基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

基于线性变参数控制的机械臂追踪误差仿真研究

针对目前机械臂在使用控制器时,存在轨迹追踪误差较大问题,设计了机械臂线性变参数控制方法,并且对追踪误差进行仿真验证。构造了两关节机械臂运动简图,建立机械臂刚体动力学数学模型,引入动力学参数的线性组合,推导出线性变参数模型。设计出机械臂的线性变参数控制器,采用Matlab/Simulation软件对控制器的轨迹追踪误差进行仿真。同时,与其它控制器的机械臂轨迹追踪误差仿真结果进行比较和分析。仿真结果显示,采用线性变参数控制器实际输出运动轨迹与理论期望运动轨迹更接近,运动比较平稳。采用线性变参数控制可以提高机械臂运动轨迹的追踪精度。     

基于改进PID控制的电液伺服系统执行器运动轨迹仿真

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明：液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑制外界环境对控制系统的干扰,从而提高液压执行器运动轨迹跟踪精度     

论域自适应变化的不确定机械臂模糊补偿控制

为了提高不确定机械臂系统在扰动工况下的轨迹跟踪精度,设计了论域自适应变化的模糊补偿控制器。以二自由度机械臂为研究对象,建立了机械臂系统的动力学模型,设计了模糊补偿控制器的整体方案。提出了模糊控制参数论域随跟踪误差自适应变化的思想：当跟踪误差较小时,参数论域随之减小,有利于提高控制精度;当跟踪误差较大时,参数论域随之增大,有利于控制过程收敛;基于Lyapunov稳定性分析,给出了补偿力矩系数的自适应变化律。经仿真验证,论域自适应模糊补偿控制器对期望轨迹跟踪误差的最大值和方均根均远小于传统模糊补偿控制。仿真结果表明在扰动工况下,论域自适应模糊控制器对不确定机械臂的轨迹跟踪控制是有效的,且在控制精度和速度方面具有一定优越性。     

采用粒子群算法耦合遗传算法优化双臂机器人模糊逻辑控制研究

为了提高双臂机器人运动轨迹追踪精度,降低运动过程中的抖动幅度,引入混合粒子群算法优化双臂机器人模糊逻辑控制,并对误差和力矩进行仿真。创建双臂机器人平面运动模型简图,建立机械臂运动方程式。分析了模糊逻辑控制规则,引用模糊逻辑控制不同成本函数定义机械臂运动轨迹的平方误差均值、误差的绝对值及控制力参考误差,采用遗传算法耦合粒子群算法优化模糊逻辑控制的成本函数。通过MATLAB对优化模糊逻辑控制的双臂机器人运动轨迹控制力矩进行仿真,并且与模糊逻辑控制仿真结果形成对比。仿真结果显示:受外界环境干扰时,双臂机器人模糊逻辑控制采用遗传算法耦合粒子群算法优化后,不仅运动轨迹追踪误差较小,而且输入力矩值也较小。双臂机器人模糊逻辑控制采用遗传算法耦合粒子群算法优化后,能够提高机器人运动轨迹追踪精度和降低控制系统抖动幅度。     

单杆柔性机械臂的轨迹跟踪与末端弹性振动复合控制

针对单杆柔性机械臂末端轨迹跟踪和弹性振动抑制的问题,提出了一种基于奇异摄动法的复合控制方法。采用假设模态法和Lagrange方程推导出柔性臂的动力学模型。基于奇异摄动法将柔性臂的刚柔耦合动力学方程分解成慢变(刚性)和快变(弹性)两个子系统。慢变子系统控制器选择滑模控制和PID控制相结合的方法以抑制控制输入引起的抖振,快变子系统则选择LQR最优控制方法以实现简单的线性状态反馈控制律。数值仿真表明:该方法不仅能实现柔性臂的轨迹跟踪,而且有效地抑制了柔性臂运动过程中的弹性振动。并且,采用滑模控制和PID控制相结合的方法设计的慢变子系统控制,能减少普通滑模控制中的输入抖振,具有更好的控制效果。     

泵控缸电液位置伺服系统的自适应模糊滑模控制

针对泵控缸电液位置伺服系统的跟踪控制问题,设计了自适应模糊滑模变结构控制器.为了使等效控制器的设计不依赖于对象的精确数学模型,利用自适应模糊系统代替等效控制器,并且为了消除外界干扰、抑制抖振,利用模糊系统动态调节控制增益.仿真结果表明,该方法能保证系统具有较优的动态响应和稳态控制精度,并且对外界干扰及结构参数不确定性具有很强的鲁棒性.     

