基于全阶滑模控制的双轮移动机器人跟踪误差研究

针对双轮移动机器人运动轨迹跟踪误差较大的问题,设计了全阶滑模控制器,并对控制输出误差进行仿真验证.建立双轮机器人简图模型,推导出移动机器人动力学方程式.介绍了移动机器人线速度和角速度的控制过程,对传统PI控制器进行改进,设计了全阶滑模控制器.采用李雅普诺夫函数对控制器的稳定性进行了证明,从而得到机器人运动线速度和角速度...     

基于质心偏移的移动机器人轨迹跟踪控制

针对非完整约束下质心偏移的移动机器人,提出了一种改进滑模变结构的轨迹跟踪控制方法,并通过此方法得到一种具有全局渐近稳定性的跟踪控制器。以三轮移动机器人的运动模型为基础,该跟踪控制器的设计分为两部分:第一部分是采用X方向和前向角方向同时具有虚拟反馈变量,通过Lyapunov方法对控制系统进行稳定性分析,设计出切换函数;第二部分是滑模控制器设计,采用指数趋近律,使用S型指数函数代替符号函数,减少了滑模变结构控制的抖动,由此设计出了线速度和角速度的控制律,用来渐近整定移动机器人跟踪误差,实现了对参考轨迹的全局渐近跟踪。实验结果表明:该控制律能够在极短时间内趋于稳定,其跟踪平面坐标误差和前向角误差也能在极短时间内收敛于0,并且移动机器人也能够有效地跟踪期望轨迹,其控制效果具有明显的改善,且具有很好的抗干扰性能。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

基于改进PID控制的电液伺服系统执行器运动轨迹仿真

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明：液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑制外界环境对控制系统的干扰,从而提高液压执行器运动轨迹跟踪精度     

双轮差速移动机器人轨迹跟踪混合控制算法研究

针对双轮差速移动机器人轨迹跟踪问题,提出一种基于前馈运动学和带有干扰观测器的解耦动力学的混合控制算法。首先,对双轮差速移动机器人的运动学、动力学以及位姿误差进行数学建模。其次,为保证移动机器人轨迹跟踪的快速收敛,采用前馈控制并结合位姿误差设计出运动学控制器;为保证移动机器人在速度上的跟踪性能,采用前馈解耦补偿器,加入干扰观测器,运用具有积分链式结构的微分器,设计出动力学控制器;将动力学控制器加入到运动学控制器中,设计了前馈运动学和带有干扰观测器的解耦动力学的混合控制器,并用Lyapunov函数直接法证明了系统的收敛性和稳定性。最后,通过仿真和样机验证,机器人稳定运行时左右摆差可达±9mm,证明了该混合控制算法的有效性和可行性。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

压电驱动的快刀伺服器的迟滞逆模型辨析与自抗扰复合逆控制

为了提高具有表面微结构零件的超精密加工中快刀伺服器的轨迹预测和跟踪精度与抗干扰性,设计一种新型复合控制:在前馈控制器中用Preisach逆模型补偿系统中压电陶瓷驱动器引起的非线性特性;针对前馈控制器未能补偿的非建模扰动、模型参数的不确定性以及其他外界未知扰动,设计了自抗扰控制作反馈控制器。推导了Preisach逆模型;用RBF神经网络实现了Preisach逆模型对压电陶瓷驱动器的线性化补偿;通过对快刀伺服器的建模分析,得到惯性环节和二阶振荡环节串联的等效模型,设计三阶四维扩张状态观测器,可对未知扰动的观测结果作出实时估计和补偿。根据快刀伺服器和超精密车削的特点,取消跟踪微分器,增加速度输入和加速度输入,设计了改进的自抗扰控制器。上述两种控制器组合成复合控制器。实验表明,该复合控制方法可以提高预测和跟踪精度与抗干扰性。     

基于径向基函数神经网络控制的机械臂轨迹误差研究

当前,机械臂关节运动轨迹容易受到外界环境的干扰,导致运动轨迹不稳定,抖动现象特别严重,不能很好地满足轨迹跟踪任务的要求。对此,文中创建机械臂双关节运动简图模型,采用径向基函数(RBF)神经网络自适应控制方法跟踪机械臂关节的运动轨迹。分析了机械臂运动轨迹所产生的误差,设计了机械臂关节神经网络自适应控制器,引用李雅普诺夫函数对控制器的稳定性和收敛性进行了证明。结合具体实例,借助于Matlab软件对机械臂双关节的运动轨迹追踪误差进行仿真。同时,与模糊PID控制的仿真误差进行对比和分析。仿真曲线显示,机械臂关节采用RBF神经网络自适应控制方法,运动轨迹追踪所产生的误差较小,输入力矩的振动幅度相对较小。因此,机械臂关节末端采用RBF神经网络自适应控制器,可以降低运动轨迹的跟踪误差,改善振动现象。     

基于跟踪微分器的移动机器人轨迹规划与跟踪控制研究北大核心

针对移动机器人的轨迹规划和轨迹跟踪控制问题,提出一种加速度和速度约束情况下,通过贝塞尔曲线拟合参考轨迹,再利用跟踪微分器规划平滑速度的轨迹规划新方法;基于Backstepping方法,建立机器人位姿误差方程并进行控制器的设计,同时分析了控制参数对轨迹跟踪性能的影响;将轨迹规划方法和控制算法结合,并在仿真平台和移动机器人实物平台上进行实验验证。实验结果验证了轨迹规划算法和控制器的可靠性及有效性,相比于未进行速度规划、速度不连续和滑模控制等方法,提出的方法控制平稳且有效减少了位姿误差。     

