基于神经网络补偿的机器人稳定自适应控制

针对建模不精确的机器人,提出了一种基于神经网络补偿的机器人轨迹跟踪稳定自适应控制方法,文中通过设计神经网络补偿器和自适应鲁棒控制项,有效地补偿了模型的不确定性部分和网络逼近误差.由于算法包含有补偿神经网络逼近误差的鲁棒控制项,实际应用中对神经网络规模的要求可以降低;而且神经网络连接权是在线调整的,不需要离线学习过程.理论表明算法能够保证跟踪误差及神经网络连接权估计最终一致有界,仿真结果也验证了算法的有效性.     

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。     

弹性机械手臂的建模与控制

１引言目前工业机器人的负载与自重比一般在１：１０到１：３０之间或更小,而人类的负载与自重比通常可以达到１：３,本体过重是实现机械臂高速运动控制的一个障碍．一方面,提高负载与自重比可以满足高速低能耗的需求,同时,也势必会导致本体刚度的下降,从而使机械臂成为具有弹性的结构．机械手臂的高速运动往往会激励起弹性结构的振动,,给运动控制带来许多挑战性的困难．基于刚性动力学的控制策略已无法用于高速高精度的运动控制,需要基于弹性机械臂的动力学设计更为有效的控制算法,这就是弹性臂建模与控制的研究内容．本文中弹性…     

基于动态神经网络的鲁棒直接自适应控制

对未知仿射系统提出了用动态神经网实现鲁棒直接自适应的控制的策略，基于Ｌｙａｐｕｎｏｖ理论，获得一个稳定并且连续的学习，闭环系统被证明鲁棒稳定的，此方法不需要离热学习阶段也不要求初始的参数误差足够小。     

基于BP神经网络的自适应控制

本文利用ＢＰ神经网络对被控对象进行在线辨识和控制。为实现自适应控制，本文对ｓｐｅｃｉａｌｉｓｅｄ ｌｅａｒｎｉｎｇ算法进行了改进，在此基础上，本文还提出了一种基于ＢＰ网络的自适应ＰＩＤ控制器。     

基于RENN 的柔性关节机械臂自适应动态面控制

针对面贴式永磁同步电机驱动的柔性关节机械臂动力学模型具有非线性、不确定性和未知外部扰动等特点,提出一种自适应动态面控制方法来实现其关节轨迹跟踪控制．控制律由动态面技术得到,降低了反推控制器的复杂性．模型不确定因素由递归Elman神经网络在线补偿,神经网络权值自适应律通过Lyapunov稳定性分析推导得到．仿真研究表明,该方法对于载荷不确定和外界扰动具有较强的鲁棒性,与传统动态面法相比,大大提高了柔性关节的位置跟踪精度．     

基于神经网络的非线性自适应控制*

本文对非线性自适应控制的一个新领域－基于神经网络的非线性自适应控制（以下简称ＮＮＢＮＡＣ）的研究进展进行了综述，讨论了这一领域中存在的几个重要问题，然后指出了与这些问题相关的未来的研究方向。     

基于动态神经网络自适应控制的主动悬架系统

主动悬挂系统中的液压执行器伺服系统是典型的仿射非线性系统，其参数也是时变的，要建立其准确的数学模型是很困难的。在该文中将主动悬架系统看作是一未知系统，利用动态神经网络对未知系统进行辨识，根据建模误差和参数的不确定性来调整网络的参数和结构并用动态神经网络的优化能力得出系统的控制率。在仿真试验中用动态神经网络所得到的控制算法对模型的输出进行跟踪控制，从仿真结果图可以看出这种控制器能获得较好的控制效果。     

多模型自适应控制在机器人手臂控制当中应用

本文以斯坦福机械手臂为研究对象,对被控对象建立离散时间模型,并建立自适应控 制器．考虑斯坦福机械手自适应控制当中,参数突变经常会破坏总体系统的稳定性的问题, 针对被控对象模型建立多个模型,覆盖被控对象的参数不确定性,构成多模型自适应控制器 ,同时引入“局部化”技术,可保证在不失去多模型自适应控制精度的同时,减少计算时间 ．     

