机器人自适应PID饱和输出反馈控制

针对机器人系统在仅有位置传感、驱动器饱和、存在建模不确定性及干扰等条件下的轨迹跟踪控制问题,提出了一种新的自适应PID控制方案。采用高精度滤波器估计机器人关节速度,采用带饱和函数的控制器限制输出力矩,采用自适应PID控制器补偿建模不确定性和干扰。通过Lyapunov直接法,证明系统的稳定性。最后以两关节机器人为例,给出仿真实验结果,验证了算法的有效性。     

水下机器人的神经网络自适应控制

研究了水下机器人神经网络直接自适应控制方法,采用Lyapunov稳定性理论,证明了存在有界外界干扰和有界神经网络逼近误差条件下,水下机器人控制系统的跟踪误差一致稳定有界.为了进一步验证该水控制方法的正确性和稳定性,利用水下机器人实验平台进行了动力定位实验、单自由度跟踪实验和水平面跟踪实验等验证实验.     

水下机器人高度信息融合与欠驱动地形跟踪控制

研究了配置高度计和多普勒速度计(DVL)的欠驱动水下机器人地形跟踪控制问题.采用Takagi-Sugeno推理方法对高度计和DVL两种传感器的高度信息进行融合,提高了高度信息感知能力.将地形跟踪分为速度控制和深度控制问题,分别使用S面控制方法设计速度控制器和反步法设计欠驱动深度控制器.最后,通过实际海洋实验对研究的方法进行了验证,实验结果表明该文提出的方法是有效的.     

带有海浪滤波器的船舶航向反步自适应输出反馈控制

针对复杂海况下船舶航向控制中的模型非线性、参数不确定和海浪扰动问题,提出了一种基于反步法的非线性自适应输出反馈控制算法.首先基于无源理论设计了一种状态观测器以实现海浪滤波和状态估计,这种观测器无需海浪扰动的方差信息从而减少了观测器参数数量.然后假定系统模型参数未知,基于反步法给出了非线性控制律和参数自适应律.利用Lyapunov理论证明了这种自适应输出反馈控制系统的稳定性.仿真结果表明本文所提控制器具有较好的控制性能,对不确定性模型参数具有良好的自适应性.     

压电陶瓷驱动平台自适应输出反馈控制

压电陶瓷驱动平台的精度和动态特性主要取决于所设计的控制器是否可以有效地补偿压电陶瓷固有的迟滞特性. 针对这一问题, 提出了一种基于神经网络 (Neural network, NN)的自适应输出反馈控制策略. 为了避免压电陶瓷速度测量噪声的影响, 采用高增益观测器对压电陶瓷平台的速度状态进行估计; 为了克服压电陶瓷的迟滞非线性特征, 采用神经网络动态补偿策略; 针对神经网络逼近误差和观测器估计误差, 控制器设计中增加了鲁棒控制项. 最后应用Lyapunov 稳定性理论证明了所提出的控制器的收敛性问题. 仿真实验表明了所提控制方法的有效性.     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

水下机器人神经网络自适应逆控制

水下环境的复杂性以及自身模型的不确定性，给水下机器人的控制带来很大困难。针对水下机器人的特点和控制方面所存在的问题，提出了基于预测—校正控制策略的水下机器人神经网络自适应逆控制结构及训练算法。通过在线辨识系统的前向模型，估计出系统的Jacobian矩阵，然后采用预报误差法实现控制器的自适应。同时，为了提高系统对于外扰的鲁棒性，在伪线性回归算法的基础上，在评价函数中引入微分项。理论分析和仿真结果表明，与原来的算法相比，微分项的引入改善了系统对于外扰的鲁棒性和动态性能。     

水下机器人自适应卡尔曼滤波技术研究

水下机器人的位置和速度传感器受环境影响较大,数据滤波问题是运动控制的核心问题之一.给出了离散型卡尔曼滤波的基本方程,描述了卡尔曼滤波所具有的两个计算回路:增益计算回路和滤波计算回路.建立了水下机器人状态方程和量测方程,并在此基础上采用了自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析.引入了渐消记忆指数加权方法.对时变噪声统计中,强调了新近数据的作用.避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响.滤波效果分析表明此方法能达到很好的滤波效果.     

一种自治水下机器人垂直面避碰规划方法

为提高自治水下机器人在垂直面跨越坡型、台阶型障碍的能力,提出了一种基于模糊控制的垂直面避碰规划方法.该方法以避碰声纳的输出作为输入,垂直面的深度调节量作为输出,直接建立了从障碍感知到避碰行为的映射.半物理仿真实验表明,该方法有效提高了某型自治水下机器人垂直面操纵性能,具有反应迅速、稳定性好、便于工程实现的优点.     

