RBF神经网络滑模变结构控制在并联机器人中的应用

并联机器人系统结构复杂,具有强耦合、非线性等特点。滑模变结构控制对参数不确定性和外部扰动具有强鲁棒性,不需要被控对象精确数学模型且基于该方法的控制器设计过程是自然解耦过程,适用于并联机器人控制,但是滑模控制普遍存在抖振问题。鉴于此,该文提出RBF神经网络与滑模控制相结合的控制方法,利用RBF神经网络对滑模控制器切换项的增益进行调节,可以有效地降低滑模控制的抖振,获得较好的控制效果。仿真结果表明,该控制方法跟踪性能好,系统误差小,具有较强的鲁棒性,可以满足并联机器人的控制要求。     

模糊控制在并联机器人中的应用

分析了一种三平移并联机构中的驱动电动机,求出其动态方程及传递函数.简述了模糊控制器的设计与仿真,模糊控制中引入一个Ⅰ型积分环节用来消除模糊控制固有的静态偏差.仿真结果及实际结果均表明有较好的控制效果.     

积分切换面自适应滑模控制及其在并联机器人中的应用

针对交流伺服电机作为驱动装置的2-DOF并联机器人,设计出一种带有积分切换面的自适应滑模控制器。首先,带有积分运算切换面的变结构控制器使系统具有对未知参数变化和外部干扰不敏感的特性。其次,通过设计一种自适应律,实现对系统不确定量的在线辨识估计,以辨识结果实时调整控制器参数,以削弱系统抖动,提高了控制系统的实用性。仿真结果表明所设计控制器抗干扰能力强,能较好地实现2-DOF并联机器人各支路的运动控制,具有较好的稳定性和鲁棒性能。     

快速终端滑模控制在并联机器人中的应用

针对二自由度冗余驱动并联机器人,提出了并联机器人的快速终端滑模控制(FTSMC)以实现其鲁棒控制,并利用Lyapunov函数证明了该控制系统的稳定性。仿真结果表明,该控制系统跟踪效果好,系统误差小,可以满足并联机器人控制的要求。与采用普通滑模控制相比,该控制系统具有状态响应速度快,系统状态在有限时间内收敛到零的特点。仿真实验证实了该控制策略的正确性和有效性。     

RBF神经网络补偿的并联机器人控制研究

为了实现对三自由度Delta并联机器人更精确的轨迹跟踪控制,对并联机构的动力学建模不确定性进行研究,提出了计算力矩控制基础上的RBF神经网络在线补偿控制策略。利用Lyapunov理论推导了神经网络在线权值自适应律,保证了系统稳定性。运用RBF神经网络在线自学习系统的不确定性,提高了控制效率同时增加算法的自适应性。在Simmechanics中建立系统物理模型并在Simulink中设计控制器,之后进行Simulimk/Simmechanics联合仿真,结果表明算法优于计算力矩控制,可以有效减小跟踪误差的收敛半径,实现对目标轨迹的准确跟踪。     

基于视觉反馈的机器人全调节RBF神经网络自适应反演控制

针对具有参数不确定刚性机器人系统的跟踪控制问题,提出了一种基于视觉反馈和全调节RBF神经网络的自适应反演控制器设计方法。根据安装在末端执行器的CCD摄像机提取的特征点确定期望位置,利用与一般设计不同的全调节RBF神经网络逼近系统的不确定项及外界干扰。在调节RBF神经网络权值的同时调节中心点值和影响范围,使得全调节RBF神经网络具有了更强的在线逼近能力。应用Lyapunov稳定性理论,证明了系统的所有信号均有界,控制器可以保证机械臂的运动按指数收敛到期望位置。仿真结果验证了所提控制器的有效性。     

单开链法在并联机器人设计中的应用

以单开链的基本理论为基础,通过对运动副的合理配置,以单开链支路为单元,设计出一种新型的并联机器人机构.该机构具有3个完全相同的结构,保持了结构的对称,满足了各向同性的要求.研究结果表明,该机构具有二维移动和三维转动5个自由度.     

