基于变结构方法的机器手臂自适应控制

针对二自由度机器手臂的轨迹跟踪控制中出现的运动学模型参数可能发生改变以及外部状况变化和负荷变化等不确定因素,提出基于滑模变结构补偿方法的径向基神经网络自调节控制律,其中径向基神经网络抵偿了系统参数不确定性和外部扰动量,滑模变结构方法抵消了径向基神经网络的逼近误差,较好地消除了系统未知不确定性的影响。仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性。     

欠驱动船舶自适应神经网络有限时间跟踪控制

针对受动态不确定性和外界未知干扰影响下欠驱动水面船舶的轨迹跟踪控制问题,设计一种有限时间轨迹跟踪控制方案。采用神经网络重构船舶的动态不确定性,通过引入最小学习参数降低计算复杂度,设计自适应律逼近由不确定项和外界干扰组合而成的复合扰动的上界,并基于此设计一种基于最小学习参数的欠驱动船舶自适应神经网络有限时间轨迹跟踪控制方案。通过严格的理论分析后得出,该有限时间轨迹跟踪控制方案能够使闭环系统的所有信号都趋于有界,欠驱动船舶的位姿误差和速度误差都在有限时间内收敛到一个集合。仿真和比较验证了本研究所提出的有限时间控制方案的有效性。本研究中的有限时间控制方案不仅提高了船舶的瞬态性能和稳态性能,且控制器结构简单,更容易应用在工程中。     

欠驱动水面船舶的非线性滑模轨迹跟踪控制

针对模型参数存在不确定性和风、浪、流时变干扰的三自由度欠驱动水面船舶动态轨迹跟踪控制问题,根据滑模控制对系统的不确定性和外界干扰具有鲁棒性的特点,提出了一种新型的非线性滑模控制律设计方法.在设计时根据欠驱动水面船舶的固有特性,船舶在横向上没有驱动,如果要同时控制船舶水平面位置和艏摇角3个自由度的运动,就需要分别引入关于纵向跟踪误差的一阶滑动平面和关于横向跟踪误差的二阶滑动平面来间接设计控制律.仿真结果表明,所设计的控制器能够使船舶跟踪虚拟船产生的参考轨迹,对参数不确定和外界扰动具有强的鲁棒性.     

一类反馈可线性化非线性系统的变结构跟踪控制

研究反馈可线性化的非线性系统的输出轨迹控制问题,由跟踪误差及其导数,积分构成一个矢量滑动面函数Ｓ。以推得趋近控制律。当系统参数具有不确定性时,用变结构滑模理论,设计出相应的鲁棒控制器。最后,作了仿真研究,验证其可行性。     

一种新的AUV路径跟踪控制方法

研究了自主水下航行器(AUV)的路径跟踪问题,将跟踪控制问题分为导引和控制2部分.导引部分基于视线导引(Line of Sight)原理输出AUV的参考航向,针对AUV的参数不确定性及海流干扰等特点,航向控制器采用变结构控制律计算舵角控制输入,在此基础上,将航向控制器与路径跟踪控制器并行结合,构造了文中提出的混合型路径跟踪控制器.文章从理论上证明了控制律的稳定性,仿真结果表明,所设计的控制律可以保证AUV沿期望路径航行,路径跟踪误差快速收敛.     

编队约束下的AUV路径跟踪

研究了自主水下航行器(AUV)编队约束下的路径跟踪问题。将整个系统的误差分为2部分:①各AUV自身的跟踪误差;②AUV的编队误差;在此基础上,针对AUV的参数不确定性以及海流干扰等特点,提出了一种自适应变结构控制律,在滑动面的选取中,同时考虑了AUV的路径跟踪误差以及AUV之间的编队误差。文章从理论上证明了控制律的稳定性,并讨论了控制律实现中路径参数更新律的选取问题。仿真结果表明,所设计的控制律可以使AUV克服海流干扰,达到编队航行的目的,并且考虑编队约束时AUV相互之间的的距离误差比不考虑编队约束时的误差小。     

欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略. 针对欠驱动USV参数不确定问题,运用神经网络自适应方法对欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.     

卫星姿态跟踪的模糊滑模控制器设计

针对刚体卫星的姿态跟踪问题,提出了一种模糊滑模变结构控制器设计方法。首先根据由误差四元数和误差角速度描述的跟踪误差动力学和运动学方程,设计了基于李亚普诺夫方法的滑模变结构控制律。为克服滑模控制中存在的固有的抖振问题,采用模糊控制方法设计了切换控制项。最后对卫星姿态跟踪控制系统进行了仿真研究。结果表明,在参数不确定性及外干扰存在时,所设计的控制方案在实现姿态跟踪控制的同时,对于卫星转动惯量的摄动及外部扰动力矩是鲁棒的。     

