面向人机交互的下肢外骨骼自适应轨迹跟踪

在可穿戴下肢外骨骼助力系统的轨迹跟踪控制研究中,针对系统存在人机交互力耦合,建立了人机耦合高阶动力学模型,提出了一种单自由度下肢外骨骼系统的人机协同控制策略.考虑系统存在的模型误差和外界干扰,采用了干扰观测器对系统总扰动进行动态观测和实时补偿;针对模型参数因人而异且难以准确获取的问题,设计了自适应反步滑模控制器;根据Lyapunov稳定性分析,证明了闭环系统渐进稳定.仿真结果表明系统能够快速准确地跟踪期望轨迹且具有较强的鲁棒性,验证了自适应反步滑模控制器的有效性.     

基于模糊逻辑的永磁同步电机自适应控制

为了让永磁同步电机(permanent magnet synchronous motor, PMSM)的跟踪控制更加准确,针对有负载干扰的永磁同步电机,主要研究了其自适应模糊跟踪控制问题。提出了一种利用模糊逻辑方法逼近系统中的非线性函数和干扰的新方法,引入了自适应参数L,保证系统在有限时间内的跟踪误差小于规定的精度。这种方法能让系统更快地跟踪上目标,基于backstepping方法设计了自适应模糊跟踪控制器,最后通过Lyapunov方法分析了闭环系统的稳定性。仿真结果表明,该方法不仅能保证闭环系统的有界性,也具有良好的跟踪性能,最终证明了该方法的有效性。     

电液负载模拟器的自适应滑模控制方法

针对电液负载模拟器存在的系统非线性、不确定性和强干扰的控制难点,设计了自适应滑模控制方法.设计积分滑模以降低控制器对期望跟踪轨迹高阶导数的要求;设计动态滑模算法抑制抖振;采用小脑模型关节控制器(CMAC)在线学习系统不确定性以降低控制器参数设计的保守性.设计了自适应滑模控制律,给出了CMAC神经网络权值调整算法,证明了控制器的稳定性,以确保系统稳定且输出跟踪误差渐近收敛于零.仿真结果证明了控制策略的有效性.     

一种非线性多环递归自适应跟踪控制

针对控制输入有界的变参数广义高阶非线性系统跟踪控制问题,给出一种多环递归跟踪的鲁棒控制方法.通过分层引入虚拟跟踪器,将高阶系统分解为多个独立子系统;内环虚拟跟踪器使内环输出指数收敛于外环虚拟输入,最内环设计自适应控制器补偿参数摄动和外部干扰,并保证输出指数收敛于外环虚拟输入;多环递归跟踪实现系统输出精确跟踪期望输入,理论证明闭环系统的全局渐近收敛性.数值仿真验证了多环跟踪控制器的可行性和合理性.     

基于期望轨迹补偿的机器人鲁棒自适应控制

针对机器人存在的参数不确定性和外扰的问题,提出了一种基于期望轨迹补偿和自适应控制的方法,在传统自适应控制方法的基础上,结合变结构控制方法,设计了一种新的控制策略.该方法采用期望轨迹补偿,离线计算回归矩阵,可以有效节约控制系统在线计算的时间,实时性好,并利用变结构思想补偿非线性摩擦和外界干扰,利用lyapunov直接法分...     

可穿戴五自由度上肢外骨骼机器人固定时间控制

针对可穿戴上肢外骨骼系统在外部干扰及参数不确定条件下的轨迹跟踪问题,提出了一种基于观测器的固定时间控制策略.首先,采用拉格朗日方法对五自由度上肢外骨骼系统的动力学模型进行面向控制处理.其次,考虑模型中存在参数不确定及外部干扰,基于改进超螺旋算法设计了固定时间干扰观测器,实现对系统干扰的实时估计,完成对控制器的在线补偿;在此基础上,设计了非奇异终端滑模固定时间控制律,保证外骨骼关节角度跟踪误差在固定时间内收敛至原点.再次,基于Lyapunov方法证明了闭环系统的稳定性.最后,通过对比和数值仿真结果证明所提出控制策略的有效性.     

电液伺服系统自适应逆向递推控制器设计

针对电液伺服系统的精确位置跟踪控制问题,引入虚拟控制量的概念,提出了一种逆向递推控制器的设计方法;同时考虑到实际系统存在内部参数和外负载力的不确定性,采用Lyapunov稳定理论对系统的不确定性进行自适应控制律设计,最终得到了自适应Backstepping控制器,并进行了稳定性分析.仿真结果表明,设计的自适应Backstepping控制器不需要知道内部不确定性参数和外部负载力干扰的边界,与常规PID控制方法相比,具有较强的鲁棒性及良好的位置跟踪性能.     

基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

神经网络滑模控制下肢外骨骼机器人的轨迹跟踪

针对下肢外骨骼机器人行走稳定性与步态轨迹跟踪控制问题,对下肢外骨骼机器人三连杆模型进行动力学建模与轨迹仿真。通过拉格朗日法建立下肢外骨骼机器人的动力学模型,设计了神经网络自适应滑模控制算法。引入神经网络,对下肢外骨骼机器人步态轨迹跟踪系统的不确定项进行逼近,在控制器中采用了改进的趋近律,使用李雅普诺夫稳定性理论进行了稳定性分析,并通过MATLAB对改进后的控制算法进行了仿真验证。仿真结果表明,采用该算法对具有关节摩擦和外界环境干扰的下肢外骨骼机器人进行轨迹跟踪时,具有较好的跟踪效果;通过改进的趋近律,能削弱系统的抖振。相比于基于计算力矩法的滑模控制,该控制算法有更好的跟踪效果,能应用到下肢外骨骼机器人行走的稳定性和步态轨迹跟踪控制中。     

基于人体运动意图卡尔曼预测的外骨骼机器人控制及实验

为在外骨骼控制中准确获取人体运动意图,本文使用力矩传感器测量人机交互信息.基于人体下肢摆动腿的单摆模型获得摆动腿关节的运动轨迹,并使用卡尔曼滤波进行预测,从而弥补意图延时.使用PD(比例-微分)控制律控制外骨骼跟踪人体摆动腿的关节轨迹,编码器反馈外骨骼关节的实时位置,形成位置闭环控制.进行外骨骼摆动腿实验,结果表明,测得的人机交互信息经过卡尔曼滤波后,可以预测人体摆动腿的运动意图,外骨骼机器人能够实现对人体摆动腿关节轨迹的跟随,所提方法可行.