基于神经网络的机械手轨迹跟踪控制器优化设计

针对机械手运行时存在外界干扰、难以高精度控制等问题,设计了一种基于RBF神经网络的机械手轨迹跟踪鲁棒控制器。在该控制器中,根据机械手动力学模型中的确定项建立控制率,用神经网络逼近系统中的不确定项,用鲁棒控制处理外部干扰的能力抑制神经网络的逼近误差,在Matlab Simulink平台上搭建控制框图,对二自由度机械手进行轨迹跟踪控制仿真,最后优化控制器中的参数,寻求更优的控制效果。结果表明,该控制器能够完成轨迹跟踪控制任务,经过参数优化后的控制器控制效果更佳。研究结果可为今后的机械手轨迹跟踪控制的深入研究奠定基础。     

基于关节约束的双臂机器人协调控制器研究

为提高双臂机器人运动的协调性,设计了协调控制系统,并对机械臂运动轨迹跟踪误差和角速度变化进行仿真验证。创建了双臂机器人三维模型,利用相对雅克比矩阵推导机械臂末端执行器运动轨迹误差公式,设计机械臂运动协调控制器。根据层次优先的任务结构推导机械臂关节角速度方程式,设计双臂联合避免关节限制策略,通过优先级协调双臂运动。为验证关节约束条件下机械臂运动的协调性和稳定性,采用MATLAB软件对机械臂运动轨迹跟踪误差和角速度变化进行仿真,并与无关节约束条件下输出效果进行比较。结果表明：在无关节约束条件下,单臂机器人运动轨迹误差较小,但是双臂机器人运动轨迹跟踪误差较大,双臂产生的角速度峰值较大;在有关节约束条件下,单臂机器人运动轨迹误差较大,而双臂运动轨迹跟踪误差较小,双臂产生的角速度峰值较小。采用联合关节限制策略,可以提高机械臂运动的协调性,降低机械臂角速度产生的峰值,机器人运动相对稳定,效果较好。     

基于改进遗传算法优化的双步进电机伺服阀控制研究

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。     

外部转矩干扰的非完整移动机器人轨迹追踪控制研究

针对外部转矩干扰的非完整机器人运动不稳定、轨迹追踪控制精度较低等问题,提出了无源控制理论的控制方法。构造了非完整移动机器人的动力学模型,介绍了机器人空间运动控制的基本形式。采用无源控制方法设计了机器人末端执行器,使用李雅普诺夫综合法对无源控制闭环系统的稳定性和追踪误差的渐近收敛性进行了证明。结合具体实例,通过Matlab软件对外部转矩干扰的非完整移动机器人运动追踪轨迹和输出转矩进行仿真,并且与PI控制方法形成对比。仿真结果显示,无源控制方法的实际轨迹朝理论轨迹收敛,轨迹追踪误差较小,输出转矩波动小。无源控制方法可以避免外部转矩干扰的非完整机器人运动不稳定,提高轨迹追踪精度。     

基于神经网络的直流无刷电机控制系统

提出了一种直流无刷电动机的N-PI转速调节器的设计方法.在直流无刷电动机的高性能速度跟踪中,若仅采用传统的PI调节器,则难以克服系统超调和短时振荡问题.采用复合N-PI的控制方法,利用神经网络的自学习自适应功能在线调整PI控制参数.文中提出了一种模型参考自适应与神经网络相结合的控制策略,利用在线辨识技术,对参数变化实时补偿,及时修正神经网络权值的计算.最后,在Matlab/Simulink下进行了仿真,结果表明,运用这种设计方法很好地抑制了超调和振荡.     

基于扩展观测器的永磁同步电机快速积分终端滑模控制

为了优化永磁同步电机(PMSM)调速系统的动态性能，使用滑模控制的PMSM控制系统的非线性速度控制算法。提出一种新的快速积分终端滑模面(FITSMC),以提高传统积分终端滑模控制在速度误差远离平衡点时的跟踪误差收敛速度。针对高切换增益引起的大抖动现象，提出一种改进的抗干扰滑模速度控制器，该方法引入扩展状态观测器观测集中扰动，并在FITSMC中添加前馈补偿项。最后，通过仿真验证所提控制方法的有效性。结果表明：采用FITSMC替代传统的PI控制器，可以有效地降低动态速度跟踪误差。通过与传统方法进行比较，验证了所提方法(FITSMC+ESO)的优越性。     

基于神经网络的含间隙串联机器人误差控制仿真研究

串联机器人大规模应用于工业生产中,提高机器人精度成为一个重要课题。在串联机器人中,各构件通过刚性铰链串联,铰链间隙对机器人运动精度的影响不可忽略。由于间隙对机器人运动的影响具有较强非线性,较难利用解析方法获得其逆运动学模型。利用遗传算法改进的神经网络建立含间隙串联机器人的逆运动学模型,并利用其构成内模控制,实现对含间隙串联机器人的控制。仿真结果证明,该控制方法具有一定的控制效果。