非平稳随机循环工况离合器接合优化及跟踪控制

为更好地解决系统参数摄动和外负荷扰动等不确定性因素下离合器接合轨迹可变性及其跟踪偏差带来的接合过程问题,提出了离合器接合轨迹的优化及跟踪控制方法. 以装载机V型工况重载后退换挡中离合器接合过程为研究对象,建立冲击度和滑磨功相结合的二次型性能指标泛函,在干扰矩阵有参数化表达的非平稳随机项下,通过构造Hamiltonian函数并依据Pontryagin极大值原理和解析Riccati微分方程,得到时变最优控制律和权重系数调整下的可变扭矩最优轨迹;为提高非线性特性执行机构参数摄动下最优轨迹的跟踪精度,将接合过程品质优化问题转化为轨迹跟踪的单一目标问题,采用指数趋近律滑模控制方法设计的控制器实现了跟踪误差在0.3%以内的精准跟踪,用Lyapunov理论对其进行了稳定性分析. 数值仿真结果表明,该控制方法降低了离合器接合冲击度及滑磨功,有助于提高离合器接合过程品质,对解决同类问题具有理论性工程参考价值.     

气动人工肌肉关节的饱和自适应鲁棒控制

为了实现脉宽调制(PWM)高速开关阀控制的气动人工肌肉单关节的轨迹跟踪,采用了一种基于不连续映射函数的饱和自适应鲁棒控制(SARC)策略.针对非线性系统中存在的参数不确定性和未建模特性,结合确定性鲁棒控制和自适应控制,保证了控制系统全局稳定性,减小了由于参数的不确定造成的系统不确定性.仿真结果表明,在多组不同建模误差和外加干扰影响下,闭环系统状态都能在有限时间内到达并保持在期望的收敛域内,施加参数自适应律能显著提高跟踪性能     

挠性航天器预设性能自适应姿态跟踪控制

为研究存在外界干扰及未建模动态的挠性航天器姿态跟踪问题,提出了一种基于预设性能方法的自适应姿态跟踪控制策略.预设性能方法利用性能函数和一种误差变换方式,将系统的跟踪误差限制在预先设定的约束范围内,以保证系统响应具有期望的超调、收敛速度以及稳态误差.采用径向基函数(RBF)神经网络来处理由干扰和附件挠性振荡产生的模型未知动态.考虑到存在未知的神经网络逼近误差,为减小控制参数选取的保守性,进一步对逼近误差的上界进行自适应估计.结合权值和逼近误差上界的自适应律,设计了预设性能自适应姿态跟踪控制器.仿真结果表明,使用本方法可以有效补偿干扰及挠性振动所产生的影响,同时使姿态控制系统获得快速平稳的动态过程和给定的稳态跟踪精度.与未采用预设性能的方法相比,所提出的方法在收敛速度、跟踪精度与振荡抑制效果等方面均具有较明显的优势,并且对控制器参数选取的依赖性更低.     

Hybrid H2/H∞ force/position control based on neural networks

A neural network control scheme with mixed H2/H∞ performance was proposed for robot force/posi-tion control under parameter uncertainties and external disturbances. The mixed H2/H∞ tracking performance ensures both robust stability under a prescribed attenuation level for external disturbance and H2optimal track-ing. The neural network was introduced to adaptively estimate nonlinear uncertainties, improving the system' s performance under parameter uncertainties as well as obtaining the H2/H∞ tracking performance. The simulation shows that the control method performs better even when the system is under large modeling uncertainties and external disturbances.     

非匹配不确定非线性系统的鲁棒输出跟踪

针对一类非匹配不确定非线性系统,提出一种鲁棒自适应渐近输出跟踪控制方法,该方法无须已知不确定性函数及其各阶导数上界。基于Lyapunov函数方法,给出了鲁棒自适应控制律以及GCMAC神经网络权值调整算法,通过后一个状态镇定前一个状态,最终达到了对期望输出的渐近跟踪,同时系统状态有界。应用于电液位置伺服系统的仿真结果表明该控制策略是有效的,对系统不确定性和未知干扰具有较强的鲁棒性。     

基于模型不确定补偿的轮式移动机器人反演复合控制

针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。     

欠驱动AUV的鲁棒位置跟踪控制

为了实现具有参数不确定性和外界干扰的欠驱动AUV的水平面鲁棒位置跟踪,基于李雅普诺夫理论,使用反步法设计了一个非线性控制器,并利用滑模控制方法提高控制系统的鲁棒性;为了检验该控制器的性能,选择有时变参考速度的正弦曲线作为参考轨迹,在控制输入受限的情况下,对具有参数不确定性和外界干扰的欠驱动AUV系统进行了数值仿真,结果表明本文设计的控制器能很好地实现欠驱动AUV的水平面位置跟踪控制,具有很强的鲁棒性。     

机器人系统鲁棒轨迹跟踪控制器设计

针对机器人系统的轨迹跟踪控制问题,考虑实际系统中存在的不确定性,基于动态系统终值有界性引理,采用连续状态反馈的方法,设计出一种鲁棒轨迹跟踪控制器。仿真结果表明,此法设计的控制器对机器人系统的参数不确定性具有较好的鲁棒性,可保证不确定性存在情况下跟踪误差的终值有界性。