基于自适应模糊滑模控制的机器人轨迹跟踪算法

针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。     

基于LSTM的无人船轨迹跟踪滑模控制算法研究

针对无人船模型不确定项和外界环境干扰缺乏自适应能力而使无人船乘坐舒适性降低的问题,提出一种基于长短期记忆网络(LSTM)的无人船轨迹跟踪滑模控制算法。LSTM用于补偿无人船模型不确定项和外界环境干扰,从而抑制滑模控制的抖动现象。以一艘游船为基础建立了无人船数学模型,设计滑模轨迹跟踪控制器,同时引入LSTM神经网络对无人船数学模型中的不确定项及外界环境干扰进行控制补偿,并在三种轨迹下进行了MATLAB/Simulink仿真测试。测试结果表明,基于LSTM的滑模控制算法轨迹跟踪精度高于滑模控制算法,轨迹平均绝对误差最高减小62%,LSTM神经网络能显著提高无人船的抗干扰能力。     

绳驱动空中机械臂的自适应分数阶终端滑模控制

针对集总干扰下绳驱动空中机械臂关节空间内高精度轨迹跟踪控制问题,提出了一种基于时延估计技术的自适应鲁棒控制策略。在控制框架中,引入时延估计技术来补偿系统未建模特性、外界扰动及动力学耦合效应;采用分数阶非奇异终端滑模面来加快系统状态量的收敛速度和保证轨迹跟踪控制的精度;添加自适应律来增加控制器的鲁棒性。同时,基于李雅普诺夫稳定性理论分析了闭环系统的稳定性。最后,通过可视化仿真和地面试验对本文所设计控制器的有效性进行了验证,结果表明：与其他两种控制器相比,本文控制器具有较高的轨迹跟踪精度、较好的鲁棒性和较强的抗干扰能力。     

X-Y数控平台的智能力/位置混合控制

提出了一种力/位置混合控制方法.在位置控制部分,采用专家PID位置控制器;在力/位置控制回路,采用基于自适应模糊滑模控制的力控制器,利用第一类模糊逻辑系统逼近控制系统中的不确定项,然后结合滑模控制,设计鲁棒补偿项,并采用切换模糊化滑模控制来抑制外部环境的变化及干扰,仿真结果表明该控制方案使平台系统的鲁棒性和自适应性得到了明显改善.     

永磁直线同步电动机的自适应学习控制

由于没有传动机构,使永磁直线交流同步电机（PMLSM）控制器设计较为复杂.PMLSM对模型不确定性和外扰更加敏感;推力波动等非线性因素对运动精度影响很大.针对上述问题,用自适应学习方法改善PMLSM的轨迹跟踪性能,并对迭代模式和单次运行模式下算法的收敛性进行了证明,通过实验进行了算法验证.该控制方法基于迭代学习,控制器分为两个部分,通过执行重复任务自适应学习项补偿系统的非线性;另一项用于增强系统的鲁棒性,保证系统在单次运动模式下稳定.实验结果表明,这种控制方法可以有效提高PMLSM轨迹跟踪精度.     

基于改进双闭环滑模算法的飞行器轨迹跟踪研究

针对飞行器运动轨迹受外界气流干扰和模型参数不确定性导致复杂空间运动轨迹跟踪精度不足的问题,提出了一种改进的双闭环滑模控制算法提高飞行器轨迹跟踪的精度。该算法中外环位置控制器采用自适应率抑制外界干扰影响,内环姿态控制器利用切换函数自适应模糊器抑制未知干扰力矩和抖振的影响。利用Lyapunov理论验证双闭环控制算法具有全局渐近稳定性。仿真结果表明,改进的双闭环控制算法的姿态角跟踪误差精度由0.02提高到了0.0005,该算法对外界干扰具有较强的鲁棒性,同时能够实现高精度的轨迹跟踪。     

同步发电机的反馈-前馈迭代学习励磁控制

将一种反馈-前馈迭代学习控制算法引入发电机的励磁控制,设计了一种新型的励磁控制器,以调节发电机的功角和机端电压至稳态运行点的极小领域。该控制器采用迭代学习前馈和PID反馈相结合的控制方法,综合了二者的优点,具有在有限时间内迅速精确跟踪期望轨迹,鲁棒性强的特点。仿真结果表明所设计的控制器比采用单一控制方法设计的控制器具有更强的维持机端电压的能力,能有效提高发电机的功角稳定性。     

同步发电机的反馈-前馈迭代学习励磁控制

将一种反馈-前馈迭代学习控制算法引入发电机的励磁控制,设计了一种新型的励磁控制器,以调节发电机的功角和机端电压至稳态运行点的极小领域.该控制器采用迭代学习前馈和PID反馈相结合的控制方法,综合了二者的优点,具有在有限时间内迅速精确跟踪期望轨迹,鲁棒性强的特点.仿真结果表明所设计的控制器比采用单一控制方法设计的控制器具有更强的维持机端电压的能力,能有效提高发电机的功角稳定性.     