串联型机械臂的自适应鲁棒容错控制研究

针对串联型机械臂关节空间内的轨迹跟踪控制,提出了一种自适应鲁棒容错控制方法。在机械臂动力学模型中加入了外界干扰、关节摩擦与故障模型,并将其等价成二阶被控系统。在此基础上,结合非奇异快速终端滑模面和反步法控制策略,设计一种新型的反步非奇异快速终端滑模控制器。通过李亚普诺夫准则验证了控制策略的全局渐近稳定性;引入自适应技术估计系统不确定性的上界,提高控制器的鲁棒性。以二自由度机械臂为被控对象,对所设计控制器的有效性进行了验证,结果表明:与传统的非奇异快速终端滑模控制器及反步非奇异快速终端滑模控制器相比,该控制器具有响应速度快、鲁棒性强、抖振小的优点,能有效应对系统故障和实现机械臂的高精度轨迹跟踪控制。     

采用神经网络模糊滑模控制的液压驱动活塞位置控制研究

针对液压驱动活塞运动轨迹和压力精度跟踪误差较大问题,设计了神经网络模糊滑模控制,并对控制精度进行仿真验证。创建了液压缸驱动平面简图,推导出液压缸腔室内部参数变化方程式。分析了液压缸驱动压力和位置的变化,采用线性模型建立输入和输出变换方程式。引用滑模控制方法,采用神经网络算法对滑模控制进行逼近,通过模糊切换规则对滑模控制进行自适应调整。采用MATLAB对液压缸活塞轨迹和腔室压力跟踪进行仿真验证,并且与滑模控制输出效果进行比较和分析。结果表明:采用滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较大;而采用神经网络模糊滑模控制方法,液压缸活塞运动轨迹和腔室压力跟踪误差较小。采用神经网络模糊滑模控制方法,液压缸控制系统自适应调节能力较强,从而提高了活塞运动轨迹和腔室压力跟踪精度。     

基于关节约束的双臂机器人协调控制器研究

为提高双臂机器人运动的协调性,设计了协调控制系统,并对机械臂运动轨迹跟踪误差和角速度变化进行仿真验证。创建了双臂机器人三维模型,利用相对雅克比矩阵推导机械臂末端执行器运动轨迹误差公式,设计机械臂运动协调控制器。根据层次优先的任务结构推导机械臂关节角速度方程式,设计双臂联合避免关节限制策略,通过优先级协调双臂运动。为验证关节约束条件下机械臂运动的协调性和稳定性,采用MATLAB软件对机械臂运动轨迹跟踪误差和角速度变化进行仿真,并与无关节约束条件下输出效果进行比较。结果表明：在无关节约束条件下,单臂机器人运动轨迹误差较小,但是双臂机器人运动轨迹跟踪误差较大,双臂产生的角速度峰值较大;在有关节约束条件下,单臂机器人运动轨迹误差较大,而双臂运动轨迹跟踪误差较小,双臂产生的角速度峰值较小。采用联合关节限制策略,可以提高机械臂运动的协调性,降低机械臂角速度产生的峰值,机器人运动相对稳定,效果较好。     

自适应模糊反演控制在机床永磁同步电机位置控制中的应用

针对机床永磁同步电机外部负载干扰和参数变化敏感,提出了自适应模糊反演控制用于永磁同步电机位置控制。模糊系统估计控制率中的未知非线性,模糊控制器采用自适应和反演构造。与传统反演控制进行了仿真对比,仿真结果表明:提出的控制结构比较简单,在参数不确定和负载力矩干扰的情况下,位置误差集中在一个较小的范围。     

被动式电液力伺服系统的高阶积分滑模控制

针对被动式电液力伺服系统的控制问题,提出了高阶积分滑模控制方法。积分滑动模可以降低控制器对期望跟踪轨迹高阶导数的要求,有效抑制传统滑模变结构控制中的抖振问题;CMAC神经网络在线学习系统不确定性能够降低控制器参数设计的保守性。将该控制方法应用于电液力伺服系统中,并进行仿真。结果表明:该控制方案均具有较好的控制性能,且能够有效抑制系统的抖振。     

基于饱和函数的不确定机器人模糊自适应滑模控制

针对模型和参数不确定机器人系统轨迹跟踪问题,在模糊自适应控制的基础上提出了一种新的控制策略,该控制策略把饱和函数、模糊原理与滑模控制有机结合起来,设计了一种模糊自适应滑模控制器.该控制器利用模糊逻辑系统为机器人的动力学系统建模,设计自适应律调节未知参数,为保证控制力矩输出平滑有界,不存在一般滑模变结构中的抖振现象,采用双曲正切函数代替传统的符号函数.利用李亚普诺夫定理证明了闭环控制系统全局稳定,跟踪误差渐近收敛于零.仿真结果表明了所提出的控制算法的有效性.     

非线性电液位置伺服系统的自学习滑模模糊控制

针对电液伺服系统存在参数变化、负载干扰等非线性因素,且难以建立精确的数学模型用于实时控制的特点,将一种自学习滑模模糊控制方法应用于电液伺服系统,并将滑模控制策略应用于模糊控制中,建立以滑模函数值为输入、伺服阀控制电压为输出、模糊规则只有11个的简单模糊控制器,通过在线学习调整模糊规则使系统状态快速滑向状态平衡点。该控制方法结合了滑模控制和自适应模糊控制,鲁棒性强、结构简单。仿真和实时控制结果表明：在电液位置伺服系统中取得良好的控制精度和稳定性。     

