基于不确定逼近的机械手自适应鲁棒预测控制

针对具有参数不确定性和未知外部干扰的机械手轨迹跟踪问题提出了一种多输入多输出自适应鲁棒预测控制方法. 首先根据机械手模型设计非线性鲁棒预测控制律, 并在控制律中引入监督控制项; 然后利用函数逼近的方法逼近控制律中因模型不确定性以及外部干扰引起的未知项. 理论证明了所设计的控制律能够使机械手无静差跟踪期望的关节角轨迹. 仿真验证了本文设计方法的有效性.     

移动机械手鲁棒自适应模糊控制

基于旋量理论建立了非完整移动机械手系统的动力学模型,通过反步控制技术,应用非线性参数化模糊逻辑系统设计了移动机械手的鲁棒自适应模糊控制器.该控制器放松了移动机械手控制器设计中斜对称性的要求,对移动机械手系统中存在的参数或外界扰动等不确定性具有较强的鲁棒性和自适应能力.理论证明和仿真结果表明,所设计的控制器是有效的.     

非完整移动机械手鲁棒自适应模糊控制

考虑系统存在的参数、外界扰动和未建模动态等不确定性,研究非完整移动机械手的鲁棒自适应控制器设计方法.基于用旋量理论建立的非完整移动机械手的动力学模型,设计了移动平台子系统的运动控制器,然后应用非线性反步控制技术和模糊逻辑系统的通用逼近性,用参数化线性模糊逻辑系统逼近非完整移动机械手动力学模型中的不确定项,基于Lyapu...     

基于模糊补偿的机械手鲁棒自适应模糊控制研究

多关节机械手系统中普遍存在摩擦特性、随机干扰及负载变化等非线性因素的影响。针对传统的PID控制和模糊控制很难对该类系统实现快速高精度的跟踪控制等问题,本文在模糊信息已知并且所有状态变量均可测得的情况下,设计了一种基于模糊补偿的鲁棒自适应模糊控制律。同时,为了减少模糊逼近的计算量,提高运算效率,采用了对不同的扰动补偿项加以区分、分别逼近的方法。仿真实验结果表明,这种改进的带模糊补偿的鲁棒自适应模糊控制可以很好地抑制摩擦、扰动及负载变化等非线性因素的影响。     

不确定系统的变结构鲁棒自适应控制及其在机械手控制中的应用

本文针对一类不确定非线性系统,通过状态微分同坯变换和反馈控制建立了系统的变结构鲁棒控制设计过程,并在此基础上提出了一种新型的变结构鲁棒自适应控制算法。该算法优点是:1)不需要确切知道系统不确定性,也不需要知道不确定性的界,而是利用自适应规律对系统不确定性范围进行在线估计;2)能够保证系统获得较为满意的动态性能;3)控制规律是连续性的,因而避免了一般变结构系统中的不连续控制所导致的颤振现象。为了说明本文所提算法的正确性,本文还以二连杆机械手为例讨论了其终端夹持不定载荷时的轨迹跟踪问题。     

鲁棒自适应控制综述

讨论了鲁棒自适应控制的产生，现有的鲁棒自适应控制方案及发展方向。     

一类不确定非线性系统的鲁棒自适应控制

针对一类输入带有一定的不确定性的非线性系统 ,设计了一种鲁棒自适应控制器。该控制器作用与系统 ,能保证闭环系统信号的全局有界性 ,又能使闭环系统输出任意小。     

一类不确定非线性系统的鲁棒自适应轨迹线性化控制

针对一类不确定非线性系统,研究了一种新的鲁棒自适应轨迹线性化控制方案.利用径向基神经网络的在线逼近能力以及被控对象分析模型的有用信息设计一种径向基神经网络干扰观测器来估计系统中存在的不确定性.观测器输出用于设计补偿控制律抵消不确定性对系统性能的影响,鲁棒自适应控制律用于克服逼近误差.采用Lyapunov方法严格证明了在自适应调节律作用下闭环系统所有误差信号最终有界.最后利用倒立摆系统验证了新方法的有效性.     

一类不确定延迟系统的鲁棒自适应控制

针对一类不确定的延迟系统,提出一种鲁棒的模型参考自适应控制设计方案．它不同于以往将所有延迟部分转化为系统的未建模动态的方案,该方案只是把延迟偏离标称值的扰动转化为系统的未建模动态,而将能够获得的延迟标称值信息加入系统的建模部分,从而使系统的建模更为精确．同时,研究了这种其建模部分含有延迟的系统的稳定性和鲁棒性．仿真结果验证了该方案的有效性．     

基于计算转矩控制结构的机械手鲁棒神经网络补偿控制(英文)

