自由漂浮空间机器人末端轨迹优化自适应控制

惯性参数不确定情况下的自由漂浮空间机器人(FFSR)轨迹跟踪控制是当前FFSR自主控制研究的重点与难点之一.针对该问题,提出一种FFSR末端轨迹优化自适应跟踪控制方法.该方法首先基于离散状态依赖黎卡提方程(DSDRE),设计两级DSDRE优化跟踪控制器,然后在控制器输出基础上,通过求解有约束条件下的非线性优化问题实现FFSR惯性参数的辨识,进而根据辨识结果调整控制器相关参数,实现FFSR末端轨迹的优化自适应跟踪控制.最后,采用平面两连杆FFSR模型进行仿真,验证了所提出方法的有效性.     

输入有界的自由漂浮柔性空间机器人轨迹跟踪控制

针对自由漂浮柔性空间机器人轨迹跟踪控制问题, 首先利用拉格朗日和假设模态法建立了动力学模型. 分析系统动力学模型, 综合考虑欠驱动、柔性振动等特点, 将其简化为一种带有柔性振动扰动完全可控的动力学模型; 在此基础上, 考虑控制输入受限, 提出一种自适应状态反馈控制策略. 该策略采用自适应技术实时在线学习柔性振动扰动参数, 从而保证控制律对柔性振动扰动具有良好的鲁棒性; 最后, 基于Lyapunov方法证明了该控制策略能够实现关节期望轨迹的跟踪. 仿真验证了该控制策略对控制输入受限系统轨迹跟踪控制的有效性和可靠性.     

基于神经网络的自由漂浮空间机器人关节空间鲁棒跟踪控制

针对存在不确定性以及干扰的自由漂浮空间机器人关节空间轨迹跟踪问题,提出了一种基于鲁棒控制思想的神经网络鲁棒控制方法.对于控制器中由系统惯性参数不确定性引起的非线性不确定项,利用径向基函数(RBF)神经网络进行逼近,并且利用鲁棒控制器使系统镇定并保证从干扰到跟踪误差的增益小于或等于给定的指标.最后,对本文提出的控制方案进...     

柔性臂漂浮基空间机器人建模与轨迹跟踪控制

利用拉格朗日法和假设模态方法建立了末端柔性的两臂漂浮基空间机器人的非线性动力学方程．通过坐标变换,推导出一种新的以可测关节角为变量的全局动态模型,并在此基础上运用基于模型的非线性解耦反馈控制方法得到关节相对转角与柔性臂的弹性变形部分解耦形式控制方程．最后,讨论了柔性臂漂浮基空间机器人的轨迹跟踪问题,并通过仿真实例计算,表明该模型转换及控制方法对于柔性臂漂浮基空间机器人末端轨迹跟踪控制的有效性．     

自由漂浮空间机器人避奇异规划—跟踪算法

针对路径相关空间内自由漂浮空间机器人无法进行有效跟踪控制的问题,设计了一种避奇异轨迹规划—跟踪算法,用于完成路径相关空间机械臂末端轨迹跟踪控制的任务．首先,分析奇异条件并设定安全边界曲线,求解回避奇异的基座姿态角阈值,从而得到避奇异参考轨迹及初始状态值．接着,利用自由漂浮空间机器人非线性动力学模型具有状态依赖参数的类线性结构特点,基于状态依赖Riccati方程设计跟踪控制器对末端速度进行跟踪,保证闭环系统的局部渐近稳定性．所提方法克服了传统方法将工作空间约束在路径无关空间的缺点．仿真结果表明,该算法具有比比例微分（proportional derivative,PD）控制更高的跟踪精度．同时,在存在输入干扰的情况下仍然能够实现有效跟踪．     

自由漂浮空间机器人回避动力学奇异的轨迹规划

针对非完整约束导致的自由漂浮空间机器人广义雅可比矩阵动力学奇异性问题,提出一种间接求解机器人逆运动学的方案.该方案通过运动方程分解并构造迭代函数,将动力学奇异转换为运动学奇异问题,避免直接求解逆广义雅可比矩阵,解决广义雅可比矩阵动力学参数相关特性问题,仿真结果表明该方法能够有效地实现自由漂浮空间机器人回避动力学奇异的非完整轨迹规划.     

一种笛卡儿空间的自由漂浮空间机器人路径规划方法

针对自由漂浮空间机器人工作时需保证载体姿态稳定的问题,提出了一种笛卡儿空间内载体姿态无扰的自由漂浮空间机器人非完整路径规划方法．首先,基于自由漂浮空间机器人特征方程和角动量守恒方程得到广义雅可比矩阵;其次,出于路径规划的需要,分析了载体姿态无扰的自由漂浮空间机器人可达工作空间;最后,引入相关系数,设计了笛卡儿空间内的无扰向量合成算法．仿真得到的路径规划结果表明机械臂末端达到目标点的同时确保了载体姿态无扰动,从而验证了所提方法的可行性和有效性．     