基于神经网络的学习控制及其在机器人中的应用

针对一类非线性系统的跟踪控制问题 ,首先提出了一种遗忘因子迭代学习控制算法 ,给出了算法收敛的充分条件 ,然后 ,利用神经网络原理 ,对要求跟踪的新的期望轨迹 ,在系统的历史控制经验基础上 ,用神经网络估计系统的期望控制输入 ,然后将其作为迭代学习控制器的初始控制输入 ,再由迭代学习律逐步改善控制输入 ,使系统的实际输出只需较少的迭代次数就能达到跟踪的精度要求。机器人系统的仿真结果表明了该算法的有效性。     

智能车运动轨迹跟踪算法的研究

针对智能车运动过程中轨迹跟踪精度差的问题,提出了一种基于反演控制算法的智能车运动轨迹跟踪算法。首先,建立智能车的运动学模型;误差模型和动态模型。然后,根据反演控制算法,设计出合理的分部虚拟控制量,并结合李雅普诺夫稳定性分析,设计智能车运轨迹跟踪控制律;最后,在Simulink上进行智能车轨迹跟踪控制的仿真实验。实验结果表明,设计的智能车运动轨迹跟踪算法相比于迭代学习算法或者李雅普诺夫直接法,具有更好的实时性且跟踪精度好,且满足不同车速环境下智能车稳定性的需求。     

基于迭代滑模和扰动观测器的永磁同步电机转速控制

为了提高永磁同步电机（PMSM）控制系统的转速跟踪精度和鲁棒性,抑制其周期性转矩脉动,提出了一种基于积分滑模控制和迭代学习方法的PMSM单环控制策略。控制器采用单环滑模控制策略替代了传统的转速-电流级联控制,简化了控制系统的结构,提高了系统动态响应,通过引入迭代学习控制有效抑制了因电流谐波而导致的转矩脉动,提高了转速稳态控制精度。此外,针对系统存在的外部负载扰动、模型和参数不确定性等,设计了双重扰动观测器估计系统扰动量,提高了系统的鲁棒性。最后,针对所提复合控制策略进行了试验验证。试验结果表明,所提出的控制方法具有良好的动态性能、抗干扰能力和稳态控制精度。     

发电厂主汽温系统的模糊滑模控制研究

电厂主汽温被控对象是一个典型的变参数、强扰动的对象,常规的PID控制器难以满足控制要求。针对此问题,设计一种自适应模糊滑模控制器。该控制策略基于带积分补偿的变结构控制器,并利用自适应模糊控制方法,把滑模控制器中的不确定项进行模糊逼近。利用李亚普诺夫函数证明了控制器的稳定性。将此控制策略应用到电厂主汽温控制系统中,仿真结果显示此控制方法具有较强的鲁棒性和良好的跟踪性能。     

基于自适应迭代学习的机械手轨迹跟踪控制研究

针对具有初始误差的机械手轨迹跟踪控制问题,设计了一种带初态学习的模糊自适应迭代学习控制策略。控制策略中引入了初态学习控制律,放宽了系统初始状态严格重复的限制,利用Lyapunov函数对系统进行收敛性分析,克服了系统全局Lipschitz连续条件的约束,同时设计了模糊控制器对增益以及自适应律参数进行整定,最后将算法应用到机械手控制中,通过与传统自适应迭代学习控制对比,前者收敛速度和精度明显提高,验证了控制策略的有效性。     

基于迭代学习的矿井提升系统跟踪控制

矿井提升机在煤矿开采和生产过程中发挥着至关重要的作用。针对矿料提升过程具有较强重复性的特点,提出迭代学习的提升机速度和位置跟踪控制方法。设计了提升机的D型迭代学习控制器,同时考虑运行过程中出现的非重复性干扰设计了带有滤波器型迭代学习控制器。并采用λ范数证明了系统的收敛性,理论结果表明矿井提升机位置与速度跟踪误差可以收敛到0。同时仿真结果表明,经过30次运行后,跟踪误差几乎收敛到0,迭代学习控制算法可利用矿井作业的重复运行特性可以有效提高提升机的跟踪性能,带有滤波器的迭代学习控制算法可较好地抑制了非重复扰动的影响。     

全方位移动平台模糊滑模轨迹跟踪控制

以麦克纳姆(Mecanum)轮型全方位移动平台为研究对象,建立了运动学和动力学模型。针对全方位轮的滑移和平台的重心偏移等非线性和不确定因素对运动的影响,通过多体动力学软件RecurDyn,构建了包含各种影响因素的虚拟样机模型。采用基于等效控制的模糊滑模控制器,通过模糊切换增益减轻了输出抖振。对比模糊滑模控制和PD控制的仿真结果,表明该方法具有良好的轨迹跟踪效果,为实际全方位移动平台的运动控制提供了有效的研究方法。     

基于非线性终端滑模的码垛机械臂轨迹跟踪控制

针对码垛机械臂的轨迹跟踪控制,提出了一种基于数据驱动的非线性终端滑模控制方法.首先,利用牛顿-欧拉法推导出码垛机械臂的动力学模型,进而将模型等效成离散形式;接着,设计非线性终端滑模面来加快关节角的收敛速度,引人等效趋近律来抑制系统的抖振效应;同时,在萤火虫寻优算法的帮助下解决控制器参数整定问题,以便获得最优的控制性能;最后,通过仿真和试验对所提控制方法的有效性进行了验证.结果表明,该控制方法比积分滑模控制控制具有更高的跟踪精度,能保证码垛机械臂较好地跟踪上参考轨迹,具有一定的工程应用价值.     

原子力显微镜的分数阶PID控制设计

原子力显微镜(AFM)是测量材料物体表面形貌的重要工具。为了实现AFM的高速扫描成像,设计一种基于分数阶前馈-反馈PID控制算法的AFM扫描成像控制器。将分数阶迭代学习控制(FOILC)用于前馈回路,在跟踪过程中对当前周期的误差信息进行学习,实现输出沿迭代轴的快速收敛;在反馈回路中采用分数阶比例积分(FOPI)控制增加高速成像时的精度。轨迹跟踪仿真和实验成像结果表明,该算法能有效提高AFM成像速度和改善系统非线性的影响,在扫描频率为25 Hz时,控制精度达到10~(-5)量级,AFM成像质量得到显著提高。