基于神经网络的欠驱动水下机器人三维同步跟踪和镇定控制

研究了欠驱动水下机器人的三维同步跟踪和镇定控制问题,并考虑了模型参数不确定性、未知外界干扰和输入饱和限制的影响.针对不同类型期望轨迹的特性,构造了新的辅助虚拟信号以实现对欠驱动方向的控制.基于反步法和Lyapunov直接法,设计了一种饱和自适应统一动力学控制律,使得AUV的状态误差最终收敛至零点附近的有界区域内,其中未...     

一种水下机器人运动的过程神经元控制

过程神经网络是传统神经网络的拓展, 增加了一个对于时间的聚合算子, 从而更好地模拟了生物神经元的信息处理机制. 这是由于水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量. 结合S函数和预先规划思想, 建立水下机器人过程神经元的运动控制模型. 仿真试验证明,该新型控制模型, 对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.     

一种基于混沌过程神经元水下机器人运动控制方法

由于系统的强非线性以及不确定性,同时考虑到港湾环境下水声信号的噪声大,水下机器人进行精确作业时的运动控制一直是其实用化过程中困挠人们的问题。过程神经网络是传统神经网络的拓展,它增加了一个对于时间的聚合算子,使网络同时具有时空二维信息处理能力,从而更好地模拟了生物神经元的信息处理机制。水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量。在基本神经元模型上,结合S函数和预先规划思想,建立水下机器人过程神经元运动控制模型,参数学习过程中,将遍历性的渐变混沌噪声引入其中,增强控制器全局优化能力。仿真试验表明,该新型控制模型,对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等各种优点。     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

具有PID反馈增益的自主水下航行器反步法变深控制

本文针对海底地形测绘时自主水下航行器(autonomous underwater vehicle,AUV)的变深控制问题,提出具有PID增益调节的AUV深度控制方法,基于反馈增益的反步法设计控制器,避免了采用传统反步法导致控制器中存在虚拟控制量的高阶导数问题;基于李雅普诺夫稳定性理论设计控制器参数消除了部分非线性项,得到的控制器的线性部分为状态变量的线性组合,具有PID控制器参数调节的形式;针对存在建模不精确、外界干扰和测量噪声时的闭环系统鲁棒性进行分析,保证了误差系统在扰动作用时的一致最终有界性.最后通过仿真实验验证了本文设计的控制器的有效性.     

Stabilization of uncertain chained nonholonomic systems using adaptive output feedback

In this paper, adaptive output feedback control is presented to solve the stabilization problem of nonholonomic systems in chained form with strong nonlinear drifts and uncertain parameters using output signals only. The objective is to design adaptive nonlinear output feedback laws which can steer the closed‐loop systems to globally converge to the origin, while the estimated parameters remain bounded. The proposed systematic strategy combines input‐state scaling with backstepping technique. Motivated from a special case, adaptive output feedback controllers are proposed for a class of uncertain chained systems. The simulation results demonstrate the effectiveness of the proposed controllers. Copyright © 2009 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法

本文研究了存在模型不确定以及外界未知扰动情况下的自主式水下航行器(AUV)的三维路径跟踪控制问题. 针对此问题, 首先利用时标分离原理及正交投影Serret-Frenet坐标系建立了描述AUV质心运动及姿态运动的的仿射非线性数学模型. 其次, 在控制器设计中运用神经网络H∞鲁棒自适应算法克服了模型的不确定性及扰动, 同时在控制器设计中利用了主导输入的思想, 降低了闭环系统的复杂度, 减少了实时计算工作量, 便于工程应用. 基于Lyapunov理论的分析保证了系统的稳定性. 仿真结果表明, 路径跟踪控制律可以保证AUV沿期望路径运动, 并且具有良好的动态性能.     

Robust control of variable speed autonomous underwater vehicle

Set point tracking control of autonomous underwater vehicle (AUV) via robust model predictive control (RMPC) is considered. Input-constrained RMPC with integral action, which has been developed in our previous work, is used to control the AUV in this study. In order to derive a RMPC control rule, non-linear dynamics of AUV with six degree of freedom is linearized at certain operating points. So, horizontal and vertical plane dynamics of system are represented by linear models which have polytopic uncertainties. Since the derived control rule will be used in real time, the computation time should be reduced. To overcome this computational time problem and get rid of trial–error step of Algorithm 1, a new algorithm is proposed here. The simulations are carried out using the control rule based on this algorithm and these results are presented.     

基于状态观测器的迟滞非线性系统输出反馈控制

利用Preisach模型与其边界线之间的映射关系建立了容易在线更新的迟滞模型．将模型和径向基网络相结合，针对一类动态多映射迟滞非线性系统设计了输出反馈控制器．应用LyaPunov定理得到系统控制律和神经网络权值更新律，从而保证了闭环系统的跟踪误差及网络权值偏差收敛到原点的某个有界邻域内．