柔性关节机操手的神经网络控制

本文在关节柔性较弱的情况下,对柔性关节机器人操作手的轨迹跟踪问题,提出了一种基于奇异摄动理论的机器人神经网络控制设计方法,在一般框架下证明了系统跟踪误差最终一致有界,并且可以通过选取增益矩阵使该误差界任意地小. 该方法克服了对模型参数线性化条件的要求,无需求解回归矩阵,因而具有很强的鲁棒性和模型推广能力. 数值试验表明,所提出的控制方法是可行且有效的.     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题。应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统。提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法。仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题.应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统.提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法.仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性.     

受时变约束柔性臂鲁棒RBF神经网络力/位置控制

研究了受时变约束的柔性臂系统，建立了分布参数模型，通过奇异摄动方法将该模型划分为表征系统刚性运动的集中参数子系统和表征系统振动的分布参数子系统．设计了集中参数子系统的鲁棒RBF神经网络力／位置控制算法和分布参数子系统的鲁棒自适应振动抑制控制算法．理论分析及仿真结果验证了该方法的有效性．     

柔性关节机器人基于柔性补偿的奇异摄动控制

传统的奇异摄动方法仅适用于关节具有弱柔性的机器人的控制．为了解决这一问题,设计了关节柔 性补偿器,大大提高了关节的等效刚度,从而消除了关节柔性对该方法的限制,使得奇异摄动方法能够应用于关 节具有一般柔性的机器人系统中．此外,对于慢子系统的控制,选择以投影算法作为参数估计规律的自适应控制 器,并证明了它的渐近稳定性．该控制策略没有关节柔性限制,不需要连杆加速度及其微分信号,便于工程应用． 最后以本实验室的柔性关节机器人为研究对象进行了实验研究,验证了所提控制策略的有效性和可行性．     

基于奇异摄动的双连杆柔性臂模糊控制

讨论了双连杆柔性臂位置控制问题。应用拉格朗日-假设模态法建立系统的动力学方程,并用奇异摄动法将双连杆柔性臂系统分解为两个降阶的慢变子系统和快变子系统。针对柔性臂强非线性、强耦合性及不确定性等特点,给出一种慢变子系统在反馈线性化后采用模糊控制、快变子系统因呈线性系统而采用简单的最优控制的混合控制方法。其中,模糊控制是二维PD型控制器,其输入为关节角跟踪误差及其导数。最后进行了计算机仿真,结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

基于积分流形的柔性机械手组合控制

为解决柔性机械手非最小相位的控制问题以及克服运动中的抖振,采用积分流形和奇异摄动理论,将柔性机械手系统分解为快慢两个子系统.对于慢变子系统,设计一种基于一阶鲁棒微分估计器的二阶滑模控制策略,使其轨迹跟踪期望值;对于快变子系统,采用频率成形滤波器设计动态补偿器来抑制弹性振动,并基于线性二次型最优控制方法给出相应的最优控制规律,使系统的输出快速趋于稳定.仿真结果表明了该控制策略的有效性.     

力矩受限的柔性空间机器人模糊神经网络自适应跟踪控制及振动抑制

针对力矩受限和存在参数不确定情况下,自由漂浮柔性空间机器人（FFFSR）关节轨迹跟踪控制与柔性振动抑制的问题,利用奇异摄动法将系统分解为关节轨迹跟踪的慢变子系统和描述柔性振动的快变子系统,进而提出含慢、快变控制项的组合控制器。对于慢变子系统,设计一种无需模型的模糊径向基函数（RBF）神经网络（FRBFNN）自适应跟踪控制方案,利用神经网络观测器估计关节角速度信息,并对系统的未知非线性函数进行逼近;对于快变子系统,采用扩张状态观测器（ESO）对不易测量的柔性模态坐标导数和不确定扰动进行估计,并结合线性二次调节器（LQR）方法抑制柔性振动。数值仿真结果表明,当控制力矩限制在±20 N·m和±10 N·m范围内时,该组合控制器能够在2.5 s实现稳定的关节轨迹跟踪,并将柔性振动幅值限制在±1×10^-3 m内。     

柔性机械手的鲁棒控制器设计

针对柔性机械手的动力学方程具有非最小相位的特点,运用重新定义的柔性机械手系统的输出,通过输入输出线性化,将系统分解为输入输出子系统和零动态子系统．考虑到柔性机械手系统存在的不确定性,设计终端滑模控制器,使输入输出子系统在有限时间内收敛到零．最优组合输出系数采用混沌遗传算法优化,以保证零动态子系统在平衡点附近渐近稳定,从而保证整个系统渐近稳定．仿真结果证明了设计方法的有效性．     

空间柔性双臂机器人的神经网络协调控制

基于对机器人闭链系统运动特性的分析,采用假设模态法及拉格朗日方程建立了自由浮动空间柔性双臂机器人协调操作刚性负载闭链系统的动力学模型,然后采用基于小脑模型的模糊神经网络与非线性PD并行控制的方法对该动力学模型进行轨迹跟踪,并对内力采用积分控制;通过仿真实验比较,该方法比一般的非线性PD控制,在跟踪误差、抗干扰性、鲁棒性方面,都有很大的改善.     

