机械臂变长度误差跟踪迭代学习控制

针对任意初始状态下机械臂轨迹跟踪问题, 提出一种变长度误差跟踪迭代学习控制(Iterative learning control, ILC)方法. 首先, 构造不依赖于期望轨迹的双曲余弦型期望误差轨迹, 放宽经典迭代学习控制初始状态要求严格一致的条件. 由于该误差轨迹只需设置一个常数项, 因而能够有效减少计算量, 使得期望误差轨迹的设计更为简单. 其次, 考虑机械臂运行区间随迭代次数变化的问题, 构建虚拟误差变量补偿机制, 通过定义虚拟误差变量对未运行区间进行信息补偿, 放宽经典迭代学习控制的迭代长度不变条件. 在此基础上, 基于Lyapunov-like理论设计迭代学习控制器和全限幅学习律, 实现机械臂关节位置在指定区间上跟踪给定的期望轨迹和保证未知参数估计值的有界性. 最后, 仿真结果验证了所提方法的有效性.     

带自调整因子模糊PID AGV转速控制与实现

针对AGV转速控制要求响应快、精度高的特点,提出带自调整因子的模糊PID转速控制算法,该控制器能根据系统误差大小分配不同的调整因子,从而做到模糊控制规则的自我调整,克服了常规模糊PID控制器一旦设计完成控制规则无法变动的问题.基于MT6071iE软件界面,搭载AB PLC转速控制器程序设计及相应的操作界面,实现了所提算...     

一种可重构机械臂的自组织协调控制

主要研究一种新的具有树型结构的可重构机械臂的自组织协调控制问题，首先给出这种可重构机械臂的运动学、动力学方程及其结构变化的关系；然后通过研究一个较通用的任务模型建立了系统的动力学方程，由此提出一个自组织协调控制策略，最后仿真结果证明了控制规律是有效的。     

在线自调整比例因子的模糊控制器

在分析模糊控制器中比例因地系统性能影响的基础上，根据语言变量轨迹和手控经验，制定了在线调整比例因子的模糊调整规则，其算法简单，实时性好。仿真表明，该控制器能明显改善系统的动态性能。     

电磁助力转向系统的模糊自调整PD控制研究

针对常规的PD控制不能很好地兼顾转向的轻便性与路感的关系,以及在响应时间和超调量方面不能达到满意的效果的问题,设计了一种性能更优的控制器.考虑到实际的汽车转向系统中存在很多的非线性,结合实际数据,采用模糊控制技术设计了电磁助力转向系统的模糊自调整PD控制器.仿真结果表明,该模糊自调整PD控制器与常规的PD控制器相比,具有更好的控制效果和鲁棒性.     

自调整模糊专家控制研究

本文研究了一类简单的专家控制,针对其易于振荡,自适应能力有限的缺点,引入了基于模糊逻辑的自调整过程,这种自调整模糊专家控制,把对规则的调整转化为对规则中参数的调整.仿真和实际应用证明了其有效性.     

基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

机械臂带角度修正的开闭环迭代学习轨迹跟踪控制

在迭代学习控制研究中, 通常的一个假设是: 系统每次迭代初态与期望初态一致或迭代初态固定. 针对迭代学习控制律在迭代初态的限制下难以应用到机械臂轨迹跟踪控制中的问题, 本文对机械臂系统模型降阶变换, 将其转化为低阶系统. 对于变换设计后的机械臂系统模型, 提出一种带有角度修正的开闭环迭代学习控制算法, 该算法利用误差信号及相邻两次误差的偏差信号对系统控制律进行逐次修正, 与常规P型算法相比, 充分利用了系统已存的和当前的有效信息, 与常规PD型算法相比, 避免了由于微分作用而带来的不稳定影响. 同时, 用输出向量的角度关系作为评估控制输入好坏的标准对所设计的迭代学习律的变化趋势进行“奖-惩”, 从而实现了良好的跟踪效果并具有较快的收敛速度. 本文还针对机械臂系统存在关节转角限位的情况对控制算法进行改进, 以使机械臂在实际运作中真正实时地完成指定工作任务. 仿真结果表明了所提控制策略的有效性.     

