基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

机械臂卷积神经网络滑模轨迹跟踪控制

针对工业技术的发展对于多关节机械臂的精度与快速控制高要求,提出了一种机械臂卷积神经网络滑模轨迹跟踪控制方法。分析机械臂动力学方程,提取其中的不确定部分,针对不确定部分,构建深度卷积神经网络对其进行补偿,将补偿部分引入到滑模控制律中,通过改进后的滑模控制实现对机械臂轨迹跟踪的精确控制,并通过构建Lyapunov函数论证了系统的稳定性。仿真结果显示该方法能够满足轨迹跟踪要求,且减小了抖振现象。通过与其余三种典型控制方法的对比,测试结果表明,该方法加快了轨迹跟踪误差的收敛,且跟踪精度有了明显的提高。     

基于滑模控制的机械臂轨迹跟踪控制

针对多自由度机械臂轨迹跟踪存在的外部干扰和系统抖振问题,设计了一种干扰观测器结合滑模控制的轨迹跟踪方法.针对干扰问题,采用干扰观测器对系统的外部干扰进行观测;针对控制系统存在的抖振问题,设计滑模控制器进行补偿.采用二自由度机械臂为控制对象进行仿真实验,结果表明,该方法能有效克服外部扰动的同时,有效地削弱了系统抖振,提高...     

机器人滑模轨迹跟踪控制研究

传统的机器人滑模控制通常采用线性PD滑模和等速趋近率．本文基于指数趋近率并 采用PD+PID滑模策略进行机器人轨迹跟踪控制,即首先采用PD滑模,在达到该滑模后,再采 用PID滑模,取得了很好的效果,文章还对各种饱和函数减少抖振的效果进行了比较．     

基于分数阶滑模控制的无人机轨迹跟踪控制器设计

四旋翼无人机在农业、工业和国防等领域广泛应用,但其复杂的系统特性和对扰动的敏感性使得控制变得困难。首先,考虑分数阶方法具有良好的鲁棒性以及调节灵活性的优点,将整数阶积分滑模面和改进的分数阶指数趋近律相结合,设计出了一种新的分数阶积分滑模控制器。然后,将所设计的分数阶积分滑模控制器应用于四旋翼无人机轨迹跟踪控制问题。仿真结果表明,所提控制器作用下的四旋翼无人机进行轨迹跟踪时响应速度快、无超调,且对外界干扰具有较强的鲁棒性。     

基于观测器的全方位平台滑模轨迹跟踪控制

以Mecanum轮型全方位移动平台为对象,建立运动学和动力学模型,研究机器人的观测目标优化控制问题.针对全方位轮特有的滑移和平台的重心偏移等不确定和非线性因素对运动的影响,采用多体动力学软件RecurDyn,构建了包含各种非线性因素的虚拟样机模型.提出采用等效控制的滑模控制器,通过非线性扩张状态观测器,可以实现对系统不确定项和干扰的估计,有效地降低了切换增益.引入双曲正切函数代替符号函数,消除了输出抖振.通过仿真分析,取得了良好的轨迹跟踪效果,表明该方法是有效和可行的.     

基于分层滑模控制的VTOL飞行器轨迹跟踪

针对VTOL飞行器的轨迹跟踪和稳定性问题,在考虑输入耦合前提下,提出了一种分层滑模控制方案.首先,将整个系统分成两个子系统,分别设计两个子系统的滑模面;然后利用其中一个子系统滑模量来构造中间变量,进而构造出整个系统总的滑模面;再利用等效控制法求取系统在该滑模面上的等效控制量,采用李雅普诺夫方法设计了系统的切换控制量,从而获得系统总的控制量.该控制器能够保证各个滑模面的稳定性和误差闭环系统的全局渐近稳定性.最后的仿真结果表明了该方法的有效性和可行性.     

采用滑模变结构控制的轨迹跟踪伺服系统

本文主要阐述采用滑模变结构控制的轨迹跟踪伺系统的设计方法，在选择调节器参数时，采用了对等效控制信号进行补偿的方法，并在小偏差范围内进行比例控制，较好的解决了“颤振”问题。系统利用功率场效应管MOSFET组成PWM高频伺服放大器，采用单片机实现了数字化控制，实验结果表明，该系统具有较好的理棒性。     

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。     

基于收缩反步的不确定机械臂轨迹跟踪控制

针对不确定机械臂系统的轨迹跟踪控制问题,基于干扰观测器原理,提出了一种收缩反步控制算法.首先,采用非线性观测器对系统的模型不确定项和未知外部干扰部分进行观测.然后,使用收缩反步控制求解出控制输入力矩,从而实现对参考轨迹的精确跟踪,并分析二阶闭环系统的增量稳定性和Lyapunov方程解的原点指数稳定性.最后,将上述所提控制律应用于2-DOF机械臂,通过收缩反步与滑模控制的对比仿真,证明其有效性.     

