基于神经网络策略的水下机械手轨迹控制

提出了神经滑模控制系统用于水下机器手的轨迹控制.设计的基本组成包括一个自适应神经网络控制器,实现线性化的反馈用于非确定参数的水下机械手;一个滑模控制弥补神精网络的近似误差.证明了闭环系统的稳定和控制目标轨迹跟踪能实现.仿真结果表明了该控制器对于非确定动力参数和水动力的干扰时具有很高的轨迹跟踪能力.     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

多连杆柔性机械手控制的遗传算法

讨论了多连杆柔性机械手末端位置的控制问题,因为基于逆动力学的控制不易保证系统的稳定性,给出了一种非线性预测与刚性运动PD反馈相结合的混合控制器,由于控制器的参数较多,且呈复杂的非线性关系,传统设计方法难以保证控制器稳定性。提出一种基于遗传算法的设计方法,采用遗传算法选择控制器的参数,配置系统的极点,通过一个双连杆柔性机械手的仿真表明,采用遗传传算法设计的系统可实现多连杆预柔性机械手末端轨迹的准确跟踪,同时能消除柔性机械手的弹性振动。     

移动机器人神经网络自适应控制

针对一类非完整移动机器人的轨迹跟踪控制问题,同时考虑移动机器人的运动学和动力学模型,设计运动学控制器和动力学控制器结合的神经网络控制系统.其中动态模型中的不确定性是由神经元控制器进行补偿,由此可保证闭环误差系统最终趋近稳定.采用基于李亚普诺夫(Lyapunov)稳定性理论的判稳方法,证明整个闭环控制系统的稳定性.仿真结果表明,该控制方案具有较强的鲁棒性.     

约束非完整移动机器人轨迹跟踪的非线性预测控制

针对存在非完整约束和控制输入约束的轮式移动机器人动力学模型,研究了其全动态误差系统准无限时域非线性模型预测控制策略,通过沿名义轨迹在线线性化获取局部稳定化控制器及不变终端域,以跟踪"8"字形轨迹为例进行了仿真,结果表明,闭环系统在满足控制输入条件下具有良好的跟踪性能。     

2杆轮式移动机械手运动学、动力学、稳定性研究

针对2杆轮式移动机械手运动学、动力学、稳定性(平面)等问题进行了系统研究.假定移动载体以恒速通过不规则路面(路面以正弦函数描述)的同时,机械手末端执行器跟踪给定轨迹.通过分析系统约束方程组并采用Cartesian坐标分别得出系统构型位置、速度、加速的反解;应用牛顿-欧拉方程,建立该轮式移动机械手系统的完整逆动力学模型;以该动力学模型的分析结果为基础,得出轮胎支反力和水平驱动力,并综合考虑轮胎与路面间的摩擦,评价了系统在执行既定任务时的稳定性.由于Cartesian坐标的应用,致使该运动学、动力学等模型和稳定性评价标准等的推导具有通用性,从而为移动机械手性能的研究提供了相应借鉴.     

基于视觉的移动机器人轨迹跟踪

借助视觉反馈,研究了质心与几何中心不重合的非完整移动机器人轨迹跟踪控制问题。利用固定在天花板上的摄像机系统,作者提出了一种基于视觉伺服的运动学跟踪误差模型;基于这个模型,在质心与几何中心和视觉参数未知的情形下,作者设计了自适应轨迹跟踪控制器,并运用李雅普诺夫方法严格证明了闭环系统的稳定性。Matlab仿真证明了控制器的有效性。     

力矩受限的非完整WMR镇定与轨迹跟踪统一预测控制

针对动力学模型描述的非完整轮式移动机器人,研究了存在控制输入约束情况下的镇定及轨迹跟踪统一预测控制问题.基于控制Lyapunov函数,设计了满足稳定性条件及输入约束的终端控制器,给出了相应的终端域,分别以跟踪圆轨迹和并行泊车为例给出了轨迹跟踪与镇定控制的仿真结果.     

基于VGLPV极点配置的非完整机器人轨迹跟踪鲁棒H_∞控制

针对非完整移动机器人模型中存在的动态不确定性,提出一种基于线性变参数的鲁棒H_∞控制,并同时具有极点配置的轨迹跟踪控制器。采用欧拉-拉格朗日方程建立机器人轨迹跟踪动态方程;利用变增益线性变参数凸分解技术,将这一动态模型转化为具有凸多面体结构的线性变参数模型;根据鲁棒控制理论和线性矩阵不等式理论,在凸多面体的各个顶点设计状态反馈控制器,然后利用各个顶点控制器综合得到线性变参数控制器。仿真结果表明,机器人对于参数的变化具有良好的跟踪性能。     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.