力矩输入有界的柔性关节机器人轨迹跟踪控制

为解决柔性关节机器人在关节驱动力矩输出受限情况下的轨迹跟踪控制问题,提出一种基于奇异摄动理论的有界控制器.首先,利用奇异摄动理论将柔性关节机器人动力学模型解耦成快、慢两个子系统.然后,引入一类平滑饱和函数和径向基函数神经网络非线性逼近手段,依据反步策略设计了针对慢子系统的有界控制器.在快子系统的有界控制器设计中,通过关节弹性力矩跟踪误差的滤波处理加速系统的收敛.同时,在快、慢子系统控制器中均采用模糊逻辑实现控制参数的在线动态自调整.此外,结合李雅普诺夫稳定理论给出了严格的系统稳定性证明.最后,通过仿真对比实验验证了所提出控制方法的有效性和优越性.     

输入有界的自由漂浮柔性空间机器人轨迹跟踪控制

针对自由漂浮柔性空间机器人轨迹跟踪控制问题, 首先利用拉格朗日和假设模态法建立了动力学模型. 分析系统动力学模型, 综合考虑欠驱动、柔性振动等特点, 将其简化为一种带有柔性振动扰动完全可控的动力学模型; 在此基础上, 考虑控制输入受限, 提出一种自适应状态反馈控制策略. 该策略采用自适应技术实时在线学习柔性振动扰动参数, 从而保证控制律对柔性振动扰动具有良好的鲁棒性; 最后, 基于Lyapunov方法证明了该控制策略能够实现关节期望轨迹的跟踪. 仿真验证了该控制策略对控制输入受限系统轨迹跟踪控制的有效性和可靠性.     

机器人轨迹跟踪的滑变结构控制

本文提出了一种新的机器人轨迹跟踪滑模变结构控制方法，给出了控制系统的设计方法和仿真实验结果。仿真结果表明，当机器人参数在±５０％范围变化且存在能量有限的正态分布随机干扰时，控制系统具有良好的自适应性。     

机器人的非奇异终端神经滑模轨迹跟踪控制

针对具有不确定性的机器人系统,为提高系统的稳态跟踪精度,提出一种非奇异终端神经滑模轨迹跟踪控制方案.控制器采用改进的非奇异终端滑模面,并基于径向基函数神经网络自适应调整控制律的切换项,不但克服了在设计中需要知道系统不确定性的上界的限制,而且平滑了控制信号.可应用Lyapunov稳定性理论证明了系统的渐近稳定性和跟踪误差的渐近收敛性.仿真结果验证了控制方法不仅能够保证机器人系统轨迹跟踪控制的快速性和鲁棒性,而且有效地削弱了抖振,可见方案是可行且有效的.     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

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。     

基于奇异摄动法的水下机器人优化PID控制

为了提高水下机器人位置控制的精确性,降低因系统耦合而造成的位置误差,提出了针对六自由度水下机器人的奇异摄动系统建模及控制方法.首先对水下机器人的姿态和位置进行动力学建模,将速度、角速度作为快变量,位置、姿态作为慢变量,从而把模型转换为奇异摄动系统模型,再对奇异摄动系统模型进行快慢分解,对快慢系统分别设计PID控制律,最...     

基于模糊PD型输入迭代学习的工业机器人轨迹跟踪控制

针对工程应用中工业机器人的内置控制器在确定其结构和控制参数后一般不能修改的问题,提出一种基于机器人内置控制器的模糊比例—微分(PD)型输入迭代学习轨迹跟踪控制方法。利用跟踪误差及其导数构建控制律,控制参数采用模糊增益调整型进行自整定,无需根据轨迹反复调整,并将迭代学习量叠加到轨迹输入中,通过更新实际轨迹输入来提高目标轨迹的跟踪精度。MATLAB/SIMULINK仿真和六自由度工业机器人实验结果表明:提出的方法能够在不影响机器人内置控制器稳定性的基础上,实现更高精度的轨迹跟踪。     

基于视觉的服务机器人轨迹跟踪控制

根据移动服务机器人的运动学模型和针孔摄像机成像原理,完成了机器人的速度向量由视觉空间到任务空间的变换。采用视觉伺服控制方式,结合反步设计思想,设计了具有全局渐近稳定的轨迹跟踪控制器,并利用Lyapunov函数进行稳定性分析。仿真结果验证了所设计控制器的有效性和正确性。     

输入力矩受限的机器人鲁棒自适应跟踪控制

在输入力矩受限的情况下, 提出一种全新的简单鲁棒自适应跟踪控制算法, 当参数的估计范围包含其真实值时, 证明了闭环系统的渐近稳定跟踪;当有干扰存在, 常规参数估计自适应控制算法不能实现稳定控制时, 本算法仍然使系统稳定, 在本算法中, 所估计的参数在跟踪控制律前馈项中表现为非线性, 这是区别于常规参数估计自适应算法的一个最重要特征. 因此本算法控制器的设计更有灵活性, 另一方面获得更好的控制品质和鲁棒性, 特别是对参数域估计误差即参数范围估计错误的强鲁棒性, 均为仿真算例所验证.     

