船舶航向保持的滑模变结构自适应模糊控制研究

针对船舶航向非线性控制系统中存在未知控制增益,参数不确定性和外界干扰的影响,通过引入Nussbaum函数,利用模糊逻辑系统的逼近能力,将多滑模控制与自适应模糊控制相结合,提出一种新的多滑模自适应模糊控制算法,实现了船舶航向的跟踪控制,并且在设计过程中,避免了控制器奇异值问题的发生。借助Lya-punov函数证明了所设计控制器使船舶运动非线性系统中所有信号有界,且跟踪误差收敛到零的某个邻域内。仿真结果表明,所设计的控制器能够快速准确地跟踪设定航向,对参数摄动和外界扰动具有较强的鲁棒性。     

四旋翼姿态轨迹跟踪的滑模鲁棒自适应控制

针对系统中存在的建模不精确、参数不确定及外部扰动的问题,设计了滑模鲁棒自适应控制器,并引入Lyapunov函数对其稳定性进行了证明。利用自适应控制器来修正参数以适应系统对象和扰动动态特性变化,采用滑模鲁棒控制使系统在建模不精确和外部扰动情况下维持系统的动态特性。仿真结果表明,该控制器能有效克服系统存在的不确定性干扰、动态性能好、系统能够获得较高的姿态轨迹跟踪精度。     

带输入饱和的欠驱动水面船参数自适应滑模控制

针对具有外部干扰和输入饱和的欠驱动水面船路径跟踪控制问题,本文提出一种基于饱和补偿辅助系统的参数自适应滑模控制方法。通过以路径上虚拟参考目标点为原点,引入Serrete-Frenet移动坐标系,在此基础上引入切向速度作为虚拟控制输入;结合饱和辅助系统设计具有切换增益和sigmoid函数边界层厚度的参数自适应滑模控制器。此外,利用李雅普诺夫理论证明了闭环系统的全局稳定性,保证跟踪误差收敛到零的任意小领域内。通过与常规滑模控制对比,数值仿真验证所提控制律的有效性和自适应性,不仅可以减弱常规滑模中的"抖振"现象,同时补偿外部干扰和输入饱和误差提高跟踪精度。     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.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.     

液压并联6-DOF平台轨迹跟踪的干扰力补偿

为了消除液压并联6-DOF平台因各支链缸时变的负载耦合,以及摩擦和其他外力的干扰作用而引起的平台动态轨迹抖动现象,根据系统动力学模型的关节空间表达式,对关节干扰力的起因和对其运动的作用进行分析,在关节位置闭环控制基础上,分别设计基于结构不变性原理的支链抗负载干扰补偿器和基于系统模型的自适应滑模干扰观测补偿器,根据系统关节负载的变化率将两种补偿器利用模糊原则组合成综合补偿器,对干扰进行力闭环补偿.AMESim与MATLAB的联合仿真分析结果表明,该控制器使平台在复合干扰力作用下,能够平稳运行,与普通的位置闭环PID算法相比,有效地提高了系统的整体动态跟踪性能.     

水下运载器多变量鲁棒输出反馈控制方法

针对存在较大参数不确定性和仅具有位置、姿态测量的水下运载器的六自由度位姿控制难题,提出一种基于自适应平滑增益滑模观测器和多变量积分Backstepping控制器的非线性控制方法.解决水下运载器的鲁棒输出反馈控制问题,使用基于Lyapunov稳定性理论的设计方法保证观测器 控制器系统的稳定性.设计的自适应平滑增益滑模观测器,克服常规滑模观测器中所存在的高频颤振现象,从而获得较平滑的速度估计值.当存在模型不确定性和有界未知干扰时,可以保证速度估计误差以指数速率收敛至较小的球域内.设计的多变量积分Backstepping控制器,可以保证系统的跟踪误差同样收敛至较小的球域内.以浙江大学正在研制的海王号ROV六自由度控制为研究对象,使用所提出的控制方法与传统PID控制器进行对比仿真研究.仿真结果表明,当存在较大参数不确定性、较强未知外干扰和测量噪声时,所提出的控制方法具有较强的鲁棒性能,可以很好地跟踪参考轨迹,获得较好的动态性能和稳态控制精度.性能明显优于常规PID控制器,并且解决了PID控制器所存在的转艏角设定值不能大于90°的问题.     