MATLAB在并联机器人结构尺寸优化设计中的应用

针对并联机器人结构尺寸优化设计的问题,提出了以MATLAB及其提供的优化工具箱代替传统编程的方法,该方法具有编程简单和调试方便的优点,能方便求出优化参数,具有广泛的应用前景。     

BP神经网络补偿并联机器人定位误差

为减小机构末端定位误差,提高机器人运动精度,分析了所开发的6-DOF精密并联机器人末端位姿的误差来源及以往误差补偿方法的局限性。通过实际测量末端位姿,在精密定位的局部工作空间内,提出了基于BP神经网络的机器人关节空间误差补偿方法。确定了BP神经网络模型,建立了误差补偿的数据样本,并对数据样本进行了标准化,通过实验对比的方法确定了隐层神经元的个数,同时对网络的推广能力进行了验证。经过误差补偿,6-DOF精密并联机器人的平移定位误差下降了80%,转角定位误差下降了60%。该实验结果表明,基于BP神经网络的误差补偿方法对机器人局部工作空间的补偿具有明显的效果,满足精密并联机器人工作的精度要求。     

VRML在六自由度并联机器人设计中的应用

六自由度并联机器人的设计过程十分复杂，VRML作为一种通用的虚拟现实建模语言，为各个设计过程之间架起了一座沟通的桥梁，从而加快了系统的整体开发过程。提出了利用VRML在廉价的PC机上构建六自由度并联机器人三维虚拟世界的方法，并给出了与其它编程语言之间的接口实现方法。     

Learning from adaptive neural network output feedback control of a unicycle-type mobile robot

This paper studies learning from adaptive neural network (NN) output feedback control of nonholonomic unicycle-type mobile robots. The major difficulties are caused by the unknown robot system dynamics and the unmeasurable states. To overcome these difficulties, a new adaptive control scheme is proposed including designing a new adaptive NN output feedback controller and two high-gain observers. It is shown that the stability of the closed-loop robot system and the convergence of tracking errors are guaranteed. The unknown robot system dynamics can be approximated by radial basis function NNs. When repeating same or similar control tasks, the learned knowledge can be recalled and reused to achieve guaranteed stability and better control performance, thereby avoiding the tremendous repeated training process of NNs.     

神经网络模型参考自适应控制在污水处理中的仿真研究

污水处理厂目前广泛使用序批式活性污泥法处理污水.该方法是一种复杂动态生物反应过程,难以建立准确的数学模型,同时采用常规的PID控制难以达到较好的控制品质.针对以上问题,该文提出了RBF神经网络模型参考自适应控制策略,利用神经网络辨识器对污水处理模型进行辨识,使神经网络控制器不依赖被控对象精确的数学模型.仿真结果表明,该...     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

神经网络PID控制器在高精度空调系统中的应用

针对中央空调系统被控对象具有大滞后、慢时变、非线性特点及不确定干扰因素多的实际情况，将具有自学习、自适应功能的神经网络PID控制器应用于高精度空调系统中，通过MATLAB环境下的计算机仿真．证明了其在高精度空调控制中的实用性和有效性。     

基于RBF神经网络的教学机器人转角测量

以AS-UII教学机器人为研究对象,提出了一种间接测量机器人转角的方法.该方法利用RBF神经网络建立模型,以多组电机速度、运行时间为样本,解决了机器人转角与电机速度、运行时间的关系问题.实验证明,该方法是有效可行的.因此,可以根据电机的速度、时间来间接确定机器人的转角,为机器人的路径规划提供角度参数.     

含齿隙转台伺服系统的RBF神经网络反步控制

针对工业机器人转台伺服系统中齿轮齿隙导致的驱动延时和响应迟滞,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的反步控制方法.首先,建立工业机器人转台伺服系统的状态空间方程,运用死区函数描述了齿隙非线性;其次,设计了速度观测器,对速度信息进行估计,解决了工业机器人转台伺服系统负载的...     

神经网络自适应控制的研究进展及展望

关于人工神经网络与自适应结合的研究，近年来已成为智能控制学科的热点之一。自适应具有强鲁棒性，神经网络则具有自学习功能和良好的容错能力，神经网络自适应控制由于较好地结合了二者的优点而具有强大的优势。本文系统地综述了神经网络自适应控制的进展，讨论了神经网络自适应的主要模型和算法，并就其存在的一些问题、应用与发展趋势进行了探讨。     

IMF能量和RBF神经网络相结合在滚动轴承故障诊断中的应用研究

针对滚动轴承的故障特点,提出了一种将IMF能量与RBF神经网络相结合的方法用于故障诊断.该方法首先利用经验模态分解(EMD)方法,把振动信号分解为若干个IMF分量,再用重要的IMF分量求得IMF能量特征向量,最后将特征向量输入RBF神经网络进行故障模式分类.通过对滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障信号的分析结果表明,该方法能够准确、有效地识别这些故障.