基于扰动观测器的机械臂自适应反演滑模控制

机械臂的动力学模型通常包含一定的结构不确定性,并受到外界未知干扰的影响。针对现有模型的不确定性特点,提出了一种基于非线性扰动观测器的自适应反演滑模控制方法,解决机械臂的轨迹跟踪控制问题。对于外界干扰,利用非线性扰动观测器进行观测补偿,无需上界先验知识;对于结构不确定性,引入反演滑模控制,同时设计自适应律,保证闭环系统的稳定性并增强系统的动态适应性。仿真结果证明,所提出的方法可以有效克服系统不确定性,降低控制输入信号的抖振,最终实现期望轨迹的快速精确跟踪。     

自适应神经网络四旋翼无人机有限时间轨迹跟踪控制

针对带有模型不确定性和未知外部干扰的四旋翼无人机轨迹跟踪控制问题,提出一种基于径向基(radial basis function, RBF)神经网络的自适应全局快速终端滑模控制方法,确保系统对期望轨迹的有限时间跟踪。该方法考虑到全局快速终端滑模控制在实际应用中的适应性和抖振问题,利用RBF神经网络替代等效控制量,以神经网络的在线学习能力补偿系统内部的不确定性和未知的外部干扰,有效地降低了系统的抖振;根据Lyapunov方法导出的自适应律在线调整神经网络权值,以保证闭环系统的稳定性。通过一系列仿真算例和飞行实验验证了该方法的有效性与可行性,结果表明:该控制方法相对于滑模控制的抖振更小,具有更好的收敛性和抗干扰能力,同时对模型的参数摄动具有更强的鲁棒性。     

高速列车非线性系统的分数阶有限时间控制器设计

针对具有输入非线性,不确定的气动阻力,未知的车间力,外部扰动以及未知的执行器故障等特征的高速列车非线性系统,结合分数阶稳定性原理以及有限时间控制理论,本文设计了一种分数阶有限时间控制器以实现高速列车更快速且更高精度的跟踪控制.该控制器能够直接补偿高速列车的不确定性和非线性以及执行器故障而不需任何"试错"过程,且稳定时间...     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

漂浮基空间机器人自适应RBF 网络终端滑模控制

主要研究漂浮基空间机器人对工作空间连续轨迹跟踪控制问题．针对系统动力学模型中非线性项未知，以及参数不确定性和外界扰动无法估计的情况，提出了基于自适应RBF网络终端滑模控制方法．该方法结合了非线性滑动流形与径向基函数特性，利用自适应RBF网络在线学习系统中的不确定性，使得无需精确的动力学模型亦能保证系统在有限时间内快速稳定．根据Lyapunov方法设计的自适应增益保证闭环控制系统具有全局稳定性，并且有效抑制抖振现象．针对6关节空间机器人的轨迹跟踪控制仿真表明，提出的自适应RBF网络终端滑模控制方法能够基于不完整动力学模型实现高精度轨迹跟踪，且误差在有限时间内快速收敛，系统抖振也得到了有效抑制．     

基于干扰观测器的机械臂广义模型预测轨迹跟踪控制

为实现对多自由度机械臂关节运动精确轨迹跟踪,提出一种基于非线性干扰观测器的广义模型预测轨迹跟踪控制方法。针对机械臂轨迹跟踪运动学子系统,采用广义预测控制（Generalized Predictive Control,GPC）方法设计期望的虚拟关节角速度。对于机械臂轨迹跟踪动力学子系统,考虑机械臂的参数不确定性和未知外界扰动,利用GPC方法设计关节力矩控制输入,基于非线性干扰观测器方法实时估计和补偿系统模型中的不确定性。在李雅普诺夫稳定性理论框架下证明了机械臂关节角位置和角速度的跟踪误差最终收敛于零的小邻域。数值仿真验证了所提出控制方法的有效性和优越性。     

基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

基于自适应滑模的欠驱动无人艇轨迹跟踪控制算法

针对欠驱动水面无人艇在航行过程中存在的海洋环境干扰、数学模型参数不确定、执行器故障等问题,提出了一种基于扰动观测器与神经网络技术的自适应滑模轨迹跟踪策略。在无人艇三自由度模型的基础上,结合视线制导率,提出了一种新的轨迹跟踪制导策略。采用自适应滑模控制技术设计了欠驱动无人艇轨迹跟踪控制器,有效地抑制了执行器衰减故障对无人艇控制系统的影响;同时运用了非线性扰动观测器和自适应径向基函数神经网络分别对无人艇受到的外界干扰和模型参数不确定性进行补偿和拟合,提高了控制系统的抗干扰能力。基于Lyapunov定理证明了所设计的控制系统的稳定性,并在MATLAB中进行了仿真测试。仿真结果表明,所提出的轨迹跟踪控制算法可以在较为复杂的环境下实现对欠驱动无人艇的精准控制;相较于对比算法,位置的平均跟踪误差减小了80%以上,具备较高的稳定性和鲁棒性。     

