机器人操作手的神经跟踪控制

针对机器人轨迹跟踪问题,提出了一种自适应神经控制器,该控制方案利用RBF神经网络自适应学习机器人系统的未知非线性动态,然后,通过一个基于滑模控制技术的补偿器消除网络逼近误差和外部干扰的影响,网络权重的自适应修正规则基于Lyapunov函数方法得到,这种新的控制器能够保证闭环系统的稳定性和跟踪误差的渐近收敛性。     

基于免疫遗传模糊神经滑模的地面作战机器人轨迹跟踪控制

提出了一种基于运动学与动力学模型的免疫遗传模糊神经滑模混合控制器用于地面作战机器人的控制。算法中利用径向基神经网络逼近滑模控制的等效部分,并通过免疫遗传算法对径向基神经网络参数进行了优化,滑模控制的增益通过模糊控制策略进行了调节。利用该算法对圆形轨迹进行了跟踪控制仿真及试验分析,与传统的滑模控制相比,该算法能够有效克服系统的不确定性因素的影响,有效抑制了滑模控制中抖振现象,系统的动态轨迹跟踪性能得到了优化。     

机器人压电陶瓷微操作手的设计

机器人微操作手设计采用压电伸缩陶瓷微位移器.操作手手指由两面各粘1片压电陶瓷的金属片构成压电陶瓷梁.两片压电陶瓷的逆压电效应相反,外加电压时,一片收缩另一片伸长,自由端发生弯曲变形.改变加电压方向控制悬臂梁夹持物体,电压为零时释放物体.微操作手的移动、夹持和释放等操作由摄像头反馈给计算机控制处理.     

无人炮塔火力线跟踪神经滑模控制

针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。针对无人炮塔火力线跟踪动力系统中存在的火力瞄准机构运动使系统动力参数摄动和火炮射击时冲击使系统输入存在外部干扰问题,提出了一种神经滑模控制策略。采用非奇异终端滑模面保证系统状态能够在有限时间内到达滑模面和平衡点;采用径向基函数神经网络自适应地补偿系统摄动和冲击干扰,保证滑模控制在滑模面的运动。应用李亚普诺夫稳定性判据证明了控制器稳定性和火力线跟踪误差收敛性。仿真结果表明,通过神经网络的在线学习实现了火力线位置精确和鲁棒跟踪,并充分抑制了滑模控制中的抖振现象。该方法是有效的。     

机器人战术靶示教路径采样和跟踪控制

针对机器人战术靶在实际战术演练中需实现任意路径的跟踪控制,提出一种示教路径采样和跟踪控制策 略。基于2 种示教分别制定路径点采样策略,其中：在线示教人工远程操作机器人战术靶行走,构建基于行驶距离 和转弯半径的路径点采样策略;离线示教通过上位机在地图文件上编辑定义一系列离散的路径点来完成示教路径的 绘制。路径再现阶段读取之前存储的示教路径,采用节点跟踪切换控制策略、速度分段控制策略、基于航向和偏距 组合误差的方向控制策略来控制机器人对路径的跟踪。在物理样机上对算法进行验证,结果表明：机器人战术靶可 很好地对任意复杂示教路径进行跟踪,其中路径跟踪偏差小于0.3 m,各路径点到点跟踪速度偏差小于5%。     

一种机器人轨迹跟踪的迭代学习控制方法

针对机器人轨迹跟踪问题,提出了一种带遗忘因子的迭代学习控制算法.给出了学习算法收敛的充分条件,该算法在不改变学习控制器结构的前提下,对要求跟踪的新的期望轨迹,利用系统的历史控制经验,合适地选择了初始控制输入,使系统的输出能尽快地收敛于新的期望轨迹,从而达到了改善系统跟踪性能的目的.仿真结果表明了该方案的有效性.     

