扭矩输入有界的机器人模糊PD轨迹跟踪

针对轨迹跟踪控制中机器人关节驱动器输出扭矩受限的问题,提出一种基于模糊自适应PD的输入有界轨迹跟踪控制算法。不同于以往的控制策略,该算法在控制律中引入具有饱和特性的改进反正切函数,以确保扭矩控制输入的有界性,并结合模糊自适应原理实现PD增益的在线自整定,以改善系统的动态特性。通过对位置跟踪误差进行线性滤波得到速度跟踪误差替代信号,使得整个系统的闭环控制仅需位置输出反馈。利用奇异摄动理论对系统进行了稳定性分析,证明在一定约束下的PD增益自整定过程中,仍能保证系统稳定。仿真和比较结果表明,该算法能够在严格保证控制输入有界的前提下,减小超调量,缩短系统调整时间,具有更优的轨迹跟踪性能。     

模型不确定的下肢康复机器人轨迹跟踪自适应控制

为了实现康复训练过程中高精度的轨迹跟踪控制,针对下肢康复机器人的模型参数和外界干扰等不确定性因素对其轨迹跟踪造成严重影响,提出一种模型不确定的下肢康复机器人轨迹跟踪自适应控制方法。根据所提方案,设计了相应的轨迹跟踪自适应控制器;并进行了轨迹跟踪控制仿真实验对比分析,结果表明,计算力矩控制方法在系统模型不确定时,膝关节的最大角度跟踪误差高达11.3°,髋关节最大稳态误差4.6°;而轨迹跟踪自适应控制方法在模型不确定的情况下,髋关节和膝关节的角度跟踪稳态误差均收敛于零;轨迹跟踪自适应控制方法可以显著提高下肢康复机器人轨迹跟踪的精度。     

欠驱动水下机器人航迹跟踪控制

针对欠驱动水下机器人强非线性、模型不确定及存在外界未知干扰等特点,提出自适应模糊反演滑模控制系统,解决其水平面航迹跟踪问题。首先,采用模糊逻辑系统逼近模型未知函数,将反演思想与滑模控制技术相结合,设计反演滑模控制器;然后对水下机器人纵向速度进行控制,将航向角作为航迹跟踪误差的虚拟输入,设计航向角的镇定函数和航迹参数的变化率,实现水下机器人的航迹跟踪;最后使用李亚普诺夫稳定性定理,证明控制系统的稳定性。仿真实验表明,设计的控制系统能有效地处理水下机器人模型不确定性和外界干扰,控制性能良好,具有极强的鲁棒性,且避免了执行机构的抖振现象。     

一种索支撑柔性结构轨迹跟踪控制方法

大型射电望远镜馈源支撑结构采用六根柔索驱动馈源舱完成大范围高精度扫描跟踪的创新设计方案.针对该柔性结构非线性、大滞后、多变量耦合的特点,提出了一种双模糊控制和干扰观测器相结合的控制算法来实现馈源轨迹跟踪策略.这种新方法通过构造干扰观测器来观测柔性结构的各种干扰,并根据观测到的干扰信息进行补偿以抑制干扰对系统的影响;同时引入带有比例积分校正环节的双模糊控制器来实现馈源舱轨迹跟踪,通过调整因子来优化控制规则.仿真结果表明,该控制算法不仅能满足对轨迹跟踪精度要求,而且具有较强的鲁棒性.     

不确定机器人的间接模糊自适应轨迹跟踪控制

针对不确定的机器人系统轨迹跟踪控制问题,依据自适应模糊控制算法和H∞控制理论,提出了一种间接模糊自适应控制方法。该方法将自适应模糊控制和H∞控制理论相结合,用稹糊逻辑系统直接为机器人建模,不需对机器人的数学模型进行转换,并结合H∞控制理论,将建模误差和外部干扰衰减到预先规定的指标。基于Lyapunov方法,给出了学习自适应率,H∞跟踪特性的证明。对二自由度机器人的仿真结果表明了所提出的控制算法有效性。     

多关节机器人的反演自适应模糊滑模控制

针对二关节机器人轨迹跟踪问题,设计了一种新的反演自适应模糊滑模控制器.该方法设计了反演滑模控制器和自适应模糊控制器,通过设计合适的自适应律,采用模糊控制器在线估计不确定性上界值,实现了对建模误差和干扰的自动跟踪,削弱了抖振.利用李亚普诺夫定理证明了系统的稳定性.仿真结果表明该方法的有效性.     