基于神经网络滑模的采摘机械臂控制设计

针对二自由度采摘机械臂的位置跟踪控制问题,设计了一种基于神经网络的滑模控制器。其中,神经网络控制器用来估计含有不确定性的滑模控制的等效控制律;鲁棒控制器用来使动态系统始终保持在滑模面上,保证了系统的渐近稳定性,进而实现了采摘机械臂的高精度位置跟踪控制。基于李亚普诺夫稳定性理论设计了自适应律来在线估计系统的不确定性。仿真结果表明:设计的控制器能够实现采摘机械臂对期望位置的精确跟踪,可以满足实际工程的需要。     

基于耦合滑模面的机械臂操作柔性负载系统分布参数控制

针对多变量刚柔耦合的机械臂操作柔性负载系统,提出了一种自适应滑模控制方法,研究了系统存在参数不确定性和外部干扰影响下的位置控制和振动抑制问题。系统动态特性由偏微分方程表示的分布参数模型来描述,避免了集中参数模型导致的溢出问题。基于对柔性负载的能量动态分析,设计了一种自适应滑模控制器,其中滑模面定义为关节角误差、关节角速度误差和柔性负载的根部应变和剪切力的耦合。利用LaSalle不变性原理,证明了闭环系统的渐近稳定性。最后仿真验证了所设计控制方法的有效性。     

基于自适应神经网络滑模观测器的容错控制

针对机电伺服系统可能发生的故障,提出基于自适应神经网络滑模观测器的快速终端滑模容错控制策略.在自适应滑模观测器中引入神经网络估计故障,以提高故障发生时观测器的状态估计精度和故障检测准确性.利用观测器的状态估计值进行状态重构,结合参数自适应技术和快速终端滑模控制方法设计主动容错控制器.针对参数不确定性设计参数自适应率进行估计,并利用前馈补偿技术补偿故障和参数不确定性.针对未知上界的扰动设计具有自适应增益的鲁棒项.利用Lyapunov定理证明所提出的控制方法可以实现系统有界稳定,大量仿真和实验结果验证了控制器在系统发生故障时具有良好的容错能力、控制精度和响应速度.     

基于自适应快速终端滑模的车轮滑移率跟踪控制

针对汽车对连续、快速和稳定的车轮滑移率跟踪控制的需求,提出基于自适应快速终端滑模的车轮滑移率跟踪控制策略. 基于Burckhardt轮胎模型建立车轮滑移率跟踪控制模型,将模型简化过程中的不确定性考虑成复合干扰项,将轮胎侧向力对纵向力的影响考虑成未知参数. 利用双曲正切函数和终端吸引因子设计改进的跟踪微分器,平滑车轮滑移率跟踪误差和估计车轮滑移率跟踪误差的一阶导数. 以车轮滑移率跟踪控制模型和改进的跟踪微分器输出为基础,基于自适应快速终端滑模控制理论,设计对复合干扰项具有强鲁棒性的车轮滑移率跟踪控制律;基于投影算子理论设计自适应律来实时补偿未知参数,利用LaSalle不变性原理证明了闭环系统的渐近稳定性. 利用车辆动力学软件仿真验证提出的控制律的可行性和有效性. 结果表明,提出的车轮滑移率跟踪控制策略具有精度高和鲁棒性强的优点.     

电液比例系统鲁棒自适应动态表面控制

对基于语义网络的产品建模及配置方案的搜索方法进行集成研究,以提高产品配置设计的效率.在相关本体的基础上,建立了基于语义网络的产品模型结构,并据此解析用户所输入的查询语句.基于语义网络的产品模型提供一种定量与定性相结合的一致化的设计实例与需求的表达方式.进一步通过产品的语义网络模型可以获取设计需求的隐含条件,使得需求在设计方案的搜索匹配过程中被更充分地考虑.配置设计方案的搜索则首先利用基于语义网络的推理技术与本体语言RDFS构造待求配置设计问题的语义网络片断,然后通过语义搜索与匹配度计算排序从设计实例库中获取符合当前需求配置设计方案.同时,通过注塑机螺杆为实例的应用证明了基于语义网络的产品模型在支持配置选型设计方案搜索方面的有效性与实用性.相对于传统的产品模型而言,基于语义网络的产品模型更关注属性之间的内部联系,经实例验证基于语义网络的产品模型使得配置设计过程更符合用户的实际需求.     

基于H∞理论的滚珠丝杠进给系统滑模控制

针对滚珠丝杠进给系统的动态特性,建立参数不确定的数学模型. 为了消除参数不确定的影响,设计满足H∞性能的积分滑模控制器. 针对存在的未知干扰,设计指数干扰观测器进行补偿. 分析结果表明,本研究的控制方法具有L₂增益性能. 利用该方法在滚珠丝杠实验台上进行轨迹跟踪实验. 实验结果表明,当使用设计的控制器时,最大跟踪误差为16.85 μm;当使用设计的控制器加上指数干扰观测器时,最大跟踪误差为10.18 μm;在工作台增加25 kg质量块后,当使用设计的控制器加上干扰观测器时,最大跟踪误差为15.61 μm. 实验结果说明所设计的控制器具有较好的性能,并且干扰观测器能够提高控制精度. 与传统的比例-比例积分控制器的对比结果说明本研究的控制方法有较好的综合性能.     

