动力车辆的控制系统。试验结果表明:所设计的定量反馈鲁棒控制系统具有良好的控制效果,可有效抑制系统参数大范围摄动、强非线性以及外界干扰的影响,提高了系统的鲁棒稳定性和动态性能。     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

基于干扰观测器的非对称液压缸鲁棒运动控制

为实现对比例阀控制非对称液压缸系统的高性能位置伺服控制，提出了基于干扰观测器的新型鲁棒运动控制方法.在闭环控制中采用干扰观测器，对各种外部力扰动和系统参数变化进行估计并引入相应补偿，从而提高系统运动性能和鲁棒稳定性；对于比例阀中位死区，基于名义模型位置输出信息的新型补偿策略，保证在不牺牲系统动态品质的情况下，能有效地避免阀芯的频繁切换.对挖掘机器人关节液压缸系统进行计算机仿真的结果表明，该方法对外部力扰动和参数变化均具有很强的鲁棒性，且新型比例阀死区补偿环节能明显增强液压系统运动的平稳性.     

自由漂浮柔性空间机器人轨迹跟踪控制

引起针对自由漂浮柔性空间机器人的轨迹跟踪控制问题,利用拉格朗日和假设模态法建立了动力学模 型,综合考虑其欠驱动、柔性振动等特点,将其简化为一种带有柔性振动扰动完全可控的动力学模型;在此基 础上,考虑载体姿态干扰,提出一种改进自适应非奇异终端滑模控制策略,该方法采用自适应技术实时在线 学习扰动参数,并引入条件积分改进滑模面消除干扰的稳态误差,从而保证所设计的控制律对扰动具有 良好的鲁棒性;最后,基于Lyapunov方法证明了该控制策略能够实现关节期望轨迹的跟踪．仿真结果表明该 控制策略对载体姿态干扰下系统轨迹跟踪控制的有效性和可靠性     

基于有限时间干扰观测器的鲁棒积分跟踪控制

针对电液位置伺服系统同时存在的参数不确定和不确定非线性（统称为干扰）,导致传统非线性控制精度不高、跟踪性能不好等问题,提出基于有限时间干扰观测器（FTDO）的鲁棒积分跟踪控制策略. 通过将误差符号鲁棒积分（RISE）控制策略与FTDO融合,实现对未观测干扰的抑制. 考虑到实际系统中噪声对跟踪精度的影响,该控制策略结合期望补偿手段,提高跟踪精度. 通过Lyapunov稳定性理论,证明了闭环系统的全局渐进稳定性. 对比实验结果显示,利用该方法能够有效提高电液位置伺服系统在干扰作用下的跟踪性能,在相同的测试工况下,与速度前馈PI控制器相比,跟踪精度提高了25%左右.     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略. 在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性. 利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器. 针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性. 针对未知上界的扰动设计具有自适应增益的鲁棒项. 利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.