基于改进双闭环滑模算法的飞行器轨迹跟踪研究

针对飞行器运动轨迹受外界气流干扰和模型参数不确定性导致复杂空间运动轨迹跟踪精度不足的问题,提出了一种改进的双闭环滑模控制算法提高飞行器轨迹跟踪的精度。该算法中外环位置控制器采用自适应率抑制外界干扰影响,内环姿态控制器利用切换函数自适应模糊器抑制未知干扰力矩和抖振的影响。利用Lyapunov理论验证双闭环控制算法具有全局渐近稳定性。仿真结果表明,改进的双闭环控制算法的姿态角跟踪误差精度由0.02提高到了0.0005,该算法对外界干扰具有较强的鲁棒性,同时能够实现高精度的轨迹跟踪。     

基于反演设计的机器人非奇异终端模糊滑模控制

针对带有建模误差和外部干扰的多关节机器人轨迹跟踪问题,根据滑模控制原理,采用非奇异终端滑模面,基于反演设计方法,设计了反演非奇异终端模糊滑模控制。并设计了模糊控制器在线估计不确定性上界值,削弱了抖动。利用李亚普诺夫定理证明了系统的稳定性,仿真结果表明方法的有效性。     

不确定机器人轨迹跟踪的自适应神经网络控制

提出了一种新的基于Lyapunov理论的自适应神经鲁棒控制方案 ,用于不确定性机器人的轨迹跟踪控制。这种控制器是一个基于神经网络动态补偿的PD反馈控制 ,可以保证机器人跟踪误差的渐近收敛性。仿真试验结果进一步证明了这种控制算法的有效性。。     

基于模糊神经网络的直线超声电机自适应控制

针对直线超声电机很强的非线性和时变特性,提出了模糊神经网络控制。为了更好地将PID控制的经验融入模糊神经网络,对离散型PID表达式的各项进行了划分,将轨迹跟踪误差信号、轨迹跟踪误差信号的变化和轨迹跟踪误差信号的变化率等三项作为模糊神经网络的输入。采用自适应律并结合了反向传播算法和梯度下降法进行学习优化。试验结果表明,所设计的模糊神经网络控制器不仅明显优于PID和自组织神经网络控制器,而且具有很好的抗干扰能力。     

机器人的鲁棒自适应分散跟踪控制

提供了一种鲁棒自适应控制策略,用于不确定性机器人的发迹跟踪,该控制器由一个ＰＤ线性反馈、一个立方项偿和非线性项构成。控制律采用分散形式,通过对二自由度机器人的仿真,证明该方法能使跟踪误差快速趋近于零。     

Adaptive tracking control design of constrained robot systems

Both dynamic state feedback as well as output feedback tracking control designs are presented in this paper for constrained robot systems under parametric uncertainties and external disturbances. The previous studies on tracking control design, not considering the velocity measurements, address only the unconstrained robot design. In contrast, a dynamic output feedback controller based on a linear and reduced-order observer that uses only position measurements is proposed here for the first time to treat the trajectory tracking control problem of constrained robot systems. Both adaptive state feedback control schemes and adaptive output feedback control schemes with a guaranteed H^∞ performance are constructed. It is shown that all the variables of the closed-loop system are bounded and a pre-assigned H^∞ tracking performance is achieved, in the sense that the influence of external disturbance on the tracking motion error can be attenuated to any specified level. Moreover, it is also shown that the motion and force trajectories asymptotically converge to the desired ones as the dynamic model of robot systems is well-known and the external disturbance is neglected. Finally, simulation examples are presented to illustrate the tracking performance of a two-link robotic manipulator with a circular path constraint by the proposed control algorithms. © 1998 John Wiley & Sons, Ltd.     

DLR/HIT II灵巧手控制系统及基关节同步控制

针对多传感器、多自由度机器人灵巧手,开发了基于DSP＆FPGA的多层控制系统.将手指驱动控制系统和传感器系统集成在手指内部,使得与人手尺寸和活动性相似的DLR/HIT II五指机器人灵巧手得以实现.对于手指基关节差分齿轮的运动协调问题,设计了包含速度和加速度前馈项、同步误差和位置误差反馈项以及平滑鲁棒非线性反馈补偿项的交叉耦合同步控制器,该控制器不需要精确的动力学模型.经与传统的非同步控制PD加摩擦力补偿控制和轨迹跟踪控制对比,实验验证了所设计的控制系统及交叉耦合同步控制器的有效性.     

