基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

月球机器人高精度定位模糊神经网络直接自适应控制

针对常规模糊控制的不足,提出一种模糊神经网络直接适应控制,它结合了模型控制、神经网络控制和自适应控制的优点,实现了模糊控制的智能化,并将其应用于月球机器人的定位控制中。仿真证明了该方案的优越性、有效性和可行性。     

基于组合非线性反馈技术的机器人控制方法

为解决机器人跟踪控制中响应速度和超调量之间的矛盾,实现快速的响应和较小的超调,研究了机器人非线性动力学与组合非线性反馈技术相结合的控制策略,提出了一种基于组合非线性反馈的机器人控制器.该控制器由两部分组成,一部分由完全的机器人非线性动力学补偿来实现反馈线性化,另一部分由组合非线性反馈技术实现镇定.通过反馈线性化技术与Lyapunov理论,证明了闭环系统的渐近稳定性.同时,把组合非线性反馈理论拓展到多输入多输出(MIMO)饱和线性系统的时变轨迹跟踪控制,利用非线性项的变阻尼特性,使得系统的动态响应快速且没有超调.仿真结果证实了此方法的有效性.     

约束机器人的自适应控制

利用微分几何中的等距嵌入理论,本义给出约束机器人的一种新动力学方程及对应的自适应控制算法。这种控制算法避免了回归矩阵的求取,因而适时性较强。在假设条件PE满足的情况下,此算法不仅保证机器人的关节轨迹误差渐近趋于零,且保证约束力误差渐近趋于零。     

基于神经网络的机器人模型参考自适应控制的研究

提出一种新的基于神经网络的机器人模型参考自适应控制方法,采用动态对角回归神经网络作为辨识器和控制器,实现了机器人轨迹跟踪的最小误差控制,给出了神经网络的学习算法,通过实例仿真证明了控制方法应用于未知模型机器人系统的正确性和有效性。     

基于模糊自适应PID的加样臂位置控制

为实现快速、平稳的加样臂位置控制,将模糊控制与传统PID控制相结合,设计出基于模糊自适应PID的位置控制器.通过模糊控制在线调整位置环PID控制器的3个参数,使控制器具有较强的自适应能力和抗负载扰动能力,同时还具有传统PID控制器精度高的优点.仿真结果表明,基于模糊自适应PID的位置控制器比传统PID位置控制器响应速度快,调节时间短并具有抗干扰能力.进行了加样臂的运动控制实验,以传统PID控制作为对比,通过改变加样臂的运动环境验证了模糊自适应PID控制可以实现加样臂的准确位置控制并具有一定的自适应能力,可以为类似控制器的设计提供参考.     

具有非线性时滞的汽车磁流变悬架系统自适应模糊滑模控制

针对磁流变悬架系统执行器件非线性及其时滞的不确定性,本文提出采用基于自适应模糊逻辑的滑模控制策略。首先基于磁流变减振器试验测试数据建立了能精确描述执行器非线性动力学行为的控制模型,进而建立了具有不确定时滞的磁流变减振器控制模型;基于建立的1/4半主动悬架动力学模型,设计了自适应模糊滑模控制器;作为比较,基于1/4车辆悬架模型还设计了简单滑模控制器;最后进行了仿真分析和道路试验。试验结果表明,基于自适应模糊滑模控制能消除减振器强非线性和不确定时滞的影响,显著提高车辆的平顺性,其控制效果要优于简单滑模控制。     

模糊自适应PID控制在张力控制中的应用

针对凹版印刷机张力控制系统是一个非线性、强藕合、时变的复杂系统,用普通的PID难以达到理想的控制效果,设计出一种基于模糊控制原理的自适应PID控制器,根据偏差和偏差变化率来实时调整KP、KI、KD的参数.仿真结果表明,这种模糊自适应PID比常规PID控制器在张力控制中具有更好的控制性能.     

结构非线性振动的自适应模糊滑模控制

结构在强震作用下将不可避免地进入塑性阶段,表现出非线性行为,而总体上说,结构非线性振动还没有系统、有效的控制方法.本文主要研究了结构非线性振动的自适应模糊滑模控制算法,用模糊系统来自适应地逼近非线性系统以实现滑模控制力,同时采用模糊系统消除滑模控制所带来的抖振现象,并给出了模糊滑模控制器和自适应律的设计.仿真模型采用3层和20层的Benchmark非线性结构模型,每层均设置一个采用自适应模糊滑模控制算法的控制装置,计算出其在地震输入下的结构响应,然后对仿真结果进行了分析.仿真结果表明,自适应模糊滑模控制算法能够充分发挥自适应模糊控制和滑模控制的优点,较好地实现对结构在地震作用下非线性振动的控制,并得到令人满意的结果.     

