神经网络滑模控制下肢外骨骼机器人的轨迹跟踪

针对下肢外骨骼机器人行走稳定性与步态轨迹跟踪控制问题,对下肢外骨骼机器人三连杆模型进行动力学建模与轨迹仿真。通过拉格朗日法建立下肢外骨骼机器人的动力学模型,设计了神经网络自适应滑模控制算法。引入神经网络,对下肢外骨骼机器人步态轨迹跟踪系统的不确定项进行逼近,在控制器中采用了改进的趋近律,使用李雅普诺夫稳定性理论进行了稳定性分析,并通过MATLAB对改进后的控制算法进行了仿真验证。仿真结果表明,采用该算法对具有关节摩擦和外界环境干扰的下肢外骨骼机器人进行轨迹跟踪时,具有较好的跟踪效果;通过改进的趋近律,能削弱系统的抖振。相比于基于计算力矩法的滑模控制,该控制算法有更好的跟踪效果,能应用到下肢外骨骼机器人行走的稳定性和步态轨迹跟踪控制中。     

Stewart平台神经网络非奇异终端滑模控制

针对Stewart平台的六自由度（six degrees of freedom, 6-DOF）轨迹跟踪问题,提出一种基于神经网络的非奇异终端滑模控制方法并应用于Stewart平台的位置姿态控制中。通过分析Stewart平台的位置反解和速度反解,建立运动学方程,利用牛顿-欧拉方程建立动力学方程,并结合加速度反解得到了平台的状态空间表达式;基于非奇异滑模面函数,设计非奇异终端滑模控制律。考虑到径向基函数（radial Basis function, RBF）神经网络的逼近特性,采用RBF神经网络对模型未知部分进行自适应逼近,并利用Lyapunov第二法设计了自适应律;通过仿真证明控制器设计的有效性。仿真结果表明,相比于比例积分微分（proportional integral derivative,PID）控制器,提出的RBF神经网络非奇异终端滑模控制器具有更好的轨迹跟踪精度和动态特性。     

冗余驱动并联机械手的混合位置/力自适应控制

针对冗余驱动并联机构研究一种自适应的混合位置/力控制算法.基于并联机构中约束 子流形的几何性质,将冗余驱动并联机构的逆动力学自然投影到位形空间和约束力空间.基于投 影方程,提出一种统一的具有渐进稳定性的自适应混合位置/力控制算法.采用最小二范数准则 求解冗余解问题,实现了实际驱动关节力矩的优化.仿真结果验证了控制方法的有效性.     

多关节机械臂轨迹跟踪自适应神经网络滑模控制

针对不确定干扰和建模误差对多关节机械臂轨迹跟踪控制系统造成的不良影响,对基于滑模控制的自适应神经网络滑模控制算法进行了研究。通过神经网络,对多关节机械臂轨迹跟踪控制系统的不确定干扰和建模误差进行逼近。添加自适应项,补偿神经网络滑模控制中神经网络模型对系统中的不确定干扰和建模误差的逼近误差。设计了具有指数趋近律的滑模面,以提升多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度。使用李雅普诺夫稳定性理论,证明了多关节机械臂轨迹跟踪控制系统的半全局稳定性,并通过MATLAB对理论结果进行了仿真验证。仿真结果表明,对具有不确定干扰和建模误差的多关节机械臂轨迹跟踪控制系统,采用该算法进行轨迹跟踪时,具有较好的稳定性与鲁棒性。该控制算法能合理应用到此类轨迹跟踪控制系统中。     

基于自适应反作用零空间控制的大型非合作目标动力学参数实时辨识仿真

针对小型空间机器人抓捕大型空间非合作目标时被抓捕目标初始动量未知且不为0、实时辨识过程中基座姿态受扰动较大的问题,采用自适应反作用零空间控制方法保证在轨实时参数辨识阶段基座姿态受到的扰动最小,建立含有目标动力学参数的动量增量方程,根据在轨实时测量的基座线速度、角速度和机械臂关节角度、角速度求解目标的未知动力学参数.数值仿真结果表明,该方法在辨识过程中可实现空间机器人基座姿态较小的扰动,而且在初始动量未知且不为0的情况下能够实时高精度辨识出大型非合作目标的动力学参数.     

空间三关节机器人模糊积分滑模控制

研究提高关节机器人轨迹跟踪控制的性能,由于关节机器人运动中产生振动,影响系统的稳定性能。为解决上述问题,提出了一种反馈线性化的自适应模糊积分滑模控制方法。在上述方法的基础上,对机器人非线性动力学模型反馈线性化。为了进一步提高滑模控制的精度,设计了一种积分滑模面的滑模控制器,可以减弱积分滑模控制的抖振。通过设计一个模糊控制器,根据积分滑模面的大小自适应地调节积分滑模控制的切换部分,达到削弱抖振的目的。利用李亚普诺夫定理证明了控制系统的稳定性。仿真结果表明,改进方法有效地提高了关节机器人跟踪控制性能。     