用于机器人示教的人体手臂运动捕捉方法研究

机器人示教是实现机器人轨迹跟踪的主要方式,其工作原理决定了机器人作业的复杂程度。而采用人体运动跟踪技术,可以简化机器人的示教程序,提高工作安全性。研究了基于MEMS的人体运动跟踪方式,选取包含加速计、陀螺仪、磁力计的九轴惯性传感器来检测人体手臂运动情况,采用传感器间的互补融合与空间关节位置叠加的方法,获得较高精度的末端位置数据,并通过固定方向直线运动与空间连续运动的实验来检测传感器对手臂运动捕捉的效果。实验结果表明,融合计算出的数据轨迹在短距离的情况下数据精度高,可以用于机器人的部分轨迹示教。     

输入受限下非完整轮式移动机器人迭代学习跟踪控制

为了解决输入受限下非完整轮式移动机器人的跟踪控制问题,考虑迭代学习控制方法,设计了一种迭代学习控制律,这里所设计的迭代学习控制律结合了系统的跟踪误差和约束下的上一代控制律.通过应用范数分析理论,对跟踪误差的收敛性进行了理论分析,验证了设计的控制律的有效性.最后,给出了一个仿真实例以证明理论分析结果的正确性,仿真结果表明,在设计的迭代学习控制律作用下,具有输入受限的非完整轮式移动机器人能够获得很好的跟踪控制性能,跟踪误差最终收敛于零的很小邻域内.     

基于Backstepping时变反馈和PID控制的移动机器人实时轨迹跟踪控制

根据机器人的运动学模型，采用分层控制的思想将移动机器人的轨迹跟踪控制分为两部分：轨迹跟踪控制器和机器人速度PID控制器。基于Backstepping时变状态反馈方法和Lyapunov理论，引入具有双曲正切特性的虚拟反馈量，提出一种移动机器人全局轨迹跟踪算法：采用PID速度控制器以满足机器人驱动电机实时调速要求。考虑到机器人的动力学约束，引入受限策略以保证其运动平滑。在基于DSP的两轮驱动移动机器人上对算法进行了实时轨迹跟踪试验，取得了满意的控制效果。     

变电站二次设备巡检的Mecanum轮式机器人精确定位与作业辨识

通过巡检机器人进行变电站二次设备的监测是提升电力设备自动化、智能化管理的重要方式,有利于保障电力工程设备的安全运行。本研究开发了一种用于变电站二次设备自动化巡检的Mecanum轮式机器人,具备自主导航定位与作业辨识的能力,可极大提升设备巡检效率及保护压板状态识别准确性。通过Mecanum轮的驱动方式实现巡检机器人在狭窄作业环境下的灵活运动与姿态调整,多轨道升降平台实现对350-1800 mm高度范围内的二次设备及压板的图像采集与状态辨识。机器人采用基于激光雷达的SLAM导航方法进行自主定位导航,并结合基于视觉的路径提取与跟踪算法进行姿态位置修正,实现在待测点位置的精确定位。同时,提出了基于颜色辨识的图像排列与状态辨识方法,针对二次设备保护压板连通状态进行识别和判断。实验结果表明,研制的变电站二次设备巡检机器人可以实现自主导航与位置精确定位,在路径跟踪过程中最大偏角和偏距分别为±3°和±8 mm。结合机器视觉与颜色辨识的压板辨识方法可以准确识别压板状态,识别准确率大于95.80%,有助于提升机器人自动化的电力巡检作业水平。     

双目视觉系统实现羽毛球实时跟踪

利用双目视觉系统实现三维空间中羽毛球的实时跟踪。主要从双目图像获取、双目标定、图像校正、立体匹配等方面对双目进行探究,以识别运动中的羽毛球为导向,实现对运动中的羽毛球进行实时跟踪定位。为增加系统稳定性,采用背景减除算法和Camshift算法相结合的方法实现羽毛球在较为复杂背景的跟踪监测,再通过双目获得目标羽毛球的位置信息,再将羽毛球的位置实时反馈给机器人运动控制系统。通过不断测试,实现了羽毛球在飞行过程中的跟踪检测和轨迹三维信息的计算,并且定位误差在±10 mm范围内,实现对羽毛球的实时跟踪定位。     

基于CCD摄像头的智能小车系统的研制

路径识别跟踪技术是汽车智能化发展的一个重要标志,介绍了一种基于凌阳SPCE061A和89S52单片机的智能小车的研制。基于CCD摄像头获取实际道路图像,通过图像特征实时提取道路信息,利用双比例控制快速动态调节舵机转角;基于转角与速度的模糊设定,结合比例微分控制,确保了小车快速稳定的运行,实现了任意路径识别与智能跟踪。实验表明,小车可在任意给定的黑底白线跑道上稳定快速地跟踪,转角跟踪准确,车速切换自平滑,稳态误差小,具有较好的动态特性。