共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
《制造技术与机床》2020,(5)
为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。 相似文献
3.
柔性机械臂最优抑振轨迹规划与跟踪控制研究 总被引:1,自引:0,他引:1
为了抑振柔性机械臂的残余振动,提出了基于自适应遗传算法的最优抑振轨迹规划和基于全阶终端滑模控制的轨迹跟踪方法.在轨迹规划方面,建立了最优抑振轨迹规划模型;对遗传算法进行改进,使交叉概率随种群多样性自适应变化,变异概率随个体适应度自适应变化,从而提出了自适应遗传算法的抑振轨迹规划规划方法.在轨迹跟踪方面,以轨迹跟踪误差及残余振动为消除对象,设计了全阶终端滑模控制器及控制律,并证明了任意误差状态可在有限时间内到达滑模面并滑动至零点.经验证,自适应遗传算法收敛速度和寻优精度明显优于传统遗传算法,自适应遗传算法规划轨迹的残余振动远远小于传统遗传算法规划的轨迹;在全阶终端滑模控制器的控制下,柔性机械臂在旋转过程中和旋转结束后的振动量极小,而PID控制器在旋转结束后3.5s才逐渐稳定. 相似文献
4.
针对刚性航天器在姿态跟踪控制中存在的系统不确定及外界干扰等问题,提出了一种预定义时间滑模控制器(PTSMC).首先,给出了以四元数为姿态参数的航天器姿态跟踪控制系统,利用误差四元数和误差角速度设计了预定义时间滑模面.然后,考虑了航天器系统的不确定性和外界干扰设计了一种非保守上界的PTSMC,并通过边界层技术降低了系统抖动.最后,通过设计Lyapunov函数,证明了所提出的控制器的预定义时间稳定性和系统收敛时间上界的非保守性.仿真结果表明,刚性航天器的姿态跟踪误差精度可达1.5×10-6 rad,角速度跟踪误差精度可达2×10-6 rad/s.与现有的预定义时间控制器相比,所提出的控制器的稳定时间上限是更加非保守的,与传统PD控制和非奇异终端滑模控制相比,所提出的控制器具有更高的跟踪精度和鲁棒性.通过3自由度气浮平台的姿态跟踪实验进一步说明了控制方案的有效性,其中角度跟踪误差小于0.1 rad,位置跟踪误差小于0.2 m. 相似文献
5.
直升机航向动力学包含输入非线性、时变参数和主-尾旋翼之间的强耦合,传统的比例积分微分(Proportional integral differential, PID)方法很难达到良好的控制性能。基于以上原因,通过把自调整神经元与滑模控制相结合,提出一种能够解决带有输入非线性的航向自适应控制方法。与常规自适应控制相比,用滑模条件代替误差函数作为目标函数,使控制器在保证闭环稳定性的同时,能够进一步使跟踪误差满足期望精度。证明了该方法的稳定 性,针对实际模型直升机试验平台航向动力学模型的仿真结果,以及与传统PID方法的比较都表明了该方法的有效性。 相似文献
6.
在智能车辆路径跟踪控制研究中,提出了一种位置误差控制器,由期望横摆角速度生成器和模糊PID控制器组成。建立车辆的运动学及位置误差模型,在当前车辆质心与目标路径预瞄点间实时规划虚拟行驶路径。分析车辆沿虚拟路径行驶时期望横摆角速度的变化率的计算,代入车辆行驶状态及目标跟踪路径信息得到期望横摆角速度生成器。将期望横摆角速度生成器与模糊PID控制器结合,以双移线道路为目标跟踪路径进行联合跟踪仿真。仿真结果表明跟踪偏差主要发生在曲线道路与直线道路连接处,且车辆在低速下跟踪精度较高,稳定性好,中高速时跟踪精度及稳定性都降低。 相似文献
7.
为提高多轴转向车辆跟踪控制精度及其抗干扰能力,提出基于内模原理(IMP)的无静差跟踪鲁棒控制方法。建立多轴转向二自由度线性模型,并基于IMP进行无静差跟踪控制器设计,利用极点配置方法求解控制器;对某三轴转向车辆进行跟踪控制器设计,并和PID控制对比仿真,在一定干扰下,内膜控制跟踪横摆角速度阶跃和斜坡信号的稳态误差均为零,调节时间在0.09 s以内,而PID控制稳态误差最大0.2°/s,调节时间最大为0.6 s。结果表明控制算法能使横摆角速度无静差跟踪参考输入,并具有一定的鲁棒性,且侧偏角响应也得到改善,跟踪效果明显优于PID控制,提高了多轴转向的操纵稳定性和安全性。 相似文献
8.