基于干扰观测器的非线性不确定系统自适应滑模控制

本文研究了一类基于非线性干扰观测器的多输入多输出非线性不确定系统的边界层自适应滑模控制方法并应用于近空间飞行器高精度姿态控制.考虑系统存在不确定性和外部干扰上界未知的情况,设计了基于干扰观测器的边界层自适应滑模控制器,以消除传统滑模控制中的"抖振"现象,使跟踪误差趋近于零.同时,利用李雅普洛夫方法严格证明了闭环系统的稳定性.最后将所研究的自适应滑模控制方法,应用于某近空间飞行器的姿态控制中,仿真结果表明在不确定性和外部干扰作用下能保证姿态控制的稳定性,对参数不确定具有较好的鲁棒性.     

基于固定时间扰动观测器的四旋翼无人机轨迹跟踪控制

针对六自由度小型四旋翼无人机在轨迹跟踪控制过程中,单一控制器构成的控制系统存在外部未知干扰,系统的鲁棒性以及轨迹跟踪精度容易产生较大的波动问题,该文章提出了一种基于固定时间扰动观测器的全闭环控制方案,即针对位置与姿态的双闭环控制;首先利用固定时间理论设计了两个扰动观测器,在固定时间内对扰动做出估计并进行补偿;在此观测器对扰动值的精确估计基础之上,设计了两个具有扰动补偿能力的非线性跟踪控制器;李雅普诺夫稳定性理论证明了所述方法的有效性;仿真实验中,为对比所述控制方法的有效性,同时采用传统单一控制器构成的无人机控制系统进行对比分析;在无人机质量为m=1.44 kg、环境重力加速度为g=9.8 m/s2以及其他模型参数一致的前提下,进行大量的仿真实验验证了所提出的基于固定时间扰动观测器的扰动补偿控制系统,能够保证小型四旋翼无人机六自由度受到复杂外部干扰时准确估计出外部干扰值,并实现无人机进行高精度轨迹跟踪控制,且轨迹跟踪精度与抗扰性能皆优于传统单一控制器构成的无人机控制系统.     

具有未知负载扰动的水井钻机电液伺服系统无模型自适应控制

针对电液伺服系统在水井钻机推进工况下存在的参数不确定以及未知负载扰动突变等非线性因素,提出了基于径向基(RBF)神经网络扰动观测器的无模型自适应控制方法.首先,通过改进的无模型自适应控制动态线性化方法,将被控系统线性化为与输入输出相关的增量形式,并将未知负载扰动合并到一个非线性项中;然后,设计了径向基神经网络扰动观测器对含有未知负载扰动的非线性项进行估计,作为对未知扰动的补偿;最后,设计了时变参数估计律,通过在线调整伪偏导数,给出了电液伺服系统的控制更新律.仿真结果表明,所设计的控制器能够对未知负载扰动突变进行补偿,并能确保跟踪误差有界收敛.     

RBFNN结合自适应边界的机器人手臂轨迹跟踪控制系统设计

针对机器人手臂动态模型中存在动态不确定性问题,提出一种结合径向基函数神经网络(RBFNN)和自适应边界控制的机械臂轨迹跟踪方法;利用RBF神经网络在线学习系统中现有的结构化和非结构化不确定性,近似补偿未知动态部分;利用自适应边界来估计非结构化不确定性上的未知边界和神经网络重建误差;通过加权矩阵产生的李雅普诺夫函数证明了该系统具有渐进稳定性;利用三自由度机械臂进行实验,结果表明,相比FFNN控制器,提出的控制器的跟踪误差改进了3～7倍,稳态误差改进了100～1 000倍.     

基于扩张状态观测器的四旋翼吊挂飞行系统非线性控制

针对一类四旋翼飞行器吊挂飞行系统的负载摆动抑制和轨迹跟踪精确控制的问题, 考虑系统存在未知外界扰动和模型动态不确定的情况, 提出一种基于扩张状态观测器(Extended state observer, ESO)的吊挂负载摆动抑制的非线性轨迹跟踪控制方法. 将四旋翼吊挂飞行系统分解为姿态、位置和负载摆动控制三个动态子系统, 分别设计非线性控制器实现欠驱动约束下的解耦控制; 设计一种扩张状态观测器, 用以估计和补偿四旋翼与吊挂负载耦合飞行的未知外界扰动与模型动态不确定性, 并验证了闭环系统的稳定性, 跟踪误差及吊挂负载摆动所有信号的一致最终有界. 最后, 利用Quanser公司的Qball2飞行器进行三维空间螺旋轨迹的跟踪控制, 仿真结果验证了未知干扰下基于扩张状态观测器的四旋翼吊挂飞行非线性控制的有效性和优越性, 实现了四旋翼吊挂系统轨迹跟踪的精确控制和飞行过程中负载摆动的快速抑制.     