基于动力学干扰力前馈的液压Stewart平台μ综合控制

针对液压Stewart平台存在的动力学耦合强干扰力及液压系统参数不确定性严重影响轨迹跟踪精度的问题,提出了一种基于动力学干扰力前馈的综合控制方案。基于Stewart平台关节空间的逆动力学模型,建立了驱动分支的频域控制模型和动力学干扰力模型,并根据结构不变性原理将动力学干扰力前馈补偿。为提高系统的鲁棒性以及对未建模干扰力的抑制能力,在闭环控制中采用μ综合鲁棒控制器。试验结果验证了该方案的有效性。     

液压驱动四足机器人变刚度力跟踪控制

针对液压驱动机器人在变刚度条件下力控制问题,建立了液压驱动四足机器人系统的阻抗模型和带有弹性负载的阀控缸模型.分析系统刚度变化对系统性能的影响,指出常规控制策略在精确足力跟踪控制中的不足,结合变刚度条件下阻抗模型和电液位置伺服系统的特点,提出实现精确足力跟踪的模糊自适应PID位置内环控制和模糊阻抗外环控制的复合控制策略.在半实物仿真平台上进行变刚度条件下的足力跟踪实验,仿真结果表明：在变刚度条件下,足力跟踪曲线最大超调及稳态误差均小于5%,调整时间基本相同,验证了所提控制策略的有效性.     

遥操作工程机器人改进力反馈控制方法

针对力觉临场感遥操作工程机器人双向液压伺服控制系统,在采用p-f型控制结构时,容易产生反馈力冲击问题,提出了基于T-S型模糊推理逻辑构造一个非线性模糊变增益力反馈系数,构成改进的力反馈控制方法。设计了RBF-PID型参数可调控制器,形成双向液压伺服控制系统,通过实验验证了改进方法的有效性。实验结果表明,改进的力反馈控制方法既能保证从手对主手的位置跟随精度,又能使主手连续的跟随从手受力情况,减小了反馈力冲击现象,增加了力反馈的平顺性。提高了力反馈遥操作工程机器人系统的操作性能和透明度。     

机器人打磨自适应变阻抗主动柔顺恒力控制

为解决工业机器人打磨过程中存在复杂时变非线性耦合与不确定性扰动导致机器人柔顺恒力打磨自适应调节能力不足的问题，首先给出了一种可实现沿轴向平移与旋转运动解耦的力控末端执行器，其次设计了一种自抗扰控制器和一种粒子群神经网络变阻抗控制器分别作为内环控制和外环控制，在此基础上，提出了一种机器人自适应变阻抗主动柔顺恒力控制方法，用于在线自适应优化阻抗参数，动态调节打磨力修正量，实现机器人打磨作业自适应主动柔顺恒力控制。最后采用Lyapunov稳定性理论分析证明了所提出方法的闭环稳定性。通过机器人打磨系统虚拟样机联合仿真实验和机器人平台实物实验，验证了所提出方法的有效性。实验结果表明，所提方法能够较好实现静态与动态期望打磨力跟踪，减小了打磨力波动、力超调量以及打磨初期打磨工具处的冲击力，提高了打磨力控制系统抗扰动稳定性、恒力跟踪性能和动态响应能力，对复杂多变工况机器人打磨作业具有较强的适应性与鲁棒性。     

基于定量反馈理论的液压机驱动系统复合鲁棒控制

针对液压机驱动系统参数摄动和不确定性的特点,建立了系统数学模型,提出了动梁速度外环控制和压力内环控制的分级复合鲁棒控制策略。外环级应用定量反馈理论,设计了鲁棒性较强的速度跟踪控制器和前置滤波器。内环级设计了基于径向基函数的神经网络扰动观测补偿器,运用Lyapunov稳定性定理证明了提出的干扰观测器对扰动抑制的有效性,可在不确定因素存在的情况下实现期望的系统压力跟踪控制。仿真结果表明：该控制方案对系统不确定性的抑制作用明显,且能提高液压机驱动系统的跟踪性能,具有较好的鲁棒稳定性,可有效实现速度切换瞬态过程的平顺性。     

Backstepping adaptive control of hydraulic Stewart platform using dynamic surface

Hydraulic Stewart platform is characterized by nonlinearity for driving system in essence,severe load coupling among the legs,which bring a great difficulty for controller design and performance improvement.Afore controller research is either low in tracking performance and movement smoothness when it ignores the nonlinearity and dynamics coupling,or complex in algorithm and has the need of acceleration feedback or observer when the dynamics coupling and nonlinearity is included.To solve the dilemma,a new controller,backstepping adaptive control of hydraulic Stewart platform using dynamic surface is put forward based on the complete dynamics including the upper platform dynamics and hydraulic nonlinearity in driving system.Asymptotic stability of the whole system is proved by Lyapunov method.The proposed algorithm is simple by avoiding the use of acceleration.The simulation results indicate that the control algorithm performs better than the normal PID controller in control precision,dynamic response and depression of the cross coupling.     

柔性支撑下的Stewart平台速度控制

针对大射电望远镜中舱索系统与Stewart平台存在强动力耦合特点,研究了柔性支撑下的Stewart平台位姿跟踪问题．将两系统的动力学耦合视为对Stewart平台的未知外扰,通过利用高增益状态观测器,提出了柔性支撑下Stewart平台速度控制方法．数值仿真表明该方法有效地抑制了两系统间的动力耦合影响,提高了Stewart平台的扫描精度．