基于模糊变结构的机械臂控制

现有的机械臂模糊变结构控制方法大都计算复杂或需要检测滑模面的微分信号.本文将机械臂模型分为确定部分和不确定部分进行研究,对确定部分采用一般反馈控制,对不确定部分采用变结构集中补偿控制,为了消除变结构控制器的抖震引入模糊控制方法,将滑模面作为模糊控制器的输入,补偿控制器权值作为输出.本方案不仅不需要检测滑模面微分信号,而且计算简单,易于实现.仿真结果表明,在存在模型误差和外部扰动的情况下,该方案既能达到快速跟踪,又能很好的消除控制器的抖震.     

多自由度机器人自适应滑模迭代学习跟踪控制

机械臂可代替人工完成繁重工作、降低生产风险、提高生产效率,被广泛应用于制造业和生产业中.工业生产的高质量需求对机械臂的操作精度提出了较高要求,考虑有色金属工厂中铸锭打磨的应用场景,该任务的作业轨迹均具有较强重复性.此外,实际应用环境复杂,存在如环境干扰及系统参数变化等多种不确定性,固定的控制参数难以保证系统持续稳定运行.基于上述考虑,针对多自由度机械臂系统,设计一种自适应滑模迭代学习跟踪控制方法,控制器包含参数自整定的比例-微分项、基于滑模的符号函数项和上一次迭代的控制输入,其中PD项的控制参数通过模糊逻辑系统实时调整,在保证控制系统正常运行的情况下提高系统的鲁棒性.同时,在理论上证明迭代域闭环系统的稳定性和跟踪误差的收敛性.最后通过仿真验证所提出控制方法的有效性和鲁棒性.     

非完整移动机械手鲁棒自适应模糊控制

考虑系统存在的参数、外界扰动和未建模动态等不确定性,研究非完整移动机械手的鲁棒自适应控制器设计方法.基于用旋量理论建立的非完整移动机械手的动力学模型,设计了移动平台子系统的运动控制器,然后应用非线性反步控制技术和模糊逻辑系统的通用逼近性,用参数化线性模糊逻辑系统逼近非完整移动机械手动力学模型中的不确定项,基于Lyapu...     

基于模糊补偿的机械手鲁棒自适应模糊控制研究

多关节机械手系统中普遍存在摩擦特性、随机干扰及负载变化等非线性因素的影响。针对传统的PID控制和模糊控制很难对该类系统实现快速高精度的跟踪控制等问题,本文在模糊信息已知并且所有状态变量均可测得的情况下,设计了一种基于模糊补偿的鲁棒自适应模糊控制律。同时,为了减少模糊逼近的计算量,提高运算效率,采用了对不同的扰动补偿项加以区分、分别逼近的方法。仿真实验结果表明,这种改进的带模糊补偿的鲁棒自适应模糊控制可以很好地抑制摩擦、扰动及负载变化等非线性因素的影响。     

Adaptive Iterative Learning Boundary Control of a Flexible Manipulator with Guaranteed Transient Performance

This paper investigates the iterative learning control (ILC) problem of a flexible manipulator in the presence of external disturbances and output constraints. The dynamic behavior of the flexible manipulator is represented by partial differential equations (PDEs). We propose an ILC law to track the desired trajectory and suppress the vibration of the elastic deflection. The control scheme is based on a prescribed performance bound (PPB) which characterizes the maximum restrictions and convergence rate of the tracking error and deflection error. It is shown that the errors satisfy the prescribed performance bond all the time at any iterations. The established theoretical results are illustrated using numerical simulations for control performance verification.     