输入饱和与姿态受限的四旋翼无人机反步姿态控制

本文针对四旋翼无人机研究了鲁棒反步姿态控制策略.由于四旋翼无人机结构复杂,其非线性数学模型难以精确建立,因此在控制器设计过程中需要综合考虑模型不确定性、未知外部干扰、输入饱和以及姿态受限等因素.针对模型中的不确定项,使用神经网络进行逼近;对于外部未知干扰,使用非线性干扰观测器进行补偿;使用双曲正切函数逼近饱和函数,解决输入饱和问题;同时使用界限Lyapunov函数设计控制器,确保姿态满足限制条件.最后,设计四旋翼无人机反步姿态控制器,并根据Lyapunov稳定性定理证明了闭环控制系统的有界稳定.仿真结果表明了所研究控制方法的有效性.     

基于神经网络干扰观测器的一类不确定非线性MIMO系统H_∞跟踪控制

针对一类具有未知外部干扰及内部不确定性的非线性MIMO系统,提出了基于神经网络干扰观测器的鲁棒跟踪控制方法,用于降低控制器对干扰的要求.设计了基于神经网络的干扰观测器,以逼近由外部干扰、内部不确定性和子系统的交叉耦合组成的复合干扰.根据Lyapunov稳定性理论的参数更新律及所设计的控制器,保证了系统中所有信号的最终一致有界性,并获得了给定的跟踪性能指标.仿真结果证明了该方法的有效性.     

飞行器自适应神经网络时滞控制

在飞行器稳定性控制问题的研究中,针对含有外部扰动、参数不确定性、状态和控制时滞的非线性飞行器系统,提出了一种时滞状态反馈控制与神经网络自适应估计相结合的方法.对非线性系统线性化处理得到飞行器线性模型,并由线性矩阵不等式(LMI)设计反馈控制律;采用径向基函数(RBF)神经网络自适应在线估计策略,对反馈控制律进行补偿以消除未知非线性影响;采用Lyapunov稳定性理论证明了在所设计控制律作用下,闭环系统渐近稳定同时满足H∞性能指标.仿真结果验证了上述方法的可行性及有效性.     

基于神经网络的一类非线性系统自适应跟踪控制

提出一种非线性系统的自适应神经跟踪控制方案。通过利用RBF神经网络对未知非线性系统建模,并用一个滑模控制项消除网络建模误差和外部干扰的影响,从而能够保证闭环系统的全局稳定性和输出跟踪误差渐近收敛于零。     

非线性系统的神经网络自适应滤波器

针对一类具有未知非线性函数和未知虚拟系数的二阶非线性系统，提出了一种神经网络自适应滤波跟踪方法，用RBF神经网络估计出系统中不确定项，将神经网络与滑模控制方法相结合，用李雅普诺夫稳定性分析方法证明了滤波器内的所有信号均有界，选择的神经网络权值调整规律可以消除颤振，抑制外部随机干扰。     

基于RBF神经网络的机械臂自适应控制方法

针对机械臂受内部摩擦和时变扰动等不确定性因素的影响,其轨迹跟踪控制系统的跟踪精度会下降,且影响系统的稳定性,提出一种基于径向基函数神经网络的自适应控制方法。首先,利用RBF神经网络采用离线训练和在线学习的方式对机械臂的动力学模型进行辨识;其次针对机械臂控制系统中的摩擦,设计RBF神经网络自适应控制算法对其进行逼近得到补偿控制量。针对时变扰动和神经网络逼近误差设计鲁棒项,以克服众多不确定性因素带来的影响,同时通过构造李亚普诺夫函数对所设计的控制系统进行稳定性分析;最后,仿真实验结果证明提出的控制方法具有较高的跟踪精度、抗干扰能力和较强的鲁棒性。     

基于RENN 的柔性关节机械臂自适应动态面控制

针对面贴式永磁同步电机驱动的柔性关节机械臂动力学模型具有非线性、不确定性和未知外部扰动等特点,提出一种自适应动态面控制方法来实现其关节轨迹跟踪控制．控制律由动态面技术得到,降低了反推控制器的复杂性．模型不确定因素由递归Elman神经网络在线补偿,神经网络权值自适应律通过Lyapunov稳定性分析推导得到．仿真研究表明,该方法对于载荷不确定和外界扰动具有较强的鲁棒性,与传统动态面法相比,大大提高了柔性关节的位置跟踪精度．