漂浮基空间机器人自适应RBF 网络终端滑模控制

主要研究漂浮基空间机器人对工作空间连续轨迹跟踪控制问题．针对系统动力学模型中非线性项未知，以及参数不确定性和外界扰动无法估计的情况，提出了基于自适应RBF网络终端滑模控制方法．该方法结合了非线性滑动流形与径向基函数特性，利用自适应RBF网络在线学习系统中的不确定性，使得无需精确的动力学模型亦能保证系统在有限时间内快速稳定．根据Lyapunov方法设计的自适应增益保证闭环控制系统具有全局稳定性，并且有效抑制抖振现象．针对6关节空间机器人的轨迹跟踪控制仿真表明，提出的自适应RBF网络终端滑模控制方法能够基于不完整动力学模型实现高精度轨迹跟踪，且误差在有限时间内快速收敛，系统抖振也得到了有效抑制．     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.     

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。     

基于干扰观测器的高速列车RBF自适应滑模控制方法

针对高速列车动力学模型的不确定性和存在外部干扰难以实现高速列车对目标轨迹的高精度跟踪控制的问题,设计了一种基于非线性干扰观测器的RBF神经网络自适应滑模控制方法。首先,针对高速列车模型非线性系统的不确定性问题,设计自适应RBF神经网络鲁棒控制器进行跟踪控制,基于RBF神经网络的特性设计神经网络权值自适应律,对列车模型中的未知函数进行估计。其次,针对高速列车跟踪控制外部干扰问题,采用指数收敛干扰观测器进行干扰补偿,提高高速列车对目标轨迹追踪的抗干扰能力。最后,李雅普诺夫(Lyapunov)稳定性分析保证了闭环系统的渐近稳定性,以秦沈客运专线为仿真对象。结果表明,所设计的控制方法不仅解决了列车模型未知阻力部分的自适应逼近,而且在此基础上引入干扰观测器对外部非线性干扰进行补偿实现了对期望轨迹的高精度快速跟踪。     

多关节机器人的模糊神经滑模控制

针对含有建模误差和不确定干扰的多关节机器人轨迹跟踪控制,提出了一种模糊神经滑模控制方法.该方法采用全局快速终端滑模面,保证了系统能够从任意初始状态在有限时间内到达滑模面和平衡点.采用模糊神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动.文中利用李亚普诺夫稳定性判据推导出了控制器的控制律和模糊神经网络的目标函数,通过模糊神经网络的在线学习.削弱了滑模控制的抖振.仿真结果表明了其有效性.     

多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。     

基于低通滤波器的不确定机器人迭代学习控制

针对不确定机器人系统轨迹跟踪问题,并更好地消除系统不确定性对控制性能的影响,提出一种基于低通滤波器的迭代学习控制方法。采用滑模变结构控制(SMC)以提高控制器对系统干扰和摄动的鲁棒性,并在控制器输出端引入低通滤波器(LPF)来消除滑模控制中出现的抖振现象。将系统的不确定项描述为周期性和非周期性两部分,通过采用迭代学习算法对周期性不确定部分进行迭代学习,采用RBF神经网络对非周期性不确定部分的未知上界进行自适应学习。该控制方法不仅对系统的不确定性和有界外部扰动具有鲁棒性,而且使得整个系统在迭代域中是全局渐近稳定的。严格的理论推导和仿真结果表明了该控制策略的有效性。     

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。     

分数阶Chen混沌系统的径向基函数神经滑模控制

针对带有参数扰动和外部干扰的分数阶Chen混沌系统, 提出一种径向基函数(RBF)神经滑模控制方法. 设计滑模切换函数, 将其作为RBF神经网络的唯一输入, 网络的权值可依据滑模趋近条件在线调整. 基于Lyapunov稳定性理论, 分析了该方法的稳定性. 仿真结果表明该控制方法简化了常规神经网络控制结构的复杂性, 削弱了滑模控制的抖振程度, 对参数扰动和外部干扰具有较好的鲁棒性.     

基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。     

基于神经网络观测器的船舶轨迹跟踪递归滑模 动态面输出反馈控制

针对三自由度全驱动船舶速度向量不可测问题,考虑船舶模型参数和外部环境扰动均未知的情况,提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法.该方法设计神经网络自适应观测器估计船舶速度向量,且利用神经网络逼近模型参数不确定项,综合考虑船舶位置和速度误差之间关系构造递归滑模面,再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律,并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号.选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性.最后,基于一艘供给船进行仿真验证,结果表明,船舶轨迹跟踪响应速度快,所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.     