基于反演设计的机器人自适应动态滑模控制

针对机器人跟踪控制问题,设计了一种新型的动态滑模控制器,采用反演（backstepping）方法设计一种新的切换函数,将不连续项转移到了控制的一阶导数中,得到了输入的平滑性的动态滑模控制律。该控制律能保证轨迹跟踪误差的快速收敛性和参数不确定的鲁棒性,仿真实例验证了该控制算法的有效性。     

基于自适应动态规划的移动装弹机械臂轨迹控制

针对移动装弹机械臂系统非线性、强耦合、受多种不确定因素影响的问题,本文基于自适应动态规划方法,提出了仅包含评价网络结构的轨迹跟踪控制方法,有效减小了系统跟踪误差.首先,考虑到系统非线性特性、变量间强耦合作用及重力因素的影响,通过拉格朗日方程建立了移动装弹机械臂的动力学模型.其次,针对系统存在不确定性上界未知的问题,建立...     

基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

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。     

旋翼飞行机械臂建模及动态重心补偿控制

旋翼飞行机械臂是将多关节机械臂固连在旋翼飞行平台上而组成的一种面向主动任务操作的特殊系统,其飞行平台和机械臂之间存在强耦合特性.本文针对机械臂的规划运动对飞行平台的干扰问题,建立了系统运动学和动力学模型,并通过动态计算系统重心位置坐标,设计出基于backstepping的动态重心补偿控制方法,针对补偿项测量噪声问题设计了二阶低通滤波器,并使用Lyapunov稳定性理论证明了系统的稳定性.仿真和实验均验证了在相同的参数条件下,具有动态重心补偿项的控制算法比没有重心补偿项的控制算法在轨迹跟踪和姿态稳定方面具有明显优势.     

Adaptive control for an uncertain robotic manipulator with input saturations

In this paper, we address the control problem of an uncertain robotic manipulator with input saturations. For this purpose, a model reference adaptive control like (MRAC-like) approach is proposed to solve the problem. The model reference enjoyed input to state stable (ISS) property and driven by the current control signal is introduced. A combination of the regressor and non-regressor based approaches is used to estimate the uncertain parameters. The resulting controller ensures that the control signals satisfy the input saturations. In addition, the semi-global uniform ultimate boundedness of the closed-loop system is guaranteed and the tracking error converges to the compact set which depends on the predetermined bound of the control inputs. Simulation on a planar elbow manipulator with two joints is provided to illustrate the effectiveness of the proposed control design.     

Adaptive non-linear compensation control based on neural networks for non-linear systems with time delay

This article investigates a new adaptive non-linear compensation controller for a class of time-delay non-linear systems with partly known dynamics. First, a non-linear neural-network(NN)-based identification model that includes a prior knowledge about the plant dynamics is discussed by using the approximation capabilities of NNs. Then, the adaptive non-linear compensation controller is developed to produce the desired tracking performance. The proposed controller based on the NN can reduce the effect of modelling uncertainties and provide the time-delay compensation, while stability of the closed-loop system is guaranteed. The effectiveness of the proposed scheme is demonstrated through the application to the control of a continuous stirred tank reactor.     

作业型飞行机器人动态滑翔抓取的鲁棒自适应控制

作业型飞行机器人是指将多自由度机械臂固连在飞行机器人上的一类新型机器人系统,它能够对周围环境施加主动影响,同时也存在较为复杂的动力学性能.本文针对作业型飞行机器人滑翔抓取物体时所受到的摩擦力和接触力问题以及在飞行过程中产生的转动惯量变化问题,设计了一种整体式鲁棒自适应控制策略.首先在作业型飞行机器人系统动力学建模中引入...     

地面装调的空间机械臂在空间应用时的自适应鲁棒控制

针对空间机械臂在轨操控过程中,重力加速度不同于地面装调阶段的重力加速度,会随着空间位置的改变而变化的问题.本文提出了一种自适应鲁棒控制策略,用于空间机械臂的末端控制,从而使在地面重力条件下装调好的空间机械臂能够在空间微重力条件下实现在轨操控任务.通过分析重力项对空间机械臂轨迹跟踪控制的影响,设计自适应律在线估计重力加速度,从而得到重力项的估计,系统的不确定性通过鲁棒控制器来补偿.基于李雅普诺夫理论证明了闭环系统的稳定性.仿真结果表明,在地面装调阶段的重力环境下和空间应用阶段的微重力环境下,该控制器对空间机械臂的末端控制均能达到较高的轨迹跟踪精度,具有重要的工程应用价值.