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。     

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。     

滑模控制及其在柔性臂轨迹控制中的应用

变结构控制系统是一类特殊的非线性控制系统,滑模控制就是其中一种。滑模控制对系统参数及扰动的变化反应迟钝,具有很强的鲁棒性,该类控制方法特别适合于机械臂系统的控制。本文中采用奇异摄动方法将双连杆柔性机械臂系统分解为慢变和快变两个子系统,并对慢变子系统采用滑模控制方法设计了控制器。采用MATLAB进行的数值仿真结果表明了所设计控制器的有效性;     

柔性机械臂的双时间尺度组合控制

本文研究柔性机械臂的轨迹跟踪和振动抑制问题. 首先, 利用Lagrange法和假设模态法建立柔性机械臂的动态模型, 进而利用奇异摄动理论得到柔性机械臂的双时间尺度模型. 然后, 基于慢时间尺度模型利用滑模控制理论设计轨迹跟踪控制器; 借助于快时间尺度模型利用自适应动态规划设计参数不精确已知情况下的最优振动抑制控制器; 将二者相结合, 构造双时间尺度组合控制器, 利用奇异摄动理论证明闭环系统稳定. 最后, 在Matlab/Simulink环境下进行实验, 与现有方法相比, 本文设计的控制器对柔性振动具有更好的振动抑制效果, 跟踪精度更高.     

具有模糊二次补偿的柔性臂滑模控制研究

提一种新双连杆柔性臂机器人位置控制算法,其特点是根据系统的滑模条件是否满足和关节角误差变化趋势对由柔性臂刚性模态求得的滑模控制实行二次模糊修正,以使系统趋于滑模面和误差收敛,通过将模糊修正规则定义为事件该系统便成为典型的离散事件系统,借助自动机和监督控制理论分析了该系统的稳定性,将控制律在包含柔性模态的完整模型上进行计算机仿真证明了算法的有效性。     

基于模糊神经的柔性臂变负载控制方法

基于奇异摄动将单连杆柔性机械臂动力学模型分解为慢、快变子系统,传统方法分别采用PD控制和最优控制能取得较好控制效果,但负载不确定时,控制效果并不理想.提出对于慢变子系统,采用模糊神经、PD控制相结合的控制方法,对于快变子系统,采用模糊神经、最优控制相结合的控制方法.当负载变化时,采用模糊神经控制器根据实际负载对PD参数及最优控制参数进行调整,达到更优的控制效果.分别采用传统方法及本文提出的改进方法在变负载条件下作了仿真实验,结果表明后者的控制效果明显优于前者.给出了慢、快变子系统模糊神经控制器在变负载条件下训练参数的获取方法.     

基于分布参数机械臂协调操作柔性负载双时标控制

基于分布参数系统理论,建立机械臂协调操作柔性负载系统的动力学模型.利用奇异摄动方法,对动力学模型进行双时标分解,得到一个表征系统大范围刚性运动的集中参数慢变子系统和表征系统弹性振动的分布参数快变子系统.分别设计了自适应模糊滑模慢变控制器和振动反馈快变控制器,并通过分析快变子系统主算子及其生成C_O半群的特性,证明了分布参数闭环子系统的渐近稳定性.最后,通过仿真实验验证了所提出方法的有效性.     

平面双连杆受限柔性机器人臂的自适应模糊力/位置控制

本文对一类平面双连杆受限柔性机器人的力/位置控制问题进行研究,提出了一种 新的自适应模糊控制方案．利用结构分解技术对模糊推理系统进行简化,用梯度法对参数进 行自适应调整,从而实现对受限柔性机器人系统末端的混合力/位置控制．计算机仿真结果 表明,本文提出的控制方案是合理、有效的．     

平面双连杆受限柔性机器人臂的自适应模糊力/位置控制

本文对一类平面双连杆受限柔性机器人的力／位置控制问题进行研究,提出了一种新的自适应模糊控制方案．利用结构分解技术对模糊推理系统进行简化,用梯度法对参数进行自适应调整,从而实现对受限柔性机器人系统末端的混合力／位置控制．计算机仿真结果表明,本文提出的控制方案是合理、有效的     

Augmented Sliding Mode Control for Flexible Link Manipulators

A method of sliding mode control (SMC) is proposed for the control of flexible, nonlinear, and structural systems. The method departs from standard sliding mode control by dispensing with generalized accelerations during the control law design. Global, asymptotic stability of rigid body motion is maintained if knowledge on the bounds of the neglected terms exists. Furthermore, this method provides damping for the measured flexible body modes. This paper investigates an augmented SMC technique for slewing flexible manipulators. A conventional sliding surface uses a first order system including a combination of error and error rate terms. The augmented sliding surface includes an enhanced term that helps to reject flexible degrees-of-freedom. The algorithms are theoretically developed and experimentally tested on a slewing single flexible link robot. The test apparatus is instrumented with a strain gauge at the root and an accelerometer attached at the tip. A DC motor and encoder are used to servo the link from an initial position to a final position. A standard cubic polynomial is employed to generate the reference trajectories. The augmented SMC algorithm showed improved performance by reducing the flexible link tip oscillations.     

广义不确定系统的模糊滑模控制*

研究了广义不确定系统的模糊滑模控制问题。控制结构中采用模糊系统来补偿动态不确定性,利用李亚普诺夫理论,证明了闭环系统的所有状态是全局有界的。     

Sliding Mode Adaptive Neural-Network Control for Nonholonomic Mobile Modular Manipulators

A general mobile modular manipulator can be defined as a m-wheeled holonomic/nonholonomic mobile platform combining with a n-degree of freedom modular manipulator. This paper presents a sliding mode adaptive neural-network controller for trajectory following of nonholonomic mobile modular manipulators in task space. Dynamic model for the entire mobile modular manipulator is established in consideration of nonholonomic constraints and the interactive motions between the mobile platform and the onboard modular manipulator. Multilayered perceptrons (MLP) are used as estimators to approximate the dynamic model of the mobile modular manipulator. Sliding mode control and direct adaptive technique are combined together to suppress bounded disturbances and modeling errors caused by parameter uncertainties. Simulations are performed to demonstrate that the dynamic modeling method is valid and the controller design algorithm is effective.     

水平欠驱动机械臂的反步自适应滑模控制

针对二自由度水平欠驱动机械臂系统,提出了基于分层滑模控制思想的反步自适应滑模控制方法．该方法能够在不对系统状态模型进行复杂坐标变换,并且没有约束方程限制的前提下实现对欠驱动系统的反馈滑模控制．仿真结果表明了该方法的有效性,而且优化后的控制器具有较好的适应性和控制效果．     

机械臂自适应反演超螺旋全局终端滑模控制

针对机械臂系统存在的系统参数摄动、非线性摩擦及外部干扰等不确定问题,提出一种自适应反演超螺旋全局终端滑模轨迹跟踪控制方法。该方法基于反演法、Lyapunov理论和全局快速终端滑模理论设计控制器,保证系统稳定性及全局收敛性,增强系统的鲁棒性。为解决系统集总扰动上界未知的问题,采用自适应技术设计切换控制律,抵消不确定性的影响,同时引入超螺旋算法抑制滑模控制固有的抖振现象。最后,通过理论分析和仿真算例验证了该控制器的有效性与可行性。     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制;采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力;采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题;基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性;仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出.     

基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。