参数不确定空间机械臂系统的鲁棒自适应混合控制

讨论了载体位置与姿态均不受控制的漂浮基空间机械臂系统的控制问题.对系统运动学、动力学的分析结果表明,结合系统动量守恒及动量矩守恒关系得到的系统广义Jacobi关系以及系统的动力学方程是系统惯性参数的非线性函数.证明了借助于增广变量法可以将系统的增广广义Jacobi矩阵及系统动力学方程表示为一组适当选择的(组合)惯性参数的线性函数.以此为基础,针对系统惯性参数不确定的情况,设计了空间机械臂末端抓手跟踪惯性空间期望轨迹的鲁棒自适应混合控制方案.仿真运算结果证实了方法的有效性.     

一类空间机械臂系统的自适应控制与鲁棒控制

讨论载体位置与姿态均不受控制的自由浮动空间机械臂系统的控制问题。基于增广列反馈控制模型,提出当载荷参参数不确定时空间机械臂追踪惯性空间期望轨迹的自适应和鲁棒控制方法,通过仿真运算,证实了方法物有效性。     

空间机械臂本体与末端抓手协调运动的自适应控制方法

讨论了载体位置不受控制的漂浮基空间机械臂本体与末端抓手协调运动的自适应控制问题. 对系统的运动学、动力学分析表明, 结合系统动量守恒关系得到的系统动力学方程及协调运动的增广广义Jacobi矩阵可以表示为适当选择的组合惯性参数的线性函数. 以此为基础, 对于系统存在未知参数的情况, 设计了本体姿态与机械臂末端抓手惯性空间轨迹协调运动的自适应控制方案. 上述控制方案的显著优点在于: 不需要测量、反馈飞行器本体的位置、移动速度及移动加速度. 仿真运算, 证实了上述控制方案的有效性.     

任务空间内空间机械臂的自适应控制

对于本体姿态受控而位置不受控的空间机械臂系统,本文在任务空间内给出了一种自适应控制算。证明了当系统存在参数不确定性时,该算汉不但可以保证末端招待器在任务空间内的位置轨迹跟踪误差渐近收敛,而且还可保证在关节空间的角偏差及角偏差速率渐近收敛。仿真结果验证了算法的有效性。     

柔性臂漂浮基空间机器人建模与轨迹跟踪控制

利用拉格朗日法和假设模态方法建立了末端柔性的两臂漂浮基空间机器人的非线性动力学方程．通过坐标变换,推导出一种新的以可测关节角为变量的全局动态模型,并在此基础上运用基于模型的非线性解耦反馈控制方法得到关节相对转角与柔性臂的弹性变形部分解耦形式控制方程．最后,讨论了柔性臂漂浮基空间机器人的轨迹跟踪问题,并通过仿真实例计算,表明该模型转换及控制方法对于柔性臂漂浮基空间机器人末端轨迹跟踪控制的有效性．     

空间机械臂的鲁棒复合自适应控制

对于本体姿态受控而位置不受控的空间机械臂系统,考虑存在参数不确定性及非参数不确定性,首先建立了系统的估计模型,并且提出了一种鲁棒复合自适应控制方法,其参数适应律由估计误差和跟踪误差共同决定.证明了这种方法不仅可维持系统的全局渐近稳定,而且还可快速收敛和减小跟踪误差.     

漂浮基柔性空间机械臂姿态与关节协调运动的Terminal滑模控制

讨论了载体位置无控、姿态受控情况下,具有外部扰动的漂浮基柔性空间机械臂载体姿态与各关节协调运动的控制问题．基于假想模态法、系统动量守恒关系及拉格朗日方法,建立了漂浮基柔性空间机械臂系统的动力学方程,并将其转化为系统控制状态方程．以此为基础,根据Terminal滑模控制技术,给出了系统相关Terminal滑模面的数学表达式,在此基础上提出了具有外部扰动情况下漂浮基柔性空间机械臂载体姿态与各关节协调运动的Terminal滑模控制方案．提出的控制方案不但确保了闭环系统滑模阶段的存在性,同时通过Terminal滑模函数的适当选取,还保证了输出误差在有限时间内的收敛性．此外,由于确保了无论何种情况下系统初始状态均在Terminal滑模面上,从而消除了其它滑模控制方法常有的到达阶段,使得闭环系统具有全局鲁棒和稳定性．一个平面两杆漂浮基柔性空间机械臂的系统数值仿真,证实了方法的有效性．     

漂浮基空间机械臂的反演滑模容错控制

讨论了载体位置不受控制的情况下,漂浮基三杆空间机械臂系统的滑模容错控制问题.选择合适的坐标系,利用拉格朗日第二动力学方程,结合系统质心定义,根据系统动量守恒原理,建立漂浮基三杆空间机械臂系统的动力学方程.依据非奇异滑模控制和积分滑模控制理论提出切换函数,基于反演的控制策略,结合高阶滑模控制理论,提出了一个新型的控制率,...     

