腿轮式机器人的自适应模糊控制

提出了一种基于模糊神经网络(FNN)的腿轮式机器人轨迹跟踪控制方法．在利用常规P D控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的 反向传播算法对参数进行在线的自适应调整．仿真计算证明该方法具有良好的轨迹跟踪精度 和抗干扰能力．     

救援机器人目标跟踪控制的研究

在分析了腿轮式救援机器人运动原理的基础上,建立了机器人的动力学模型,并根据该模型提出了一种基于线性反馈控制的目标跟踪控制方法,详细介绍了该控制方法的实现。实验结果证明了所提出控制方法的有效性。     

具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力，加快输出跟踪误差的收敛速度并提高其精度，提出了一种稳定的模糊自适应控制策略。该控制算法基于模糊逻辑系统，将模糊自适应控制器的设计与H∞控制相结合，在鲁棒补偿的基础上引入模糊补偿；并基于Lyapunov方法，给出了学习自适应律，及H∞跟踪特性的证明。对二自由度机器人的仿真结果表明，该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善，具有良好的鲁棒性和抗干扰能力。     

自适应模糊控制的新进展

回顾了自适应模糊控制的发展过程，着重介绍了近年来出现的一些新情况，最后，对自适应模糊控制研究领域中有待解决的研究课题进行了展望。     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

机器人力／位置自适应模糊控制

在机器人力／位置混合控制的基础上，本文提出了一种对力控制回路采用自适应模糊控制的方法，有利于提高系统对机器人末端操纵器五外界工作环境接触时，其接触刚度不确定性的自适应能力，仿真结果表明，该控制方法与常规ＰＩＤ控制相比，系统的自适应能力和鲁棒性有显著的改善。     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

基于模糊神经网络运算法则的并联机器人自适应控制研究

针对并联机器人数学模型不完全确知并包含外部扰动的非线性多变量系统,提出一种基于模糊神经网络运算法则（FNNA）的自适应控制策略。将各个支链的模糊规则通过神经网络进行在线训练并得出模糊规则的权重并将此运用于在线辨识非线性自适应控制系统的未知动态,有效抑制了系统的数学模型不精确所产生的误差及外部扰动。仿真结果表明该控制方法明显提高了控制系统的轨迹跟踪性能,并对外部干扰及系统的非线性具有很强的鲁棒性。     

自适应模糊控制的自平衡机器人设计

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法;首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型;基于所建立的非线性动态模型,采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律;对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性。     

基于T-S模型的稳定自适应FNN控制器的设计

对一类不确定非线性系统,提出一种基于T-S模型的自适应FNN控制器.首先用权值固定的FNN作为非线性系统的近似模型,然后再应用自适应FNN逼近建模误差,并引入滑模项增加控制器的鲁棒性.通过稳定性理论设计自适应律,保证了系统的全局稳定,跟踪误差收敛到零.     

基于T-S模型的自适应模糊广义预测控制

对一类非线性系统,利用一种基于模糊规则的快速模糊辨识方法建立起系统的T—S模型,并基于该模型应用局部递推最小二乘方法根据采样值对模型参数进行在线修正,根据系统动态线性化模型采取广义预测控制策略,从而实现了基于T—S模糊模型的非线性系统自适应模糊预潮控制。与以往的模糊广义预测控制算法相比,此方法简单,而且较大地减少计算量,适合于在线控制。通过仿真研究验证所提方法的有效性。     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。     

基于不确定T-S模型的模糊滑模自适应控制

提出一种不确定T-S模型的模糊滑模自适应控制方法。通过变换将该模型转换成3个组成部分：线性标称系统,已知非线性部分和未知不确定部分。针对它们设计3个控制器,其作用分别为：强迫系统沿着滑模面运动,消除已知扰动对线性标称系统的影响,克服不确定扰动(采用模糊滑模自适应控制,无需知道不确定的界限)。该方法无需求正定矩阵就能保证系统全局稳定。     

T-S 模糊模型变结构的机器臂轨迹跟踪控制

针对不确定性的机械臂轨迹跟踪问题,结合滑模变结构和T-S模糊模型的优点,给出一种基于T-S模糊模型的变结构轨迹跟踪的方法。首先采用T-S模型建模,得到机械臂的模糊模型;然后设计出保证机械臂全局渐近稳定的滑模控制器。仿真结果表明,所设计的模糊变结构控制器与普通变结构控制器相比,可使机械臂无论在计算时间、误差上都具有更大的优势和更强的鲁棒性。     

基于T-S模型的无人自行车平衡控制

针对自行车动力学行为与速度有非常密切关系的问题,讨论了无人自行车控制器的设计。将自行车看成多体系统,根据刚体动力学方程得到了系统的4阶线性模型,分析了它的稳定性与速度之间的关系。以速度作为模糊变量,建立了无人自行车的T-S模型。利用模糊系统和常规的线性控制系统理论相结合的方法,设计了车体平衡控制器,并分析了整个闭环模型的稳定性。最终实现了车速发生变化时系统的平衡控制,为变速运动中自行车机器人的控制提供了一种新的解决方案。     

Adaptive Control of a Two-Link Robot Using Batch Least-Square Identifier

We design a regulation-triggered adaptive controller for robot manipulators to efficiently estimate unknown parameters and to achieve asymptotic stability in the presence of coupled uncertainties.Robot manipulators are widely used in telemanipulation systems where they are subject to model and environmental uncertainties.Using conventional control algorithms on such systems can cause not only poor control performance,but also expensive computational costs and catastrophic instabilities.Therefore,system uncertainties need to be estimated through designing a computationally efficient adaptive control law.We focus on robot manipulators as an example of a highly nonlinear system.As a case study,a 2-DOF manipulator subject to four parametric uncertainties is investigated.First,the dynamic equations of the manipulator are derived,and the corresponding regressor matrix is constructed for the unknown parameters.For a general nonlinear system,a theorem is presented to guarantee the asymptotic stability of the system and the convergence of parameters'estimations.Finally,simulation results are discussed for a two-link manipulator,and the performance of the proposed scheme is thoroughly evaluated.     

基于T-S模型的体操机器人系统模糊变结构控制

针对体操机器人（Acrobot）这类非线性系统,给出一种基于T—S模型的模糊变结构控制律设计．首先采用T—S模型建模,得到Acrobot的全局模糊模型;然后基于Lyapunov理论设计出保证Acrobot全局渐近稳定的模糊变结构平衡控制器．仿真结果表明,所设计的模糊变结构控制器与普通变结构控制器相比．可使Acrobot系统在垂直向上平衡点附近具有更大的吸引域和更强的鲁棒性．     

基于模糊观测器T-S模型和自适应模糊逻辑系统的一类非线性系统的H∞控制

针对一类非线性系统，把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来，提出了一种基于观测器的控制方案．首先，应用模糊T-S模型对非线性系统建模，设计观测器来观测系统状态；由线性矩阵不等式得到模糊模型的控制律．其次，应用自适应模糊逻辑系统作为补偿器来补偿建模误差．证明了闭环系统满足期望的性能．仿真结果表明了该方案的可行性．     

机器人自适应模型跟踪变结构控制

本文提出了一种机器人自适应模型跟踪变结构控制方案.它具有所要求的瞬态特性,其控制规律以显式的方式给出,而且不需知道系统参数的变化范围,因而适用于多关节的机器人系统.