一类离散模糊系统的迭代学习控制算法

针对离散T-S模糊系统的终端控制问题,提出了一种基于离散Legendre正交多项式的迭代学习算法。该算法把待求控制量表示为离散Legendre正交多项式的线性组合,将求控制量问题转化为求离散Legendre正交多项式系数问题。在此基础上,用迭代学习的方式来修正控制量的离散Legendre系数,并运用不确定离散系统的H∞设计方法求解学习增益矩阵。最后以机器人为例进行仿真,仿真结果表明了所提算法能实现工业机器人的精确定位。     

Adaptive Fuzzy Backstepping Tracking Control for Flexible Robotic Manipulator

In this paper, an adaptive fuzzy state feedback control method is proposed for the single-link robotic manipulator system. The considered system contains unknown nonlinear function and actuator saturation. Fuzzy logic systems (FLSs) and a smooth function are used to approximate the unknown nonlinearities and the actuator saturation, respectively. By combining the command-filter technique with the backstepping design algorithm, a novel adaptive fuzzy tracking backstepping control method is developed. It is proved that the adaptive fuzzy control scheme can guarantee that all the variables in the closed-loop system are bounded, and the system output can track the given reference signal as close as possible. Simulation results are provided to illustrate the effectiveness of the proposed approach.      

基于自适应模糊补偿的机械臂复合控制策略

针对刚性机械臂存在摩擦和扰动等不确定因素给轨迹跟踪控制带来的困难,本文基于李亚普诺夫稳定性理论,给出了一种机械臂的自适应控制方案．该方案针对机械臂的标称部分,采用计算力矩的方法设计相应的控制量,在此基础上,构造模糊系统逼近摩擦得到补偿控制量,并针对随机扰动的上界设计反馈控制率,以克服扰动带来的影响,保证系统的稳定性．仿真结果表明,该复合控制对于具有不确定性摩擦以及扰动的机械臂轨迹跟踪问题效果良好．     

A Nonlinear Robust Control Using a Fuzzy Reasoning and Its Application to a Robot Manipulator

A simplified adaptive nonlinear robust controller (SANROC) has beenstudied in the literature. However, this is based on using the so-calledmatching condition. The present controller is not based on using such acondition. The estimate of an upper bound for uncertainties is usuallyincreased by using the adaptive mechanism, e.g., by consisting of amonotonically increased function. In this paper, instead of using such ananalytically adaptive mechanism, a fuzzy reasoning technique is alsoincorporated with the adaptive mechanism of SANROC. The proposed method isapplied to a pantagraph type robot manipulator. The effectiveness of thepresent method is illustrated by some experiments.     

移动机械手鲁棒自适应模糊控制

基于旋量理论建立了非完整移动机械手系统的动力学模型,通过反步控制技术,应用非线性参数化模糊逻辑系统设计了移动机械手的鲁棒自适应模糊控制器.该控制器放松了移动机械手控制器设计中斜对称性的要求,对移动机械手系统中存在的参数或外界扰动等不确定性具有较强的鲁棒性和自适应能力.理论证明和仿真结果表明,所设计的控制器是有效的.     

基于模糊网络的非线性不确定系统的迭代学习控制

针对非线性不确定系统，为保证受控制系统的响应特性，应用模糊网络理论构建了非线性系统的模糊模型；基于模糊模型给出了模糊迭代学习控制算法．实例分析和仿真验证表明，所给算法能跟踪系统参数变化，并且能自动调整控制增益，对于系统的扰动影响具有鲁棒性，是一种行之有效的控制方案．     

基于幂次趋近率的机械手滑模控制系统

为实现对机械手的快速高精度跟踪,采用滑模变结构控制算法对机械手进行控制。针对机械手在趋近滑模面的过程中所存在的抖震问题,在基于模糊补偿的鲁棒自适应控制的基础上,设计了一种基于趋近率的自适应模糊滑模机械手控制系统,使得系统能更快的趋近滑模面,削弱系统抖震现象。基于Matlab/Simulink仿真平台上搭建了机械手控制系统,仿真结果表明,加入趋近率能加快系统趋近滑模面,提高了系统的稳定性和跟踪性能。