模型参考自适应滑模控制方法在前向像移补偿中的应用 总被引:4,自引:3,他引:1
为了提高航空相机的飞行分辨率,提出了一种基于模型参考自适应的滑模控制方法。用模型参考自适应算法对时变系统参数进行在线辨识,并改变滑模控制器的控制参数。采用基于衰减控制的变速趋近律作切换函数,加快系统收敛速度,减小切换过程中的抖动。实验结果表明,同PID控制方法相比较,模型参考自适应滑模控制方法将速度补偿误差降低了60%,相应地将航空相机的飞行分辨率提高了2倍。因此,基于此方法的前向像移补偿系统可提高速度跟踪精度和鲁棒性,对时变干扰力矩具有较强的抑制能力。 相似文献
9.
为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法.在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径.在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法.经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求. 相似文献
10.
针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。 相似文献
11.
12.
13.
14.
《机械传动》2016,(7):101-106
针对并联机构传统控制器轨迹跟踪精度较低的问题,设计了一种基于并联机构动力学方程和比例切换控制律的滑模变结构控制器(SMC)。首先,建立机构的Matlab/Sim Mechanics仿真分析模型,采用微位移法求解并联机构的Jacobian矩阵及通过工作空间分析确定机构的最佳尺寸参数,为控制系统提供理论参考输入值。其次,设计滑模变结构控制器,运用Lyapunov函数证明滑模变结构控制器的稳定性;最后,建立机构的PID控制和SMC控制系统Matlab/Simulink框图,分别对其进行仿真分析与对比。结果表明,SMC控制器的轨迹跟踪精度比PID控制器的精度高,稳态误差小,且鲁棒性强,响应速度快,从而验证了SMC控制的有效性。 相似文献
15.
提出了一种融合车辆稳定性的路径跟踪控制策略,以提高分布式驱动电动汽车在高速、低附着等危险行驶工况下的路径跟踪精度和车辆稳定性,该控制策略包括路径跟踪控制层、稳定性控制器决策层、驱动轮转矩分配层。针对LQR路径跟踪控制器在高速大曲率工况下跟踪精度不足的问题,采用闭环PID矫正驾驶员模型补偿车辆前轮转角,并设计稳定性控制器用以跟踪车辆理想参考模型,基于模型预测控制算法决策出附加横摆力矩,同时以轮胎负荷率最小为目标优化车轮驱动转矩分配。利用自主开发的分布式驱动电动试验车分别在高速高附着和高速低附着双移线工况进行试验。结果表明:相对于只运用闭环PID矫正的LQR路径跟踪控制器进行路径跟踪,车辆在干燥的混凝土路面以90 km/h速度行驶时,融合车辆稳定性的路径跟踪精度的横向均方根误差降低了29.7%;车辆在潮湿沥青路面以70 km/h速度行驶时,均方根误差降低了10.3%。所提控制策略能够提高车辆的路径跟踪精度,满足车辆在危险行驶工况下的横摆稳定性。 相似文献
16.
针对阀控缸系统稳态跟踪误差的收敛时间均为非有限时间内收敛到0的问题,提出了一种终端滑模控制方法。解决了液压系统非有限时间收敛问题,使得跟踪误差在有限时间内收敛到0。首先,运用终端滑模控制方法通过构造终端函数方式引入非线性项,设计终端滑模面来保证系统的全局鲁棒性和稳定性;其次,基于Lyapunov稳定性理论设计终端滑模控制器,保证位置跟踪误差在有限时间内收敛到0并验证其稳定性;最后,利用阀控缸系统模型以正弦信号及其衍生信号为参考信号对控制策略进行Simulink仿真,表明了终端滑模控制方法的可行性与有效性。 相似文献
17.
18.
19.
针对机器人中存在不确定性模型误差和外界干扰问题,设计出一个鲁棒轨迹跟踪控制器,以对其进行逆向动力学补偿,从而保证了跟踪误差的一致和终值有界.通过模拟仿真,对所提出的控制方案与比例积分微分(PID)控制方案进行了比较,结果表明,鲁棒轨迹跟踪控制具有更高的跟踪精度. 相似文献
20.