Global trajectory tracking through output feedback for robot manipulators with bounded inputs

In this work, a globally stabilizing output feedback scheme for the trajectory tracking of robot manipulators with bounded inputs is proposed. It achieves the motion control objective avoiding input saturation and excluding velocity measurements. Moreover, it is not defined using a specific sigmoidal function, but any one on a set of saturation functions. Consequently, the proposed scheme actually constitutes a family of globally stabilizing output feedback bounded controllers. Furthermore, the control gains are not tied to satisfy any saturation‐avoidance inequality and may consequently take any positive value, which may be considered beneficial for performance adjustment/improvement purposes. Further, a class of desired trajectories that may be globally tracked avoiding input saturation and excluding velocity measurements is completely characterized. Global asymptotic stabilization of the closed‐loop system solutions towards the pre‐specified desired trajectory is proved through a strict Lyapunov function. The efficiency of the proposed scheme is corroborated through experimental results. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

Trajectory tracking control for robot manipulators using only position measurements

In the paper, the trajectory tracking control problem is investigated for robotic manipulators which are not equipped with the tachometers. Our contribution consists in establishing uniform asymptotic stability in closed-loop system by using the dynamic position-feedback controller with feedforward. Using Lyapunov vector function and comparison principle, we construct the non-linear controller with variable gain matrices and first-order linear dynamic compensator such that the origin of the closed-loop system is uniformly asymptotically stable. The controller is shown to be robust with respect to parameters incertainties. We illustrate the utility of our result by simulation tests with reference to a two-link planar elbow robot manipulator.     

基于三步法的机械臂轨迹跟踪控制

考虑机械臂末端轨迹跟踪控制问题,以跟踪逆运动学求解出的末端期望轨迹对应的各关节期望角度为控制目标.设计了一种基于三步法的控制器,该控制器由类稳态控制、可变参考前馈控制和误差反馈控制3部分组成.证明了该控制器可以通过控制机械臂的各关节力矩实现各关节实际角度对期望角度的状态跟踪,进而使得末端轨迹渐近跟踪期望轨迹,并且跟踪误差是输入到状态稳定的.仿真表明基于三步法控制器的空间机械臂末端可以渐近跟踪期望轨迹,并且该算法可以克服系统的末端负载质量变化等不确定性的影响.     

三轮驱动移动机器人轨迹跟踪控制

针对三轮驱动移动机器人在轨迹跟踪控制过程中运动不平滑的问题,建立了移动机器人在一定运动约束条件下的运动学模型。根据移动机器人位姿误差微分方程的描述,设计了基于后退时变状态反馈方法的移动机器人轨迹跟踪控制器。基于李雅普诺夫方法,对轨迹跟踪控制器的稳定性进行了分析,证明了该控制器能够保证闭环系统全局一致渐进稳定。仿真结果验证了运动学模型的正确性,以及轨迹跟踪控制器的有效性。     

机械臂轨迹跟踪控制--基于EC-RBF神经网络的机械臂模型参考自适应控制

针对机械臂运动轨迹控制中存在的跟踪精度不高的问题,采用了一种基于EC-RBF神经网络的模型参考自适应控制方案对机械臂进行模型辨识与轨迹跟踪控制。该方案采用了两个RBF神经网络,运用EC-RBF学习算法,采用离线与在线相结合的方法来训练神经网络,一个用来实现对机械臂进行模型辨识,一个用来实现对机械臂轨迹跟踪控制。对二自由度机械臂进行仿真,结果表明,使用该控制方案对机械臂进行轨迹跟踪控制具有较高的控制精度,且因采用EC-RBF学习算法使网络具有更快的训练速度,从而使得控制过程较迅速。     

基于“非伪”理论的非完整移动机器人轨迹跟踪控制

"非伪"控制是一种基于数据驱动的无模型控制方法,它根据输入-输出数据进行在线学习,计算与当前系统状态相匹配的控制量并作用于系统,以获得系统所要求的动静态品质,并以此检验系统是否满足该性能指标.基于"非伪"控制理论,研究了移动机器人的轨迹跟踪控制问题.根据非完整移动机器人的动态方程,采用"非伪"控制,直接作用于移动机器人的控制输入,使移动机器人能快速、准确地跟踪期望轨迹.     

极坐标下基于迭代学习的移动机器人轨迹跟踪控制

为提高自主移动机器人对一类特殊轨迹的重复跟踪能力,在极坐标下建立了3轮全向移动机器人的运动学模型,结合离散时域下对轨迹跟踪问题的描述方法,采用开闭环P型迭代学习控制算法,并在给定条件下证明了其收敛性,随着迭代次数的增加,该算法能够有效改善动态不确定环境中系统的稳定性与收敛的快速性。通过将仿真结果作用于实际动态系统的初始控制输入,从而在实际环境下能以较少的迭代过程来获取控制律。实验结果表明,在仿真环境下机器人可以较好地跟踪玫瑰曲线,在实际机器人测试中,机器人能够较好地跟踪期望轨迹,从而证实了该方法对提高自主移动机器人轨迹跟踪能力的可行性与有效性。