基于稀疏学习的连续型机械臂自适应控制器

探讨空间连续型机械臂执行在轨操作任务过程中的自适应轨迹跟踪控制器设计问题.首先,对于具有显著非线性特征的连续型机械臂动力学模型,考虑运动过程中存在的建模误差和外部干扰因素,设计变结构动力学控制器;然后,基于深度强化学习(deep reinforcement learning, DRL)对变结构控制器参数进行在线调整,实时优化控制器性能;最后,提出一种针对强化学习网络稀疏训练方法,训练过程中采用具有随机稀疏拓扑结构的稀疏连接层代替神经网络的全连接层,并以一定概率对连接薄弱的网络进行迭代剪枝,使得DRL的策略网络由初始稀疏拓扑结构演化为无标度网络,在不降低训练精度的基础上压缩网络规模.仿真结果表明,所提出基于强化学习的自适应控制器能够有效地进行连续型机械臂的跟踪控制,通过稀疏学习的方法,控制器在保证控制精度的同时,双隐层网络节点参数量下降99%,大幅降低了计算成本.     

机械臂的自适应径向基函数神经网络双二次泛函最优控制

针对非线性机械臂系统中难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制.在本文所提模型中,首先设计一种线性误差函数,作用于非线性控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制;其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解.通过理论分析及数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性系统的综合最优控制.     

工业机器人在特殊位形下的瞬时运动

本文具体分析了工业机器人在特殊位形下的瞬时运动，以ＳＴＡＮＦＯＲＤ机器人为例，分析其在特殊位形下约束运动的性质及允许移动的方向和转动时轴线存在的子空间，得出反螺旋的螺距为零时，处地特殊位形的６种组合形成，并给出了每种特殊位形在参考价值 标的反螺旋及存在的运动螺旋的一般表达式和相应的运动图谱。     

双连杆柔性臂轨迹跟踪的鲁棒控制

研究了双连杆柔性臂轨迹跟踪的鲁棒控制问题·基于假设模态法和奇异摄动法,导出了双连杆柔性臂系统的动力学方程,并将系统模型分离为慢变和快变两个子系统.针对柔性臂的特点,提出了关节角的补偿控制思想,并且给出了补偿控制算法.对两个子系统分别采用滑模变结构控制和H∞控制,由此得到的组合控制使系统精确跟踪目标轨迹.研制了双连杆柔性臂实验台,并对文中提出的方法进行了实验.     

柔性机械臂基于观测的逆动力学轨迹跟踪控制

本文探讨了稳定逆动力学与基于观测的状态误差反馈镇定器集成实现柔性机械臂 末端轨迹跟踪的控制策略．基于观测器可以充分利用由稳定逆动力学生成的理想状态轨迹信 息,实现全状态误差的反馈镇定以消除末端轨迹跟踪的扰动误差．     

基于层迭CMAC网络的6-DOF机器人自适应控制

研究了标称自适应+迭代学习控制算法的稳定性,并利用层迭CMAC网络的优良特性, 提出了基于层迭CMAC的标称自适应+迭代学习控制方法．此方法将标称自适应控制中确定的 模型信息与未知的信息分离,充分利用模型中确定的信息进行前馈控制;而对于未知信息, 则利用层迭CMAC进行自适应学习．仿真实验表明用本文所设计的控制系统对6 DOF并行机器 人进行轨线控制,可获得比以往的普通CMAC+PD控制系统更好的控制效果．     

基于螺旋理论的机器人自适应运动／力混合控制

本文研究当机器人动力学模型中含有未知惯性参数时机器人适从运动的混合控制，利用旋转理论将与环境接触时的机器人动力学方程分成两个螺旋方程后，提出了一种运动和力的自适应混合控制规律，该规律直接利用的自然约束和人工约束，达到了运动／力的全局稳定跟踪。     

柔性机械臂运动轨迹的鲁棒自适应控制

本文针对多连杆柔性机械臂的运动轨迹问题，讨论了动力学建模，控制系统结构设计以及鲁棒自适应控制法，运用假设模记方法得到了柔性机械臂动力学所似方程，通过对柔性机械臂动力学特性分析，建立了等价动力学模型，依此提出了一种鲁棒自适应控制算法，并给出仿真研究结果。     

空间柔性机械臂的逆动力学仿真

本文针对空间柔性机械臂的非线性动力学模型，在最优控制理论的基础上，运用Ｇｉｌｌ法和打靶法相结合，得到大质量负载情况下柔性机构臂的最优驱动矩。以单性机械臂为例进行了动力学仿真，仿真效果好，结果证明方法正确可靠。     

基于模糊神经网络的冗余度变几何桁架机器人自适应控制

本文提出了一种基于模糊神经网络（FNN）的机器人位置自适应控制方法．利用模糊 神经网络模型来辨识冗余度变几何桁架机器人的逆动力学模型,用常规反馈控制器完成外部 干扰的补偿和闭环控制．并以四重四面体变几何桁架机器人为例进行仿真计算,表明该控制 方法具有良好的轨迹跟踪精度和抗干扰能力．     

多模型自适应控制在机器人手臂控制当中应用

本文以斯坦福机械手臂为研究对象,对被控对象建立离散时间模型,并建立自适应控 制器．考虑斯坦福机械手自适应控制当中,参数突变经常会破坏总体系统的稳定性的问题, 针对被控对象模型建立多个模型,覆盖被控对象的参数不确定性,构成多模型自适应控制器 ,同时引入“局部化”技术,可保证在不失去多模型自适应控制精度的同时,减少计算时间 ．