一类具有非线性参数不确定性的系统的自适应控制

针对非线性函数关于未知参数是凹/凸函数的一类非线性系统,设计了基于极大极小策略的自适应控制器.与过去的具有非线性参数不确定性的系统的自适应控制器相比,该控制器能保证闭环系统输出跟踪误差渐近趋于零.最后通过对一个单摆模型的仿真验证了算法的有效性.     

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响,提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题.利用MATLAB进行仿真研究,结果表明该控制方法具有较高的控制精度和鲁棒性,满足挖掘机器人轨迹控制的要求.     

基于模糊控制的足球机器人底层动作优化

 足球机器人是集成视觉技术、通讯技术、伺服控制技术、决策对象等多种技术的综合系统,是当前人工智能和机器人领域的研究热点之一． 根据足球机器人的运动学模型,考虑到系统的时滞性、非线性等特点,提出模糊控制并优化机器人底层动作的方法． 详细介绍了足球机器人模糊控制系统的设计过程,并通过仿真验证了该方法的可行性．     

基于自适应模糊控制算法的公路桥梁MR半主动控制

摘要：为了有效处理振动控制中结构的非线性和外界荷载的不确定性,提出了基于自适应模糊控制算法（AFLC）的MR半主动控制算法。AFLC通过在线调节规则后件隶属度函数,以自适应模糊控制系统逼近等价控制律。通过引进Lyapunov稳定性理论设计了相应的自适应率。在此基础上结合限幅最优控制算法（clipped optimal）设计了适合MR阻尼器的半主动控制算法（AFLC/clipped optimal）。针对最近提出的公路桥梁控制的Benchmark问题进行仿真分析,结果表明：在不同场地类型和幅值的地震作用下,基于AFLC算法的主动和半主动控制策略都能够有效的抑制结构的地震响应,且MR半主动控制策略的控制效果与主动控制相近,表明了这种半主动控制策略具有很高的工程应用价值。     

具有类反斜线回滞系统的自适应控制

考虑一类具有类反斜线回滞的不确定非线性系统自适应控制问题.利用神经网络提出了变结构自适应控制方法和近似自适应控制方法,变结构自适应控制方法能保证跟踪误差趋于零,近似自适应控制方法的控制律是光滑的,能保证跟踪误差最终小于任意给定的正数.文中举例说明了结果的有效性.     

基于可拓自适应理论的三轴并联机器人控制系统设计

为了提高并联机器人的轨迹跟踪控制精度,以平面二自由度并联机器人为研究对象,构建了一种可拓自适应控制器用于其控制系统中.利用自适应控制器善于处理不变和慢时变问题,可拓控制器善于处理时变和突变问题,将2种控制器的优点结合起来,设计了一种新型的可拓自适应控制器.仿真结果表明,可拓自适应控制器能较大地提高并联机器人关节位置精度和末端执行器的轨迹精度,能够满足机器人的控制要求.研究所得的方法和结论具有较强的通用性,对并联机器人的控制具有普遍的应用意义．     

基于模糊滑模切换控制的PMSMS弱磁调速控制策略

针对表贴式永磁同步电主轴(PMSMS)弱磁控制方案中,主轴系统调速性能欠佳的问题,提出一种基于模糊滑模切换控制(FSMSC)的超前角弱磁调速策略。在转速误差大于设定阈值时,使用模糊控制器实现主轴转速快速趋近给定值,利用模糊控制的特点对控制器进行实时的参数调整,使系统具有更强的鲁棒性;在转速误差小于设定阈值时,使用趋近律滑模控制器提高系统抗干扰能力,减小加工过程中因负载突变造成的加工误差,进一步增强系统鲁棒性。实验结果表明,基于FSMSC的超前角弱磁调速策略能有效抑制定子电流震荡以及电磁转矩脉动,并且控制器对抖动因子参数敏感性低,参数调节便捷,在实际加工中具有重要意义。     

一种球形机器人高速直线运动的自适应控制方法

具备高速精准运动能力是球形机器人技术发展的重要方向.针对高速运动状态下外界扰动和系统抖振等因素对球形机器人精准直线运行产生的影响,开展面向高速直线运动的分数阶自适应分层积分滑模控制方法的研究.提出面向高速直线运动的球形机器人标准动力学模型并且以此作为控制方法的研究基础,将积分项和分数阶微积分项与分层滑模控制方法相结合,...