并联机器人轨迹跟踪变结构控制的研究

本文根据并联机器人控制的特点，将离散变结构理论应用于并联机器人的轨迹控制，引进了离散趋近律的概念，给出了实用的离散变结构控制算法，仿真表明，该方法对并联机器人轨迹踪具有良好的控制效果。     

用于机器人轨迹跟踪的结构控制

实际机器人控制过程中,不确定参数及外部干扰几乎总是存在的,研究考虑了这些因素的机器人控制问题,在理论及应用中都有重要意义。本文考虑了存在外扰及不确定参数时,机器人的轨迹跟踪问题,利用变结构控制理论,结合机器人自身的结构特点,研制了两组控制规律,它一方面对外扰不敏感,另方面不要求精确的机器人参数,也勿需对参数辨识,因而运算简单,易于实现,理论分析及仿真试验都证明了所给控制能保证渐近轨迹跟踪。     

机器人轨迹跟踪的滑变结构控制

本文提出了一种新的机器人轨迹跟踪滑模变结构控制方法，给出了控制系统的设计方法和仿真实验结果。仿真结果表明，当机器人参数在±５０％范围变化且存在能量有限的正态分布随机干扰时，控制系统具有良好的自适应性。     

采用滑模变结构控制的轨迹跟踪伺服系统

本文主要阐述采用滑模变结构控制的轨迹跟踪伺系统的设计方法，在选择调节器参数时，采用了对等效控制信号进行补偿的方法，并在小偏差范围内进行比例控制，较好的解决了“颤振”问题。系统利用功率场效应管MOSFET组成PWM高频伺服放大器，采用单片机实现了数字化控制，实验结果表明，该系统具有较好的理棒性。     

机器人轨迹跟踪自适应控制

本文提出一种新的自适应控制算法,用于补偿机器人动力学方程中的非线性项和消除关节间的耦合。这种简单有效的控制算法,保证了系统在一定的参数变化范围内具有渐近稳定性和良好的控制精度。     

机器人轨迹跟踪的滑模变结构控制

本文提出了一种新的机器人轨迹跟踪滑模变结构控制方法,给出了控制系统的设计 方法和仿真实验结果．仿真结果表明,当机器人参数在±50％范围变化且存在能量有限的 正态分布随机干扰时,控制系统具有良好的自适应性．     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

机器人自适应模型跟踪变结构控制

本文提出了一种机器人自适应模型跟踪变结构控制方案.它具有所要求的瞬态特性,其控制规律以显式的方式给出,而且不需知道系统参数的变化范围,因而适用于多关节的机器人系统.     

自适应神经变结构的机器人轨迹跟踪控制

提出一种神经网络与变结构融合的控制策略用于非线性机器人控制,该方案利用神经网络来自适应补偿不确定模型,并通过变结构控制器消除逼近误差.考虑到局部泛化网络的不足,根据其状态空间的划分,分别对3个区间采用神经网络与变结构的分级与集成控制.该方案能在控制阶段初期及网络逼近区域外使两种控制器共同起作用以保持系统的强鲁棒性,基于Lyapunov理论证明了闭环系统的全局稳定性.仿真结果进一步表明了该方法的优越性.     

基于滑模变结构的空间机器人神经网络跟踪控制

研究了在无需模型估计值的情况下不确定空间机器人轨迹跟踪问题,提出了滑模变结构的神经网络控制方案.首先基于Lyapunov理论设计了一种径向基函数（RBF）神经网络控制器来补偿系统中的未知非线性,该神经控制器能够保证闭环系统的稳定性,而通过利用饱和函数把神经网络和滑模控制结合起来的控制器来不仅可以进一步削弱滑模控制输入的抖振,且当神经网络控制器无效时仍能保证系统鲁棒性.仿真结果证明了该控制器能在初期及强干扰情况下均能达到较好的控制效果.     