基于观测器的水下机器人神经网络稳定自适应控制

给出了基于观测器的水下机器人神经网络自适应控制算法．控制算法由3部分组成：输出反馈控制、神经网络以及滑模项，其中输出反馈控制为了保证系统的初始稳定性；神经网络用于逼近系统的非线性动力学；滑模项用于补偿和抑制系统的外部扰动、神经网络逼近误差等．控制算法中所需要的速度量由状态观测器来提供．基于Lyapunov稳定理论给出了系统闭环稳定条件和稳定域．水池试验结果验证了算法的有效性．     

漂浮基空间机器人自适应RBF 网络终端滑模控制

主要研究漂浮基空间机器人对工作空间连续轨迹跟踪控制问题．针对系统动力学模型中非线性项未知，以及参数不确定性和外界扰动无法估计的情况，提出了基于自适应RBF网络终端滑模控制方法．该方法结合了非线性滑动流形与径向基函数特性，利用自适应RBF网络在线学习系统中的不确定性，使得无需精确的动力学模型亦能保证系统在有限时间内快速稳定．根据Lyapunov方法设计的自适应增益保证闭环控制系统具有全局稳定性，并且有效抑制抖振现象．针对6关节空间机器人的轨迹跟踪控制仿真表明，提出的自适应RBF网络终端滑模控制方法能够基于不完整动力学模型实现高精度轨迹跟踪，且误差在有限时间内快速收敛，系统抖振也得到了有效抑制．     

基于滑模控制器的双臂机器人控制仿真

针对工业机械臂运动控制中由于建模误差和未知干扰导致的控制误差问题,基于机器人力矩控制方法,采用滑模控制理论,利用关节角运动误差,设计并搭建机器人控制系统。以安川Motoman-SDA20机器人为例,对该机器人进行了运动学与动力学分析,搭建相关数学模型,并针对该机器人系统设计了滑模运动控制器。在机器人仿真环境VERP与Simulink中搭建联合仿真平台,对虚拟环境中的机械臂进行运动控制仿真试验,验证了算法的有效性。试验对比了逆运动学控制与滑模控制算法效果,同时对滑模控制算法在机械臂定点运动与轨迹跟踪中的控制效果进行了验证与分析。该控制算法计算过程简明、便于设计。利用VERP仿真平台,获得了更加直观的效果,实现了存在较大建模误差与较小控制频率下的机械臂位置控制,角度误差在0. 3 rad以内。该研究对于机器人控制算法的研究与仿真环境的搭建具有借鉴意义。     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.     

A Neuro-Sliding Mode Control Scheme for Constrained Robots with Uncertain Jacobian

The joint robot control requires to map desired cartesian tasks into desired joint trajectories, by using the ill-posed inverse kinematics mapping. In order to avoid inverse kinematics, the control problem is formulated directly in task space to gives rise to cartesian robot control. In addition, when the robot is constrained due to its kinematic mappings yields a stiff system and an additional complexity arises to implement cartesian control for constrained robots. In this paper, an alternative approach is proposed to guarantee global convergence of force and position cartesian tracking errors under the assumption that the jacobian is not exactly known. A neuro-sliding mode controller is presented, where a small size adaptive neural network compensates approximately for the inverse dynamics and an inner control loop induces second order sliding modes to guarantee tracking. The sliding mode variable tunes the online adaptation of the weights. A passivity analysis yields the energy Lyapunov function to prove boundedness of all closed-loop signals and variable structure control theory is used to finally conclude convergence of position and force tracking errors. Experimental results are provided to visualize the expected performance.     

仿生假手抓握力控制策略

为了使仿生假手完成各种精细作业,提出一种抓握力控制策略.在自由空间和约束空间中分别使用基于位置的阻抗控制和力跟踪阻抗控制.在过渡过程中使用模糊观测器切换控制模式.两种控制模式采用同一个基于位置的阻抗控制器,在约束空间向阻抗控制器中引入参考力,以满足约束空间的抓握力控制要求.这种方法可以使关节在自由空间和约束空间中分别实现良好的轨迹跟踪和力矩跟踪,在过渡过程中实现控制模式的可靠切换和系统的稳定过渡.提出一种自适应滑模摩擦力补偿方法,利用终端滑模思想设计了滑模函数,使得系统跟踪误差在有限时间内收敛,避免了传统线性滑模面状态跟踪误差无法在有限时间内收敛至0的问题.根据指数形式摩擦力的特点,利用终端滑模控制思想获得包含摩擦力参数估计的滑模控制律,并基于李亚普诺夫稳定性定理推导了估计参数的在线自适应律.对该抓握力控制策略在HIT假手上进行了抓取实验,实验结果证明了控制策略的有效性.     