搬运机械手模糊滑模增益跟踪控制北大核心

针对非线性机器人系统中未建模动力学以及未知扰动的问题,提出了一种抗干扰的自适应模糊增益滑模控制策略。首先根据D-H坐标法建立机械臂的运动学、动力学模型;再次,引入Mamdani模糊规则和自适应律逼近理论,通过对Lyapunov函数的设计,建立滑模控制律,选取机械臂整体动力学模型为研究对象,引入干扰并进行仿真分析;最后,通过对鲁棒滑模控制、自适应滑模鲁棒控制、自适应模糊增益滑模控制策略进行比较,验证本文所提方法的有效性。     

基于滑模扰动观测器和积分滑模控制器的活塞加速度控制研究

针对活塞加速度精度低的问题,提出具有气动和液压技术优势的新型混合执行控制系统。通过分析电液-气动混合执行控制系统结构,建立电液-气动混合执行器的数学模型。在积分滑模控制器的基础上,结合具有干扰抑制和估算复合扰动能力的滑模扰动观测器,开发滑模扰动观测器-积分滑模控制器的综合控制器;采用MATLAB软件对电液-气动混合执行器进行仿真,并与传统PID控制器的计算结果进行对比和分析。结果表明：采用基于滑模扰动观测器-积分滑模控制器的电液-气动混合执行控制系统可明显提高对方波和正弦加速度信号的跟踪精度,方波响应超调量减少约54%,正弦响应误差减少约65%;该控制系统抗干扰性强,位置跟踪误差较小,可以有效地精确控制活塞加速度,具有较强的鲁棒性     

同向滑杆并联机构的模糊自适应滑模控制北大核心

为减少机器人在快递件的分拣与包装时的轨迹跟踪误差,以同向滑杆支链3-PUPU并联机器人为研究对象,首先,建立机器人的运动学方程和拉格朗日动力学方程;其次,建立以模糊自适应算法为基础的滑模控制器;最后,在MATLAB中建立系统仿真框图和实验平台,对机构的轨迹跟踪误差进行仿真分析和实验研究。研究表明,模糊自适应滑模变结构控制的轨迹跟踪具有精度高、稳态误差小以及鲁棒性强的特点,从而对快递的精准分拣与包装是有效的,为该机构的实践应用提供了可靠依据并奠定了重要基础。     

基于轮廓误差补偿的机械臂自适应非奇异终端滑模控制

针对机械臂外部干扰、执行器故障等不确定因素对末端轮廓跟踪精度的影响,提出一种基于交叉耦合的自适应非奇异终端滑模控制方法。基于机械臂动力学模型,采用Lyapunov函数设计系统的非奇异终端滑模控制律;为解决滑模控制器设计过程依赖于不确定性上界这一局限性,引入自适应技术估计系统集总不确定性,有效抑制滑模控制的高频抖振现象;根据有限时间稳定性理论证明闭环控制系统的有限时间稳定。结合交叉耦合控制技术与抛物线过渡轨迹规划技术,设计交叉耦合轮廓补偿与参考位置预补偿相互协调的统一框架;提高机械臂各关节间的协调性,以更好地削弱系统不确定性对末端轮廓跟踪精度的影响。结果表明：所设计的控制器能够在机械臂系统存在不确定性因素下实现末端轮廓精确跟踪,并能有效抑制系统抖振现象。     

泵控电液伺服系统滑模反步控制设计及其AMESim仿真

为了提高大负载输出泵控电液伺服系统滑模控制方法对非匹配干扰的影响,采用反步法对系统非匹配干扰进行补偿,通过光滑连续一阶可导滑模技术来消除滑模与反步控制的冲突,并通过联合仿真验证滑模反步控制设计的准确性。研究结果表明:滑模反步控制器结果最接近参考信号,误差最小,表现出最优的稳定性。滑模反步控制器输出电流最小,波动效果最低,证明所设计的光滑连续滑模控制律有效地抑制了输出抖动。滑模反步控制器获得了比反步控制器和PID控制器更小的I_(MSE)和I_(APE),表明在控制器输出强度较低的条件下,利用滑模反步控制器达到了优于PID控制器与反步控制器的控制性能。滑模反步控制器则同时拥有反步控制与滑模控制的优点,不需建立精确模型也能够达到较好的控制性能。     

基于混合控制的无凸轮发动机气门电液执行机构跟踪误差研究

为降低发动机气门运动位移输出误差,设计一种新的发动机气门电液执行机构。创建电液执行机构原理简图,对压电制动器和机械伺服系统进行分析。给出了电液执行机构的电路控制数学表达式,建立了液压驱动机构流量方程式。引用单一PID控制方法并进行改进,设计了串联PI-PID-PI混合控制方法。采用MATLAB软件对发动机气门运动位移和压电位移输出误差进行仿真,并且与单一PID控制方法进行对比和分析。结果表明:采用单一PID控制方法,气门运动位移和压电位移输出误差在10%以内,误差变化幅度较大;采用串联PI-PID-PI混合控制方法,气门运动位移和压电位移输出误差在5%以内,误差变化幅度较小。采用串联PI-PID-PI混合控制方法,控制系统反应速度较快,能够提高发动机气门运动位移控制精度,改善气门运动特性,效果较好。