一种新的机器人轨迹跟踪滑模变结构控制

该文在传统变结构控制趋近律的基础上,提出一种快速平滑趋近律,并作仿真比较;同时对其滑动模态作改进,引入非线性项,提出一种快速收敛滑动模态。在选择滑动模态的切换方式后,将新的变结构控制器应用于机器人的轨迹跟踪控制中,在对系统的抗干扰能力进行分析后,作了相应的仿真研究。     

机器人滑模轨迹跟踪控制研究

传统的机器人滑模控制通常采用线性PD滑模和等速趋近率．本文基于指数趋近率并 采用PD+PID滑模策略进行机器人轨迹跟踪控制,即首先采用PD滑模,在达到该滑模后,再采 用PID滑模,取得了很好的效果,文章还对各种饱和函数减少抖振的效果进行了比较．     

基于PD控制的机器人轨迹跟踪性能研究与比较

定义同一个Lyapunov函数，分析了基于PD的3种常用机器人轨迹跟踪算法的稳定性和鲁棒性，得到了新的结论，PD加前馈控制按指数收敛到0，PD及修改的PD加前馈控制收敛到一封闭球，增大反馈系数可使球半径任意小，基于PD的轨迹跟踪算法对模型误差及有界不确定性干扰具有鲁棒性，实验研究验证了分析结果，并对3种轨迹跟踪算法的控制性能进行比较。     

空间机器人柔性臂的动力学轨迹跟踪控制

机器人柔性擘控制问题是目前机器人研究中的一个重点和难点，本文动用基于关节的求逆技术，得到了有关大质量负载的空间机器人柔性臂动力学轨迹跟踪非线性控制问题的有效方法，并以一平面二杆空间机器人柔性臂为例进行了控制的仿真研究，仿真研究的结果表明，该方法具有较高的可靠性和良好的控制效果。     

机器人在任务空间的变结构跟踪控制

本文提出了一种面向任务空间的机器人变结构控制算法.该算法不需要从任务空间到关节空间的坐标变换,直接利用任务坐标计算控制力矩.变结构控制的主要思想在于将复杂的切换条件问题离线进行,从而庞复的动力学实时控制的计算问题可以迎刃而解.     

模糊学习控制在SCARA机器人轨迹跟踪中的应用

模糊学习控制以模糊控制提供反馈机制为主体,辅以迭代学习控制提供前馈补偿机制,来实现对期望轨迹的完全跟踪.把模糊学习控制应用于SCARA机器人的轨迹跟踪.仿真试验表明,该方法具有简单实用、跟踪精度高、学习速度快等优点.     

机器人轨迹跟踪的一种自适应神经鲁棒控制

针对不稳定机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制。该控制方案由一个PD反馈和一个神经动态补偿器组成,其特点是不需要系统不确定性上界的先验知识,而且避免了求解惯性矩阵逆,通过利用一个RBF神经网络自适应学习系统不稳定性的未知上界,从而可以有效克服系统不确定性的影响,保证机器人系统的输出跟踪误差渐近收敛于0。     

机器人变结构自适应控制的研究

本文提出了一种新的机器人变结构自适应轨迹跟踪控制，根据滑模存在条件，独立地推导出了一种实时预测滑模参数Ｃ的递推算法，克服了机器人变结构控制中滑模参数选择的盲目性。同时，为了更有效地削弱抖振现象，本文提出了一种新的变边界层厚度的饱和函数方法。本文的控制方案既保证了系统的强鲁棒性，又能实现高精度的快速跟踪控制。以三自由度烟叶搬运机器人为对象的仿真实验结果，表明了本文所采取的控制方法的有效性和可行性。     

一种新型的对角型模糊变结构轨迹跟踪控制器设计

文章试图结合模糊控制和滑模变结构控制的优点,设计一种新的对角型模糊变结构轨迹跟踪控制器。用SISO的对角型模糊逻辑控制取代一种一般的变结构轨迹跟踪控制器的切换控制项,并且增加了动态调整输入和输出空间的功能去增强系统的快速性和灵活性。仿真表明了该控制器具有快速性、较小稳态误差及较强抗干扰能力;所设计的控制器性能良好,具有一定实用价值。     

变结构控制理论在机器人控制中的应用

本文首先简述了机器人控制所存在的问题.阐明了变结构控制的基本原理,然后综述了变结构控制理论在机器人控制中的应用情况.讨论了它们的特点,存在的问题及今后发展的方向.