Adaptive terminal sliding mode control for rigid robotic manipulators

In order to apply the terminal sliding mode control to robot manipulators, prior knowledge of the exact upper bound of parameter uncertainties, and external disturbances is necessary. However, this bound will not be easily determined because of the complexity and unpredictability of the structure of uncertainties in the dynamics of the robot. To resolve this problem in robot control, we propose a new robust adaptive terminal sliding mode control for tracking problems in robotic manipulators. By applying this adaptive controller, prior knowledge is not required because the controller is able to estimate the upper bound of uncertainties and disturbances. Also, the proposed controller can eliminate the chattering effect without losing the robustness property. The stability of the control algorithm can be easily verified by using Lyapunov theory. The proposed controller is tested in simulation on a two-degree-of-freedom robot to prove its effectiveness.     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

具有时滞的柔性关节多机械臂协同自适应位置/力控制

由于关节机械臂长期运行后,齿轮间隙扩大产生的时间滞后将使得系统跟踪性能降低.针对此问题,本文提出了一种自适应位置/力控制策略来保证闭环系统稳定性以及位置/力跟踪性能.首先,对多机械臂和物体系统进行任务空间动力学建模.随后,利用Pade理论将时间滞后近似为二阶有理分式.同时,利用神经网络自适应算法克服模型建模误差对系统稳定性的影响,利用同时包含位置误差和力误差的线性滑模项,设计位置/力控制器.通过李雅普诺夫稳定性理论,证明控制策略能实现位置误差和内力误差的渐近收敛.最后,仿真验证证明所设计控制策略的有效性.     

考虑关节柔性的绳驱动空中机械臂关节空间鲁棒控制

空中机械臂在外部环境交互作业方面表现出很强的研究和应用价值,但当前系统位姿控制性能较弱、负载能力不足以及续航时间短的问题严重制约其作业能力的提升.鉴于此,设计一种带有绳驱动机械臂的新型空中机械臂系统,并将引入绳驱动机制带来的柔性效应等价到关节处,建立考虑关节柔性的刚柔耦合动力学模型.首先,针对系统在集总干扰下的关节空间轨迹跟踪控制,采用线性扩张状态观测器对集总干扰进行估计和补偿,并采用超螺旋算子和分数阶非奇异终端滑模以保证系统在到达阶段和滑模阶段均有较好的控制性能;然后,在Lyapunov稳定性框架下验证所设计控制器的稳定性;最后,通过可视化仿真和地面实验对所设计控制器的有效性进行验证.实验结果表明,所设计的鲁棒控制器比其他两种现有的控制器具有更快的响应速度、更强的抗干扰能力以及更高的跟踪精度,能够满足绳驱动空中机械臂的控制需求.     

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...     

Real‐Time Results for High Order Neural Identification and Block Control Transformation Form Using High Order Sliding Modes

In this paper, real‐time results for a novel continuous‐time adaptive tracking controller algorithm for nonlinear multiple input multiple output systems are presented. The control algorithm includes the combination of a recurrent high order neural network with block control transformation using a high order sliding modes technique as control law. A neural network is used to identify the dynamic plant behavior where a filtered error algorithm is used to train the neural identifier. A decentralized high order sliding mode, named the twisting algorithm, is used to design chattering‐reduced independent controllers to solve the trajectory tracking problem for a robot arm with three degrees of freedom. Stability analyses are given via a Lyapunov approach.     

改进非线性干扰观测器的机械臂自适应反演滑模控制

针对传统滑模和传统干扰观测器在机械臂关节位置跟踪中存在的控制输入抖振、需要测量加速度项、应用模型受限等问题,提出一种改进非线性干扰观测器的机械臂自适应反演滑模控制算法。首先,设计改进的非线性干扰观测器进行在线测试,在滑模控制律中加入干扰估计值对可观测的干扰进行补偿;然后选择合适的设计参数,使观测误差指数型收敛;其次,引入反演自适应控制律,对不可观测的干扰进行估计,进一步改善控制系统的跟踪性能;最后,利用李雅普诺夫函数验证了闭环系统的渐近稳定性,并将其应用于机械臂关节位置跟踪。实验结果表明,与传统滑模算法比较,所提控制算法不但加快了系统的响应速度,而且能有效地削弱系统抖振、避免测量加速度项并扩大应用模型使用范围。     

Robust Adaptive Terminal Sliding Mode Control of an Omnidirectional Mobile Robot for Aircraft Skin Inspection

In this paper, an adaptive terminal sliding mode control scheme for an omnidirectional mobile robot is proposed as a robust solution to the trajectory tracking control problem. The omnidirectional mobile robot has a double-frame structure, which adsorbes on the aircraft surface by suction cups. The major difficulties lie in the existence of nonholonomic constraints, system uncertainty and external disturbance. To overcome these difficulties, the kinematic model is established, the dynamic model is derived by using Lagrange method. Then, a robust adaptive terminal sliding mode (RATSM) control scheme is proposed to solve the problem of state stabilization and trajectory tracking. In order to enhance the robustness of the system, an adaptive online estimation law is designed to overcome the total uncertainty. Subsequently, the asymptotic stability of the system without total uncertainty is proved with basis on Lyapunov theory, and the system considering total uncertainty can converge to the domain containing the origin. Simulation results are given to show the verification and validation of the proposed control scheme.