作业型飞行机器人动态滑翔抓取的鲁棒自适应控制

作业型飞行机器人是指将多自由度机械臂固连在飞行机器人上的一类新型机器人系统,它能够对周围环境施加主动影响,同时也存在较为复杂的动力学性能.本文针对作业型飞行机器人滑翔抓取物体时所受到的摩擦力和接触力问题以及在飞行过程中产生的转动惯量变化问题,设计了一种整体式鲁棒自适应控制策略.首先在作业型飞行机器人系统动力学建模中引入...     

一种带有重心调节机构的作业型飞行机器人建模与控制

针对作业型飞行机器人完成抓取、搬运等任务时所产生的重心偏移问题,设计了一种带有重心调节机构的作业型飞行机器人,并提出了一种重心调节控制策略.该方法通过对作业装置中的机械臂进行运动学推导,动态计算出机械臂运动时复合系统重心位置的改变量,利用力矩平衡方程计算得到调节机构所需转动的角度,从而实现对复合系统重心的调节.为验证所提出控制策略的有效性,在Matlab仿真环境中,分别研究了有无重心调节控制时机械臂运动对复合系统重心轨迹和定点悬停位姿的影响.通过户外实物实验测试了飞行机器人搭载负载情况下,调节机构在定点悬停作业时的稳定效果.实验结果表明,在所述控制策略下,重心调节机构能够在飞行机器人作业过程中实时调节复合系统重心的偏移量,验证了控制策略的有效性.     

全方位机器人的重心位置预测与轨迹跟踪控制

针对全方向移动机器人存在非线性动态强耦合、实时重心偏移及难以实现高精度跟踪控制的问题, 本文提出一种基于长短期记忆(LSTM)神经网络的重心位置在线预测的轨迹跟踪控制法. 首先, 建立考虑重心偏移的动力学模型并基于LSTM神经网络训练构建其对比模型; 其次, 基于模型对比法实时估计重心偏移参数, 再基于张神经网络(ZNN)对估计的重心偏移参数进行预测以减小估计过程引起的滞后; 最后, 基于非线性动态反馈解耦法设计数值加速度控制算法, 且基于离散系统极点配置法分析了系统的稳定性. 仿真结果验证了所提方法相对于数值加速度控制器与自适应控制器因能在线预测重心偏移参数完成高精度动态解耦实现控制精度的提高. 实际实验中, 所提控制算法相比数值加速度控制及模型预测控制, 其跟踪精度明显提高, 这表明所提控制算法可显著减小重心偏移对跟踪控制精度的影响.     

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。     

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。     

作业型水下机器人纵、横倾姿态自适应区域控制方法

本文主要研究作业型自主式水下机器人（AUV）的纵、横倾姿态自适应区域控制问题．在实际作业中,机械手作业干扰和环境不确定性等因素将影响作业过程的艇体姿态控制,进而影响运动、作业的精度．针对此姿态稳定性控制问题,提出一种基于RBF（径向基函数）神经网络的水下机器人姿态自适应区域控制方法．针对系统模型的不确定因素,采用RBF神经网络对其进行在线估计,引入滑模控制项对估计误差进行在线补偿;针对RBF神经网络控制参数的取值问题,设计网络权值、径向基中心与方差的在线调整律,对控制参数进行自适应学习,以适应机器人艇体的不同姿态变化;针对艇体姿态的快速稳定收敛需求,在区域控制器中加入PI（比例－积分）环节,缩短姿态调节时间、降低稳态误差．基于李亚普诺夫稳定性分析,从理论上证明区域控制误差一致渐近稳定．最后,通过作业型水下机器人样机的纵、横倾姿态控制实验,验证了本文方法的有效性．     

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。     

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.     

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．     

机器人的非奇异终端神经滑模轨迹跟踪控制

针对具有不确定性的机器人系统,为提高系统的稳态跟踪精度,提出一种非奇异终端神经滑模轨迹跟踪控制方案.控制器采用改进的非奇异终端滑模面,并基于径向基函数神经网络自适应调整控制律的切换项,不但克服了在设计中需要知道系统不确定性的上界的限制,而且平滑了控制信号.可应用Lyapunov稳定性理论证明了系统的渐近稳定性和跟踪误差的渐近收敛性.仿真结果验证了控制方法不仅能够保证机器人系统轨迹跟踪控制的快速性和鲁棒性,而且有效地削弱了抖振,可见方案是可行且有效的.     