Distributed consensus control for multi‐agent systems using terminal sliding mode and Chebyshev neural networks

This paper investigates the problem of consensus tracking control for second‐order multi‐agent systems in the presence of uncertain dynamics and bounded external disturbances. The communication ?ow among neighbor agents is described by an undirected connected graph. A fast terminal sliding manifold based on lumped state errors that include absolute and relative state errors is proposed, and then a distributed finite‐time consensus tracking controller is developed by using terminal sliding mode and Chebyshev neural networks. In the proposed control scheme, Chebyshev neural networks are used as universal approximators to learn unknown nonlinear functions in the agent dynamics online, and a robust control term using the hyperbolic tangent function is applied to counteract neural‐network approximation errors and external disturbances, which makes the proposed controller be continuous and hence chattering‐free. Meanwhile, a smooth projection algorithm is employed to guarantee that estimated parameters remain within some known bounded sets. Furthermore, the proposed control scheme for each agent only employs the information of its neighbor agents and guarantees a group of agents to track a time‐varying reference trajectory even when the reference signals are available to only a subset of the group members. Most importantly, finite‐time stability in both the reaching phase and the sliding phase is guaranteed by a Lyapunov‐based approach. Finally, numerical simulations are presented to demonstrate the performance of the proposed controller and show that the proposed controller exceeds to a linear hyperplane‐based sliding mode controller. Copyright © 2011 John Wiley & Sons, Ltd.     

基于干扰观测器的一类不确定非线性系统自适应二阶动态terminal滑模控制

针对一类不确定非线性系统的跟踪控制问题,在考虑建模误差、参数不确定和外部干扰情况下,以其拥有良好的跟踪性能以及强鲁棒性为目标,提出基于回归扰动模糊神经网络干扰观测器(recurrent perturbation fuzzy neural networks disturbance observer,RPFNNDO)的鲁棒自适应二阶动态terminal滑模控制策略.将回归网络、模糊神经网络和sine-cosine扰动函数各自优势相结合,给出一种回归扰动模糊神经网络结构,提出RPFNNDO设计方法,保证干扰估计准确性;构造基于带有指数函数滑模面的二阶快速terminal滑模面,给出其控制器设计过程,避免了滑模到达阶段、传统滑模的抖振问题,采用具有指数收敛的鲁棒项抑制干扰估计误差对系统跟踪性能的影响,利用Lyapunov理论证明闭环系统的稳定性;将该方法应用于混沌陀螺系统同步控制仿真实验,结果表明所提方法的有效性.     

动力定位船轨迹跟踪鲁棒自适应容错控制

本文研究了输入饱和状态下的动力定位船故障容错鲁棒自适应控制问题.该问题以动力定位船轨迹跟踪任务为目标,提出了一种新颖的鲁棒自适应控制器的设计,并且引入了二阶快速非奇异终端滑模和神经网络控制算法保证了控制器在实际任务中的执行效果.首先,介绍了三自由度动力定位船的运动模型包括了运动学模型和动力学模型以及推进器故障模型.然后,设计了二阶快速非奇异终端滑模面,提出了一种针对时变扰动和模型不确定性的鲁棒控制方案,保证系统无抖振现象的前提下实现了系统更快的收敛速度.同时运用被动容错控制思想,确保动力定位船在推进器故障发生时依然能够实现预计的跟踪性能.此外,通过Lyapunov稳定性判据分析,证明了提出的改进自适应滑模控制方法可确保系统在初始状态未知前提下,跟踪误差渐近收敛于零.最后,通过数值仿真实验结果验证了控制律的有效性.     

Robust Adaptive Fractional‐Order Terminal Sliding Mode Control for Lower‐Limb Exoskeleton

This paper introduces a robust adaptive fractional‐order non‐singular fast terminal sliding mode control (RFO‐TSM) for a lower‐limb exoskeleton system subject to unknown external disturbances and uncertainties. The referred RFO‐TSM is developed in consideration of the advantages of fractional‐order and non‐singular fast terminal sliding mode control (FONTSM): fractional‐order is used to obtain good tracking performance, while the non‐singular fast TSM is employed to achieve fast finite‐time convergence, non‐singularity and reducing chattering phenomenon in control input. In particular, an adaptive scheme is formulated with FONTSM to deal with uncertain dynamics of exoskeleton under unknown external disturbances, which makes the system robust. Moreover, an asymptotical stability analysis of the closed‐loop system is validated by Lyapunov proposition, which guarantees the sliding condition. Lastly, the efficacy of the proposed method is verified through numerical simulations in comparison with advanced and classical methods.     

多关节机器人的自适应模糊滑模控制

针对多关节机械臂轨迹跟踪控制,提出了一种基于全局快速终端滑模面的自适应模糊滑模控制方法。该方法通过设计合适的自适应律,采用模糊自适应控制调节滑模控制的切换控制增益,实现了对建模误差和不确定干扰的自动跟踪,削弱了抖振。系统不需要对建模误差和干扰进行预估计,并且通过对控制器结构的简化,降低了模糊控制器的维数,减少了计算量。利用李亚普诺夫定理证明了控制系统的稳定性,仿真结果表明了其有效性。