不确定机械手的自适应神经滑模控制

针对不确定机械手的跟踪控制 ,提出了一种基于神经网络的自适应鲁棒控制器。该控制方案利用一个 Radial basis function神经网络逼近系统非线性不确定性 ,然后 ,通过一个滑模控制项消除网络逼近误差和外部干扰的影响 ,从而能保证闭环系统的稳定性和系统跟踪误差的渐近收敛     

滑模控制在制导弹药弹道跟踪中的应用

为使制导弹药有效地沿方案弹道飞行,研究了以姿态角为控制指令的三维滑模弹道跟踪控制系统。探讨了基于弹道修正策略的跟踪控制方案,将动态逆方法与趋近律滑模控制相结合设计了跟踪控制器。分析了控制器参数与系统的闭环稳定性、抖振与跟踪性能之间的关系。根据空间几何运动关系设计了过渡参考弹道,有效避免了启控点偏差带来的控制饱和问题,并给出了光滑的控制指令信息。弹道仿真表明,滑模控制可使制导弹药较严格地按期望轨迹飞行,对各种干扰具有较强的鲁棒性,控制器边界层参数的选择需综合权衡控制精度和抖振问题。     

并联机器人动力学与控制仿真研究

并联机器人控制问题一直以来都是一个开放领域,在这方面的研究还比较少.文中以6-UPS型Stewart平台为研究对象,利用牛顿-欧拉方法建立了并联机器人的动力学模型,并提出了基于控制法则的动力学分解方法,推导出并联机器人的控制率方程,设计了基于动力学模型的控制器.采用PID校正方法对并联机器人的轨迹进行跟踪,给出了运动平台做圆周运动时轨迹跟踪曲线,仿真实验结果表明,轨迹跟踪效果比较理想,控制方案是正确的.为进一步的并联机器人控制及性能改进奠定了良好的基础.     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器,控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段,PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下,可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律,也辩识移动机器人动力学模型,通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。     

双连杆柔性臂的鲁棒轨迹控制

对双连杆柔性机械臂的轨迹跟踪控制提出了一种鲁棒控制方法。基于奇异摄动法将双连杆柔性机械臂系统分离为慢变和快变两个子系统，对两者分别采用滑模变结构控制和Ｈ＾∞控制，由此得出的组合控制则使系统精确跟踪期望的轨迹，抑制弹性振动。最后，通过实验台对本文提出的控制方法进行了实验研究。     

基于PID型神经网络的自适应控制

本文提出了一种新的基于PID型神经网络的自适应控制系统,给出了神经网络控制器的学习算法帮控制系统的稳定性分析。仿真结果对该控制方案进行了验证。     

高精度机载光电跟踪系统的自适应模糊控制

机载激光制导武器能精确命中目标是由于引导武器运动的激光束能准确、稳定地照射在目标上。而实现这一点的关键是受陀螺稳定平台系统稳定的激光束在机载运动、振动和目标运动的条件下 ,能准确、稳定地跟踪目标。本文讨论了这种陀螺稳定平台系统实现高精度自适应稳定跟踪的模糊控制设计方法 ,仿真证明了该设计方法是有效的。     

敏捷性导弹的神经网络控制与制导

为了使导弹获得更高的机动性、敏捷性和导引精度,大多采用推力矢量控制方案.本文讨论了新型推力矢量控制导弹的动力学建模,在此基础上提出了适用于推力矢量导弹的神经网络控制与制导方案,其中的导弹控制方案包括双网络逆动态学习控制和混合神经网络控制两种.神经网络制导采用基于线性二次型的最优制导的有教师学习方案.神经网络学习算法中因引入了基于经验的模糊规则,具有较好的学习性能.仿真表明神经网络控制与制导方案具有较好的末制导导引精度.     

基于最优化的坦克稳定器滑动模态变结构控制

以坦克水平向稳定器为例研究坦克稳定器滑动模态变结构控制（VSC）技术,用优化方法确定切换函数,用到达条件确定变结构控制律,仿真表明该设计方法大大优于传统设计,为稳定器设计提供了一种切实可行的新方法。     

激光制导炸弹滚转通道的滑模变结构控制

针对激光制导炸弹的滚转控制通道的时变特性，设计了一种滑模变结构控制器，利用系统在骨动模态上的一致鲁棒性使弹体在各工作点上都具有良好的特性。该控制器具有线性部分用以控制趋近段的动态特性，用滑动模太来保证系统在终态的特性。仿真结果表明该控制器具有良好的性能。     

基于航向示教再现的履带式移动机器人路径跟踪

本文阐述了一种基于航向示教再现的履带式移动机器人路径跟踪控制方法，人工示教时，从示教路径起点致终点，每隔一定距离记录移动机器人航向形成示教文件，再现控制复现了示教文件记录的航向与里程的航迹推算函数关系。实验结果表明，这种方法与有限的遥控干预相结合，仅用电子罗盘和里程计两种设备可简单，有效地实现移动机器人的路径跟踪。结合实验结果，对利用该方法进行路径跟踪的误差形成原因及其消除方法进行了分析。