一种改进的机器人迭代学习控制方法

本文利用学习推理的思想提出了一种改进的迭代学习方法，目的在于改善单纯迭代学习在机器人轨迹控制中对系统负载的依赖性。能对周期性重复工作的机器人轨迹控制在系统模型和负载完全未知的条件下经一周期的试运行后达到准确轨迹跟踪，仿真研究表明，对于Ｐｕｍａ－５６０机械手的轨迹控制精度可达到１％，而且整个控制算法计算量少，完全能满足实时控制要求。     

基于最小扰动BP算法的水下机器人运动控制

针对神经网络学习中学习率起到的重要作用,本文提出一种基于最小扰动的神经网络BP算法,通过建立一个计算动态学习率的算法,在不影响网络学习的情况下,使得网络权值的变化最小,从而提高神经网络的稳定性和收敛的速度,作者运用该神经网络算法设计了水下机器人的运动控制器,实验结果表明,该算法具有良好的学习能力,据此设计的控制器控制效果良好,具有实用价值。     

水下机器人运动控制神经网络的结构与学习方法

对水下机器人运动控制神经网络的结构与学习方法进行了研究,提出了带有局部回归结构的控制器网络结构、分步计算的运作过程、教师样本的生成方法以及变系数学习方法。水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果,验证了本文所提方法的有效性。     

基于虚拟重力的双足机器人迭代学习控制

基于双足机器人在小斜坡上的无源动态行走步态,采用虚拟重力原理,得到各时刻虚拟重力对机器人关节施加的力矩,将其应用于水平面上机器人动态行走控制,结合迭代学习控制方法,实现水平面上动态行走的步态跟踪控制.仿真结果表明,相对普通PID控制方法,结合虚拟重力的迭代学习控制效果良好,具有较强的鲁棒性.     

基于MPSO算法的水下机器人PD控制器

为了解决传统水下机器人运动控制器只针对单独的自由度进行解耦控制,从而忽略了各自由度之间耦合效应的问题,设计了一个新型的PD控制器.该控制器在水下机器人6个自由度动力学模型的基础上,根据实际需要进行简化,利用一个运动控制方程实现4个自由度的运动控制.同时采用改进PSO算法自寻优确定控制方程的参数,以提高效率,减少设计时主观因素的影响.最后以某型AUV(autonomous underwater vehicle)为控制对象及试验平台,针对所设计的控制器进行仿真试验,结果验证了该控制器在水下机器人运动控制中的可行性.     

基于智能PD型迭代学习控制的清扫车路径跟踪控制

针对清扫车在园区固定路段的周期重复性工作特点,提出采用智能PD型迭代学习控制方法的清扫车路径跟踪控制问题.首先,将非线性控制系统转化为紧格式局部线性化数据模型,设计针对清扫车运动学模型的参数更新率,并基于投影算法对未知的梯度参数进行估计,此外,引入迭代差分估计算法,用于估计路面颠簸、车身垃圾重量不断变化等带来的未知扰动...     

工业过程稳态优化中的PD型迭代学习控制

论述在工业过程的稳态优化中，施行迭代学习控制的思想方法，给出了一种ＰＤ型迭代学习算法，分析了算法收敛性，数字仿真结果表明这种控制方法对抑制超调，加快动态响应，减小优化过程对工业生产过程的影响是行之有效的。     

离散非线性系统最优控制迭代算法的二维分析

针对具有终端约束的离散非线性最优控制问题，运用二维系统理论对动态系统优化和参数估计集成算法作了分析．从一个新的角度论证了该算法的最优性及收敛性，并给出了该算法一个易于验证的局部收敛的充要条件和全局收敛的一个充分条件．     

一种机器人学习控制方法的实现

针对具有可重复工作方式的机器人，提出了一种ＰＤ迭代学习控制方法。该方法采用机器人关节角位置信号和关节角速度信号实现控制。文中给出了这种方法在三自由度机器人上的应用实例。     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题，提出一种模糊学习算法，并设计出结构合理的模糊学习控制器，该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制，仿真结果显示控制效果良好，所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

快速路交通流常微分模型的PD型迭代学习控制

针对快速路交通常微分模型,利用快速路交通流具有明显的重复性和周期性等特点,首先,设计了一种快速路交通流常微分模型的入口匝道交通流PD型迭代学习控制算法,并建立了迭代学习误差的收敛性条件;其次,利用λ范数和Bellman-Gronwall引理证明了算法的收敛性.最后,通过数值仿真结果进一步说明了提出的迭代学习控制方法的有效性.     

