机器人轨迹跟踪自适应控制

本文提出一种新的自适应控制算法,用于补偿机器人动力学方程中的非线性项和消除关节间的耦合。这种简单有效的控制算法,保证了系统在一定的参数变化范围内具有渐近稳定性和良好的控制精度。     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

温度控制系统模糊自适应PID控制器仿真研究

研究电机绝缘处理的过程中,针对烘干炉的温度控制具有非线性和大滞后的特点,常规的PID控制器和模糊控制器很难达到理想的控制效果,为保证温度系统的稳定性,把模糊控制和常规的PID控制结合起来,提出了模糊自适应PID控制器.首先建立了烘干炉温度控制系统的数学模型,确定了系统的输入输出量,建立了模糊控制规则,进行模糊推理,计算PID控制器的参数,可由PID控制器控制烘干炉的温度,采用计算机仿真结果表明,模糊自适应PID控制器与常规PID控制器相比较,提高了烘干炉温度控制系统的自适应能力和鲁棒性,改善了系统的动态性能和静态性能,能使非线性、大滞后等特殊的系统达到良好的控制效果.     

柔性关节微操作机器人自适应模糊预测控制

对一种柔性关节微操作机器人系统提出了多输入多输出直接自适应模糊广义预测控制方法,此方法先基于机器人理论模型设计出广义预测控制器,再构造直接自适应模糊控制器逼近广义预测控制器,并用机器人视觉误差信息对控制器参数和广义误差向量估计值中的未知向量进行自适应调整,以增强对建模误差的鲁棒性,并证明了所设计的控制器可使微操作机器人跟踪时变参考轨迹时的广义误差估计值收敛到原点的小邻域内,以达到控制要求,仿真结果验证了此方法的有效性.     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

机器人末端臂轨迹跟踪自适应控制设计

本文提出了新颖的机器人末端臂轨迹跟踪自适应控制方法。该方法与已有的神经网络模型不同之处在于数据首先利用运动学反解求出机器人各关节旋转的角度,然后应用径向基函数自组织进行神经网络学习生成模糊规则,利用监督学习算法(SLA)、最小二乘法(LMS)、反向传播算法(BP)和聚类分析的方法在线优化控制规则以及隶属函数的参数。仿真结果表明,该方法不但规则生成的时间少,有效的防止了规则数爆炸,而且在机器人轨迹跟踪控制的应用中效果好。     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

模糊学习控制在SCARA机器人轨迹跟踪中的应用

模糊学习控制以模糊控制提供反馈机制为主体,辅以迭代学习控制提供前馈补偿机制,来实现对期望轨迹的完全跟踪.把模糊学习控制应用于SCARA机器人的轨迹跟踪.仿真试验表明,该方法具有简单实用、跟踪精度高、学习速度快等优点.     

仿袋鼠跳跃机器人用关节运动控制器设计

设计了一种基于TI公司高性能浮点DSP TMS320F28335和双全桥PWM电机驱动器DRV8402的仿袋鼠跳跃机器人关节运动控制器.控制器实时采集机器人3个关节相对运动角度,利用积分分离的PID控制算法实现关节驱动电机位置闭环控制.设计了基于LabWindows/CVI的上位机测控软件,制作了控制器样机并进行系统联...     

宽带自适应跳频控制器

本文叙述宽带自适应跳频控制器的原理及方案,频率集的配置、自适应跳频拒收门限及频点更新、跳频码序列及同步等。有效地组织宽带自适应跳频系统能避开大部分固定和半固定性质的单频连续波干扰,使得移动卫星通信系统中实现高可靠性的数据传输。     

步进机器人自适应模糊伺服控制设计

本文提出一种新的模型参考自适应模糊控制器,并应用于步行机器人关节速度伺服控制,实验结果表明,该控制方案国好地解决了转速给定变化范围大和被控对象增益时变问题,改善了控制系统的鲁棒性和动态响应特性。     

基于单神经元控制器的独轮自平衡机器人双闭环自适应控制

针对竖直飞轮的独轮自平衡机器人系统,提出了一种基于自适应单神经元控制的双闭环(DLSN)控制方法.根据对独轮自平衡机器人动力学模型的分析,将独轮自平衡机器人分成两个子系统,提出了一种具有俯仰倾角和横滚倾角内环、前向位移外环的双闭环自适应控制结构,其中每个控制环均由单神经元自适应控制器构成.仿真实验结果表明:所设计的基于双闭环单神经元自适应独轮自控制方法是有效的.     

自适应模糊控制的仿真研究

本文将一种在线变动模糊划分的自适应模糊控制应用在不同对象的控制仿真中，取得了良好的控制品质。对于不同对象，模糊控制器在线判断对象特征，预测控制过程所需能量，在线动态变化模糊集合的划分。控制器需人工设置的参数很少，易于实用到实际控制过程中，本文还给出了模糊控制系统稳定的一个充分条件。     

一种新型的机器人自适应跟踪控制器研究

针对神经动力学模型描述的非完整移动机器人系统,研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题.基于反演技术提出了一种转矩控制器,利用Lyapunov稳定性理论和中间虚拟控制量保证跟踪误差渐进收敛到零.不但能够得到稳定跟踪所需速度,并且有效解决了不确定非完整移动机器人动力学系统的轨迹跟踪问题,具有设计方法简单,鲁棒性强的特点.仿真结果验证了所设计的控制器的有效性和正确性.     

模糊自适应PID控制器

提出了一种模糊自适应ＰＩＤ（ＦＡＰＩＤ）控制器及其设计方法，并导出了ＦＡＰＩＤ闭环控制系统稳定的充要条件。ＦＡＰＩＤ控制器的设计分为相对独立的两步进行，设计方法简单，便于工程应用。仿真结果表明，与ＰＩＤ控制系统比较，ＦＡＰＩＤ控制系统鲁棒性大为提高，超调量大大减小，动态抗扰能力增强，较好地解决了快速性与小超调之间的矛盾。     

用于行星探测的跳跃机器人研究

综述了用于行星探测的跳跃机器人（PEHR）的研究现状,分析了PEHR 研究所面临的问题,并预测了 其发展趋势．     

模糊自适应PID参数自整定控制器的研究

当控制系统中的被控对象存在纯滞后、时变或非线性等复杂因素时,普通的PID控制器的控制效果很难达到较好的控制效果,针对这一问题,应用模糊控制和自适应控制的知识,设计了模糊自适应PID参数自整定控制器,此控制器的比例系数、积分系数和微分系数可根据模糊推理规则进行在线调整。仿真结果表明,该控制方法提高了系统的动、静态特性,使该系统具有较好的鲁棒性。     

永磁无刷直流电机模糊自适应控制器设计

关于直流电机优化问题,针对永磁无刷商流电机工作过程中电气参数的非线性、时变特性,影响系统的品质特性.在分析电机模型的基础上,提出采用积分系数、比例系数模糊自整定技术,按照电机理想的起动、稳态和制动过程要求,设计了速度偏差、速度偏差微分、控制器输出和比例因子隶属度函数及相应的模糊控制规则,构成了模糊自适应控制器.经仿真结果表明,设计的控制器对电机负载、电机电气参数大范围扰动具有较强的抑制能力,系统动态响应快、超调小,达到了对电机参数变化的自适应控制目的,并为控制器设计提供参考.