基于PMSM驱动的柔性关节空间机械臂轨迹跟踪控制方法

针对目前柔性关节空间机械臂轨迹跟踪控制方法忽略了不同重力影响下的机械臂驱动力变化,导致柔性关节空间机械臂轨迹跟踪控制效果较差的问题,提出了基于PMSM驱动的柔性关节空间机械臂轨迹跟踪控制方法。基于构建PMSM驱动数学模型,采用PMSM的矢量控制方法,分析驱动力矩矢量。根据驱动力矩矢量分析结果,分析不同重力环境下有、无摩擦时的驱动力矩。构建柔性关节模型,分析其在不同重力环境下遇到的重力释放问题,使用自适应反演滑膜控制方法,设计控制率,保证机械臂能够按照既定的方向运动,使机械臂具有鲁棒性。根据柔性关节空间机械臂动力学特性,分析不同重力环境下基于PMSM驱动力矩,确定重力项是随之发生改变的。设计控制器,构建动力学模型,确保空间阶段能够最大限度跟踪运动轨迹。实验结果表明,所提方法X轴、Y轴的末端跟踪结果均与实际运动轨迹一致,误差为0。关节控制力矩在时间为3s时,出现了最大为0.5N.m的误差,说明所提方法的跟踪控制效果较好。     

基于反步自适应神经网络的船舶航迹控制

针对欠驱动船舶在稳定航速条件下轨迹跟踪问题,提出了一种基于自适应神经网络与反步法相结合的控制算法.该算法将实际的欠驱动船舶视为模型完全未知的非线性系统,利用神经网络的函数逼近特性实现控制器中非线性部分的在线估计,采用同时调整输入层-隐层、隐层-输出层间的权值阵的方法进行神经网络权值调整.通过选取积分型Lyapunov函数证明了闭环系统的稳定性.仿真实验表明该控制策略具有良好的跟踪特性,可以实现对期望航迹的精确跟踪.     

四旋翼飞行器的轨迹跟踪抗干扰控制

针对四旋翼飞行器轨迹跟踪问题中系统存在模型不确定和易受到外界扰动的情况,提出了基于切换函数的扩张状态观测器设计方法来对系统中的扰动进行估计,并将估计值与滑模控制器的设计相结合,实现了对系统中非匹配不确定性和匹配不确定性的抑制且实现了系统跟踪误差的一致最终有界.首先,根据变量间的耦合关系将飞行器系统模型分解为两个子系统模型,设计扩张状态观测器对子系统中的非匹配不确定性进行估计,并将估计值作为变量加入到切换函数的设计中;进而基于切换函数设计扩张状态观测器以估计经切换函数重构系统中的扰动,并在控制器中对扰动进行补偿.最后通过李雅普诺夫理论证明了控制系统的稳定性.通过仿真验证了本文提出的方法能够有效实现飞行器轨迹跟踪控制且能够抑止传统滑模控制的抖振现象.     

作业型飞行机器人抓取后重心偏移的轨迹跟踪控制

作业型飞行机器人是指能够对环境施加主动影响的飞行机器人, 它通常由旋翼飞行器与机械臂组合而成. 本文针对作业型飞行机器人在动态飞行抓取后, 重心位置变化产生的系统控制难题, 设计了有效的跟踪控制策略. 首先, 在系统建模时引入重心偏移系统参数和重心偏移控制参数, 并考虑惯性张量不为常数, 提高了系统建模的精度. 然后, 在姿态解算时, 考虑重心偏移对系统性能的影响, 构建包含重心偏移系统参数的解算方法, 得到更高精度的期望翻滚角和期望俯仰角. 接着, 设计了基于滑模控制的重心偏移补偿位置控制器, 实现了有效的位置跟踪控制. 同时, 在姿态反演控制器的基础上, 加入自适应律估计重心偏移控制参数和变化的惯性张量, 再通过小脑神经网络逼近惯性张量的真实值, 提高姿态控制器的精度. 最后, 给出了所设计控制器的稳定性证明, 并在仿真环境下验证了所提出的方法的有效性和优越性.     

不同重力环境的空间机械臂自抗扰轨迹跟踪控制

针对空间机械臂在地面装调与空间应用时,由于重力环境变化导致机械臂模型发生变化的问题,提出了一种自抗扰控制算法,用于完成空间机械臂轨迹跟踪控制的任务.该算法通过将系统模型及未知外扰作为系统的总和扰动,并利用扩张状态观测器对该扰动进行观测且给予补偿,从而提高了系统抗扰的性能.当机械臂模型随重力环境变化而发生变化时,使用同一个自抗扰控制器对其末端轨迹进行控制,均能取得较好的控制效果.通过对系统的稳定性进行分析,证明了所设计控制器的有效性.将仿真结果与PD控制及自适应鲁棒控制做比较,结果表明该控制算法不仅能适应机械臂模型的变化而且还能有效抵抗系统的扰动,从而使系统具有较强的鲁棒性.     

Robust tracking control of a unicycle-type wheeled mobile manipulator using a hybrid sliding mode fuzzy neural network

This article presents a robust tracking controller for an uncertain mobile manipulator system. A rigid robotic arm is mounted on a wheeled mobile platform whose motion is subject to nonholonomic constraints. The sliding mode control (SMC) method is associated with the fuzzy neural network (FNN) to constitute a robust control scheme to cope with three types of system uncertainties; namely, external disturbances, modelling errors, and strong couplings in between the mobile platform and the onboard arm subsystems. All parameter adjustment rules for the proposed controller are derived from the Lyapunov theory such that the tracking error dynamics and the FNN weighting updates are ensured to be stable with uniform ultimate boundedness (UUB).     

Model-independent position domain sliding mode control for contour tracking of robotic manipulator

In this paper, a new position domain feedback type sliding mode control (PDC-SMC) law is proposed for contour tracking control of multi-DOF (degree of freedom) nonlinear robotic manipulators focusing on the improvement of contour tracking performances. One feature of the proposed control law is its model-independent control scheme that can avoid calculation of the feedforward part in a standard SMC. The new control law takes the advantages of the high contour tracking performance of PD type feedback position domain control (PDC) and the robustness of SMC. Stability analysis is performed using the Lyapunov stability theory, and simulation studies are conducted to verify the effectiveness of the developed PDC-SMC control system. In addition, the effects of control parameters of the SMC on system performances are studied.