基于PD运动控制算法的装配机器人设计

根据工业装配机器人的功能要求,设计一种自动装配机器人,给出机器人的机械系统、电路系统和传感器系统设计方案,并在此基础上提出一种基于PD的机器人运行控制算法。该算法根据接收到的传感器信息,准确校正机器人在行走过程中的姿态偏差,使机器人可以按预设的路径自主运动,准确地定位目标,从而实现工件抓取、装配等一系列复杂任务。     

基于二次型优化的迭代学习控制算法

针对线性时不变系统提出了一种基于优化控制理论设计的迭代学习控制算法,该算法基于二次型优化性能指标,利用梯度下降搜索法来拟合迭代学习控制律,仿真结果表明,该算法具有较快的收敛速度,且系统实际输出能够在较小的迭代次数下快速跟踪给定轨迹。     

工业机器人可变增益自适应迭代学习控制研究

为确保执行重复运动的工业机器人位置、速度的跟踪精度,提出一种可变增益自适应迭代学习控制算法。首先在PD反馈部分增加指数可变增益来加快算法收敛速度,然后在参数自适应部分设计广义误差函数来进一步减小轨迹跟踪误差,增强系统稳定性。通过Lyapunov函数对可变增益自适应迭代学习控制算法的收敛性进行了理论证明,最后利用仿真验证了该控制算法能有效减小机器人轨迹跟踪误差,并加快算法的收敛速度。     

具有初态学习的闭环PD型迭代学习控制

针对一类输入时滞非线性系统提出了一种新的学习控制算法,即在任意初始状态条件下系统的输入和初态同时进行学习的闭环PD型迭代学习控制,其中输入利用给定超前法。给出了该算法谱半径形式的收敛条件,并利用算子理论证明了系统在任意初始状态条件下经过迭代后,其输出能够完全跟踪期望轨迹。该算法解决了闭环PD型迭代学习控制的初始状态问题,且放宽了收敛条件。仿真结果表明了该算法的有效性。     

基于克隆选择算法的非线性优化迭代学习控制

为实现对模型不确定的有约束非线性系统在特定时间域上输出轨迹的有效跟踪,将改进的克隆选择算法用于求解迭代学习控制中的优化问题。提出基于克隆选择算法的非线性优化迭代学习控制。在每次迭代运算后,一个克隆选择算法用于求解下次迭代运算中的最优输入,另一个克隆选择算法用于修正系统参考模型。仿真结果表明,该方法比GA-ILC具有更快的收敛速度,能够有效处理输入上的约束以及模型不确定问题,通过少数几次迭代学习就能取得满意的跟踪效果。     

基于分数阶线性系统初态学习的PDα-型迭代学习控制

为了消除任意初始状态对系统的影响,针对一类具有任意初始状态的分数阶线性连续系统,提出了一种具有初始状态学习的开环和开闭环PDα-型分数阶迭代学习控制算法.在Lebesgue-p范数的意义下,利用卷积积分的广义Young不等式在迭代域中给出具有抗干扰的PDα-型算法收敛的充分条件.实验结果表明,该算法能够保证跟踪误差的收...     

改进蚁群算法在机器人路径规划中的应用

机器人路径规划是机器人技术研究中的一项关键技术。针对蚁群算法在求解机器人路径规划中准确性不高以及求解时间长的问题,提出了一种基于改进蚁群算法的机器人路径规划方法,采用栅格法构建了相应的数学模型。为了提高蚁群算法的全局搜索能力,防止算法早熟收敛,在状态转移规则中引入了随机策略;同时引入了基于狼群分配的策略来更新启发式信息,这样可以进一步提高算法的收敛速度。实验结果表明,改进的蚁群算法具有更强的全局寻优能力,求解时间更短,它可以有效地求解机器人路径规划问题。     

动态系统学习控制的两层迭代算法

对于具有重复运动性质的动态系统的学习控制问题,本文提出了一类两层迭代算法．文中针对线性系统和一类非线性系统分别给出了算法收敛性证明．仿真结果表明,适当选取学习参数可加速收敛过程．     

迭代学习模型预测控制算法在锅炉过热汽温中的应用

为提高锅炉经济有效且安全运行,采用一种模型预测控制融入到迭代学习控制的算法,不仅能够迅速准确地完成对期望轨迹的完全跟踪任务,而且具有实时抗外界干扰的能力,加快过热汽温稳定,控制跟踪速度,提高锅炉运行效率。