提出了一种新的不确定性机器人跟踪控制策略,文中基于计算转矩控制结构,采用了函数链网络实现一个神经网络补偿器,并叠加一个鲁棒控制项,以补偿模型的不确定性部分,另外,还考虑了神经网络逼近误差非一致有界的情形,设计了自适应的鲁棒控制项,算法可保证跟踪误差及神经网络权估计最终一致有界,与其它有关基于计算转矩控制的方法相比,该算法既不需要测量关节角加速度,也不要求惯性矩阵已知,理论和仿真均证明了算法和可靠性和有效性。     

基于终端滑模的机械手鲁棒自适应控制

对于不确定的机械手系统,提出一种鲁棒自适应控制方法,用自适应控制来估计系统的未知参数,用终端滑模控制来减少不确定因素的影响,为了避免因干扰的存在使自适应的估计参数发生漂移,引入死区自适应控制．仿真表明,滑模控制不仅抑制了误差,而且消除了死区自适应算法的局限性,该算法在取得较好控制效果的同时,具有很强的鲁棒性．     

Robust adaptive vibration control for an uncertain flexible Timoshenko robotic manipulator with input and output constraints

The problems of the constraints and the vibration suppression are investigated for the flexible Timoshenko robotic manipulator in this paper. Robust adaptive boundary control laws with the disturbance observes are designed to guarantee the convergence of the feedback flexible Timoshenko robotic manipulator system with the uncertain parameters and the states are proven to be uniform bounded. In addition, the proposed boundary controls are verified to be effectiveness by the numeral experiments.     

模型跟踪广义预测鲁棒自适应控制器

本文采用滤波CARMA模型,基于内模原理,提出了一种新的广义预测鲁棒自适应控制器,并分析了闭环系统性能,在新的控制器中,引入适当的前馈作用,使得跟踪和调节问题解耦,利用部分状态跟踪、模型参考以及极点配置方法解决跟踪问题,利用多步预测滚动优化方法解决调节问题;适当选择滤波器可以保证对平稳随机扰动有满意的响应,减少可调参数对闭环系统响应的影响,增强系统对未建模动态的鲁棒性,仿真结果表明:该控制器对确定性和非平稳随机扰动具有不变性,对系统时延和阶次变化具有鲁棒性,适用于非最小相位和开环不稳定系统。     

空间机械臂的鲁棒复合自适应控制

对于本体姿态受控而位置不受控的空间机械臂系统,考虑存在参数不确定性及非参数不确定性,首先建立了系统的估计模型,并且提出了一种鲁棒复合自适应控制方法,其参数适应律由估计误差和跟踪误差共同决定.证明了这种方法不仅可维持系统的全局渐近稳定,而且还可快速收敛和减小跟踪误差.     

考虑柔性关节的机械臂自适应运动控制策略研究

具有柔性关节的轻型机械臂因其自重轻、响应迅速、操作灵活等优点,取得了广泛应用;针对具有柔性关节的机械臂系统的关节空间轨迹跟踪控制系统动力学参数不精确的问题,提出一种结合滑模变结构设计的自适应控制器算法;通过自适应控制的思想对系统动力学参数进行在线辨识,并采用Lyapunov方法证明了闭环系统的稳定性;仿真结果表明,该控制策略保证了机械臂系统对期望轨迹的快速跟踪,具有良好的跟踪精度,系统具有稳定性。     

A robust adaptive sliding-mode control for rigid robotic manipulators with arbitrary bounded input disturbances

In this paper, a robust adaptive sliding-mode control scheme for rigid robotic manipulators with arbitrary bounded input disturbances is proposed. It is shown that the prior knowledge on the upper bound of the norm of the input disturbance vector is not required in the sliding-mode controller design. An adaptive mechanism is introduced to estimate the upper bound of the norm of the input disturbance vector. The estimate is then used as a controller gain parameter to guarantee that the output tracking error asymptotically converges to zero and strong robustness with respect to bounded input disturbances can be obtained. A simulation example is given in support of the proposed control scheme.     

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。     

基于递归模糊神经网络的机器人鲁棒H∞跟踪控制

利用递归模糊神经网络来逼近机器人系统中的非线性函数,提出了一种具有自适应能力的H∞控制策略.该控制策略能够减弱机器人系统的外扰,并把模糊神经网络的重构误差对系统的影响控制在指定的范围内.同时又能保证闭环系统的所有信号都是有界的.为了验证基于递归模糊神经网络的H∞控制策略的有效性,将其与计算力矩控制方法进行比较,仿真结果表明,在存在外扰的情况下,所提出的控制策略具有比计算力矩控制方法更好的跟踪性能.     

机械臂自适应鲁棒轨迹跟踪控制

针对具有外界干扰和不确定性的机械臂轨迹跟踪控制问题,提出了一种自适应鲁棒补偿控制算法,将计算转矩法用于系统标称模型,鲁棒控制用于消除系统不确定性的影响,并通过自适应算法自动调节不确定项,保证系统存在建模误差和外部干扰时的稳定性和动态性能。给出了具体的控制算法设计和系统稳定性、收敛性证明,最后通过仿真实验,表明系统具有跟踪误差快速收敛性以及良好的鲁棒性。