力矩输入有界的柔性关节机器人轨迹跟踪控制

为解决柔性关节机器人在关节驱动力矩输出受限情况下的轨迹跟踪控制问题,提出一种基于奇异摄动理论的有界控制器.首先,利用奇异摄动理论将柔性关节机器人动力学模型解耦成快、慢两个子系统.然后,引入一类平滑饱和函数和径向基函数神经网络非线性逼近手段,依据反步策略设计了针对慢子系统的有界控制器.在快子系统的有界控制器设计中,通过关节弹性力矩跟踪误差的滤波处理加速系统的收敛.同时,在快、慢子系统控制器中均采用模糊逻辑实现控制参数的在线动态自调整.此外,结合李雅普诺夫稳定理论给出了严格的系统稳定性证明.最后,通过仿真对比实验验证了所提出控制方法的有效性和优越性.     

单连杆柔性臂负载自适应模糊滑模控制

针对单连杆柔性臂,提出了负载自适应模糊滑模控制与最优控制相结合的混合控制方法。首先,采用奇异摄动将系统分为慢变和快变两个子系统。然后,对慢变子系统采用负载自适应模糊滑模控制,快变子系统采用最优控制。最后,仿真结果表明,该方法不仅能实现柔性臂轨迹的快速、准确跟踪,有效地抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

柔性机械手系统的动力学方程

本文应用动力学普遍方程,导出了单链柔性机械手系统的动力学方程;并以递推形式分析该方程的求解过程,递推的每一步只须解低维的方程组,因而便于计算.还讨论了多链柔性树状系统动力学方程的求解方案,它与单链柔性机械手系统具有相似性,便于编制程序.     

重力作用下柔性机械手臂滑动模控制器的鲁棒设计*

本文研究柔性机械手臂在竖直平面内的调节问题。首先给出了在重力作用下滑动模的运动方程；进而得到了滑动模极点配置问题的显解；最后给出了在非匹配参数扰动下使滑动模具有良好动态品质的鲁棒极点配置方法，从而解决了早期工作中提出的关于滑动模控制器设计中的极点配置及鲁棒性问题，为滑动模控制方法应用于柔性机械手鲁棒控制问题奠定了理论基础。     

机器人机械手的离散时间学习控制*

本文为机器人机械手提出了一种基于离散时间的重复学习控制法，这种学习控制法利用机器人动力学模型的部分知识，从它的特性和实用观点看，这种控制法比现有的其它学习控制法更有吸引力，本文还给出了学习控制法的收敛性证明和计算机仿真结果。     

多变量模糊神经网络控制器的研究

提出一种MIMO系统的模糊神经网络控制器结构,阐述了基本设计思想和具体算法过程。应用实例仿真结果表明,它可用于控制强耦合带时延多变量系统,并使系统具有良好的动态和静态性能。     

双臂柔性机械手的终端滑模控制

提出一种用于双臂柔性机械手系统的终端滑模控制方法，以解决其非最小相位控制问题．重新定义了柔性机械手系统的输出，通过输入输出线性化，将系统分解为输入输出子系统和内部子系统．设计逆动态终端滑模控制策略，使输入输出子系统在有限时间内收敛到零；选择适当的控制器参数，使零动态子系统在平衡点附近渐近稳定，从而保证整个系统的渐近稳定．仿真结果证明了该设计方法的有效性．     

事件图的混合控制器设计

指数级计算复杂性的可达性分析导致较大规模Petri 网上的监控器设计非常困难. 为了解决这一问题, 本文给出了事件图上的混合型控制器设计方法：首先得到了观测器的设计方法;其次给出了根据观测器计算最大允许控制策略的算法. 结果表明,该方法降低了需要观测的状态空间的维数,从而提高了计算效率,并且该方法不要求对象网是活的或有界的.     

基于混沌遗传算法的柔性机械手滑模控制器优化设计

针对柔性机械手动力学方程的非最小相位特点,本文提出一种柔性机械手的终端滑模控制方法,将关节电机转角和柔性模态变量的线性组合定义为柔性机械手系统的输出.通过输入输出线性化,将系统分解为输入输出子系统和零动态子系统.设计终端滑模控制策略,使输入输出子系统在有限时间收敛到零;利用混沌遗传算法优化控制器的设计参数,使零动态了系统在甲衡点附近渐近稳定,从而保证整个系统的渐近稳定.本文提出的方法设计过程简单,易于实现.仿真结果证明了设计的有效性.     

基于神经滑模的柔性连杆机械手末端位置控制

：为了提高柔性机械手末端位置控制的鲁棒性和精度,提出了一种基于神经滑模的控制策略．首先采 用输入/输出线性化方法将动力学模型部分线性化,使之分成输入/输出子系统与内动态子系统．输入/输出子系统 采用神经滑模控制,内动态子系统采用状态反馈控制器镇定．随后,对控制系统内动态稳定性进行了分析,并在 两自由度柔性连杆机械手控制的仿真试验中得到了满意的结果．试验结果表明,在存在模型不确定性时,该控制 策略提高了控制系统的鲁棒性和控制精度．