基于反演设计的机器人自适应动态滑模控制

针对机器人跟踪控制问题,设计了一种新型的动态滑模控制器,采用反演（backstepping）方法设计一种新的切换函数,将不连续项转移到了控制的一阶导数中,得到了输入的平滑性的动态滑模控制律。该控制律能保证轨迹跟踪误差的快速收敛性和参数不确定的鲁棒性,仿真实例验证了该控制算法的有效性。     

旋翼飞行机械臂建模及动态重心补偿控制

旋翼飞行机械臂是将多关节机械臂固连在旋翼飞行平台上而组成的一种面向主动任务操作的特殊系统,其飞行平台和机械臂之间存在强耦合特性.本文针对机械臂的规划运动对飞行平台的干扰问题,建立了系统运动学和动力学模型,并通过动态计算系统重心位置坐标,设计出基于backstepping的动态重心补偿控制方法,针对补偿项测量噪声问题设计了二阶低通滤波器,并使用Lyapunov稳定性理论证明了系统的稳定性.仿真和实验均验证了在相同的参数条件下,具有动态重心补偿项的控制算法比没有重心补偿项的控制算法在轨迹跟踪和姿态稳定方面具有明显优势.     

On-line genetic algorithm-based fuzzy-neural sliding mode controller using improved adaptive bound reduced-form genetic algorithm

In this article, a novel on-line genetic algorithm-based fuzzy-neural sliding mode controller trained by an improved adaptive bound reduced-form genetic algorithm is developed to guarantee robust stability and good tracking performance for a robot manipulator with uncertainties and external disturbances. A general sliding manifold, which can be non-linear or time varying, is used to construct a sliding surface and reduce control law chattering. In this article, the sliding surface is used to derive a genetic algorithm-based fuzzy-neural sliding mode controller. To identify structured system dynamics, a B-spline membership function fuzzy-neural network, which is trained by the improved genetic algorithm, is used to approximate the regressor of the robot manipulator. The sliding mode control with a general sliding surface plays the role of a compensator when the fuzzy-neural network does not approximate the dynamics regressor of the robot manipulator well in the transient period. The adjustable parameters of the fuzzy-neural network are tuned by the improved genetic algorithm, which, with the use of the sequential-search-based crossover point method and the single gene crossover, converges quickly to near-optimal parameter values. Simulation results show that the proposed genetic algorithm-based fuzzy-neural sliding mode controller is effective and yields superior tracking performance for robot manipulators.     

不确定非线性系统的自适应反推高阶终端滑模控制

针对一类非匹配不确定非线性系统,提出一种神经网络自适应反推高阶终端滑模控制方案.反推设计的前1步利用神经网络逼近未知非线性函数,结合动态面控制设计虚拟控制律,避免传统反推设计存在的计算复杂性问题,并抑制非匹配不确定性的影响;第步结合非奇异终端滑模设计高阶滑模控制律,去除控制抖振,使系统对于匹配和非匹配不确定性均具有鲁棒性.理论分析证明了闭环系统状态半全局一致终结有界,仿真结果表明了所提出方法的有效性.     

Sliding Mode Adaptive Neural-Network Control for Nonholonomic Mobile Modular Manipulators

A general mobile modular manipulator can be defined as a m-wheeled holonomic/nonholonomic mobile platform combining with a n-degree of freedom modular manipulator. This paper presents a sliding mode adaptive neural-network controller for trajectory following of nonholonomic mobile modular manipulators in task space. Dynamic model for the entire mobile modular manipulator is established in consideration of nonholonomic constraints and the interactive motions between the mobile platform and the onboard modular manipulator. Multilayered perceptrons (MLP) are used as estimators to approximate the dynamic model of the mobile modular manipulator. Sliding mode control and direct adaptive technique are combined together to suppress bounded disturbances and modeling errors caused by parameter uncertainties. Simulations are performed to demonstrate that the dynamic modeling method is valid and the controller design algorithm is effective.     

基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

一类非线性系统的多面滑模控制

提出一种基于模糊ＣＭＡＣ神经网络的多面滑模变结构控制算法,其特点是无须已知不确定性函数及其各阶导数的上界,与经典设计广阔霜比,所提出的方案允许非参数化不确定性,仿真实例显示了该方法的有效性。     

水平欠驱动机械臂的反步自适应滑模控制

针对二自由度水平欠驱动机械臂系统,提出了基于分层滑模控制思想的反步自适应滑模控制方法．该方法能够在不对系统状态模型进行复杂坐标变换,并且没有约束方程限制的前提下实现对欠驱动系统的反馈滑模控制．仿真结果表明了该方法的有效性,而且优化后的控制器具有较好的适应性和控制效果．