不确定性自由漂浮空间机器人神经自适应控制

针对具有模型不确定性以及外部干扰下的自由漂浮空间机器人,采用一种整体逼近的神经网络自适应控制方法。该方法采用RBF神经网络对不同重力环境下系统模型的不确定项进行整体逼近,对系统的不确定项进行在线自适应学习。神经网络的逼近误差以及外界干扰由鲁棒项进行消除。该方法不依赖于系统模型,简化了控制系统的结构,在考虑重力等不确定项的情况下不用改变控制器也能进行控制,并且根据李亚普诺夫理论证明了所设计控制器使系统渐进稳定。在不同重力环境下进行了仿真,验证了控制方案的有效性。     

一类非线性系统的扩展状态空间预测控制

针对一类具有输出反馈耦合的离散非线性系统,将过程模型表示为扩展状态空间模型,并利用反馈回路非线性函数在参考轨迹附近的局部线性表示,导出一种具有类似离散PI最优调节器结构并具有未来P步设定值前馈控制的新型预测控制器．因其目标函数中考虑了系统状态的变化,所以控制效果要优于仅考虑预测输出误差的情况．仿真结果表明了它的有效性．     

漂浮基空间机器人的径向基神经网络鲁棒自适应控制

针对一类同时具有参数及非参数不确定性的自由漂浮空间机器人系统的轨迹跟踪问题,采用了一种RBF神经网络的自适应鲁棒补偿控制策略.对于系统的参数不确定性,通过对径向基神经网络来自适应学习并补偿,逼近误差通过滑模控制器消除,神经网络权重的自适应修正规则基于Lyapunov函数方法得到;而非参数不确定通过鲁棒控制器来实时自适应...     

Sliding mode control for trajectory tracking of mobile robot in the RFID sensor space

This paper presents a sliding mode control method for wheeled mobile robots. Because of the nonlinear and nonholonomic properties, it is difficult to establish an appropriate model of the mobile robot system for trajectory tracking. A robust control law which is called sliding mode control is proposed for asymptotically stabilizing the mobile robot to a desired trajectory. The posture of the mobile robot (including the position and heading direction) is presented and the kinematics equations are established in the two-dimensional coordinates. According to the kinematics equations, the controller is designed to find an acceptable control law so that the tracking error will approximate 0 as the time approaches infinity with an initial error. The RFID sensor space is used to estimate the real posture of the mobile robot. Simulation and experiment demonstrate the efficacy of the proposed system for robust tracking of mobile robots. Recommended by Sooyong Lee under the direction of Editor Jae-Bok Song. This work was supported by the Korea Science and Engineering (KOSEF) grant funded by the Korea government (MOST) (No. R01-2007-000-10171-0). Jun Ho Lee received the M.S degree in Mechanical Engineering from Pusan National University. His research interests include factory automation and sliding mode control. Cong Lin received the B.S. degree in Electrical Engineering from Jilin University and the M.S degree in Electrical Engineering from Pusan National University. His research interests include neural network and sliding mode control. Hoon Lim is currently a M.S student in Electrical Engineering of Pusan National University. His research interests include mobile manipulator and sliding mode control. Jang Myung Lee received the B.S. and M.S degrees in Electronics Engineering from Seoul National University, Korea. He received the Ph.D. degree in Computer from the University of Southern California, Los Angeles. Now, he is a Professor in Pusan National University. His research interests include integrated manufacturing systems and intelligent control.     

机械手臂的多模型预测控制

针对机械手臂的非线性特点,提出了基于隶属度函数的多模型预测控制方法。该方法首先根据机械手臂的特点,选择合适的调度变量,将机械手臂的工作空间划分为若干个工作子空间,在每个子空间内的平衡点处对机械手臂进行线性化处理,得到相应的线性子模型,从而得到机械手臂的多模型表示;其次针对每个线性子模型设计局部预测控制器,使其在相应的子空间内达到控制要求;最后选择梯形隶属度函数与局部预测控制器进行加权求和,获得全局多模型预测控制器,以对机械手臂进行控制。仿真结果表明,当机械手臂的工作条件在大范围内变化时,全局多模型预测控制器的控制性能远优于常规PD控制器,达到了预期的控制目的。     

Model predictive control for tracking randomly varying references

This paper proposes a model predictive control scheme for tracking a-priori unknown references varying in a wide range and analyses its performance. It is usual to assume that the reference eventually converges to a constant in which case convergence to zero of the tracking error can be established. In this note we remove this simplifying assumption and characterise the set to which the tracking error converges and the associated region of convergence.     

基于子空间辨识的状态空间模型预测控制

针对无法从工业过程中获得准确状态空间模型的问题,提出一种基于子空间辨识的状态空间模型预测控制方法。利用子空间辨识方法得到的状态空间模型作为系统模型,给出约束条件下的预测控制算法。以CD播放器机械臂系统为例,通过状态空间模型预测控制方法实现对系统输出的跟踪控制,仿真结果表明,该方法控制效果良好。     

机器人鲁棒轨迹跟踪控制系统

根据鲁棒控制理论和机器人的动态特性,针对机器人系统中存在的不确定性因素,利用不确定性的上界设计了一种鲁棒控制器,并将之用于机器人的跟踪轨迹控制,给出了仿真实验结果并与PID控制的结果进行了比较,仿真实验结果表明所设计的鲁棒控制器与PID控制器相比,具有很好的动态特性和很强的鲁棒性。