一种柔性机械臂末端轨迹跟踪的预测控制算法

针对柔性机械臂末端轨迹跟踪的内动态不稳定和模型不精确问题,提出一种用于柔性臂末端轨迹跟踪的预测控制算法.利用输入-输出线性化的方法使得柔性臂末端变量和弹性变量解耦,并根据状态反馈设计出一个非线性预测控制系统,将轨迹跟踪问题转换为状态跟踪问题.该控制系统通过平衡末端跟踪误差、弹性变量和控制力矩3个最优指标来克服内动态不稳定性,并采用最优控制律求解和力矩求解相分离的策略来提高运算速度,同时引入了实际输出数据进行误差补偿以减少模型误差对末端轨迹跟踪精度的影响.仿真结果表明,所提出的预测控制算法在保证柔性臂内动态稳定的同时,能有效解决模型失配引起的控制精度下降问题,并具有较快的运算速度.     

基于灰色预测的AUV水平面轨迹跟踪控制研究

为解决自主式水下航行器轨迹跟踪控制中的不确定性问题,以及在各种航向角偏差情况下,保证正确的航向和准确的轨迹跟踪问题．提出基于灰色预测的模糊自适应航向角控制系统,克服不确定性对轨迹跟踪控制的影响;以航向角偏差预测值作为轨迹跟踪方案的选择依据．通过对水下航行器S形搜索的轨迹跟踪进行仿真研究,结果证明该方法具有较好的控制效果,可以保证水下航行器在不同航向角偏差的情况下稳定、准确的进行轨迹跟踪．     

基于面积误差的预见控制系统性能分析

基于面积误差提出的最优预见控制系统是一种适合于轨迹跟踪控制的有效方法 ,通过分析得出了这种控制系统的稳定性、可控性和可观测性条件。     

基于ESO的全驱动船舶递归滑模动态面输出反馈控制

全驱动非线性船舶轨迹跟踪控制问题存在模型参数不确定和外部扰动未知的双重不确定性,仅位置和艏向可测,对此提出基于非线性三阶扩张状态观测器(ESO)的递归滑模动态面输出反馈控制.通过非线性三阶ESO观测船舶实时速度,估计和补偿系统不确定项,完成对船舶实时位置和艏向的滤波,提出递归滑模动态面输出反馈轨迹跟踪控制算法来保证跟踪控制系统的稳健性和稳定性,利用Lyapunov理论证明控制系统一致最终有界,并仿真验证理论结果.     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

轮式移动机器人轨迹跟踪控制的参数化方法

在轮式移动机器人控制系统状态空间模型的基础上,通过分析两轮独立驱动的移动机器人的动力学方程,给出轮式移动机器人轨迹跟踪控制问题的数学描述;基于线性系统的特征结构配置和模型参考理论提出一种轮式移动机器人轨迹跟踪控制的参数化方法,设计系统的反馈镇定控制器和前馈跟踪控制器.仿真结果表明,提出的控制方案是行之有效的.     

一种基于细菌觅食算法的机械手臂控制器设计

针对机械臂控制系统需可靠、快速、准确跟踪设定值轨迹的要求,通过研究机械臂控制系统的非线性动力学模型,提出1种基于细菌觅食优化算法(BFO)优化PID控制器参数的控制方案。设计采用细菌觅食算法求解在线优化PID参数的流程,用于机器人手臂的跟踪控制。为更有效地考察机械手臂系统的跟踪控制性能,设定2个关节的期望轨迹分别为正弦和余弦函数。仿真结果表明,与传统PID方法相比,基于BFO算法优化的控制方案具有更优越的控制品质和较强的抑制干扰能力,能有效提高机械臂跟踪控制的快速性和准确性。     

基于旋量理论的移动机械手建模及轨迹跟踪

研究了非完整移动机械手系统的建模及轨迹跟踪控制方法.首先应用旋量理论建立了非完整移动机械手系统动力学模型,然后综合考虑移动平台和机械手子系统的动态,通过对控制系统的动态补偿和积分反步技术,设计了非完整移动机械手渐近稳定的轨迹跟踪控制器.系统分析和仿真表明所设计的控制器是有效的.     

工业机器人动力学参数辨识与自适应控制方法研究

研究六自由度工业机器人动力学模型最小惯性参数辨识和模型参数自适应PD控制方法。首先分析六自由度机器人动力学模型及其最小惯性参数;研究基于位置、速度、加速度约束条件的傅里叶级数型激励轨迹优化方法;依据激励轨迹跟踪实验获取的关节角位置、速度、加速度和力矩数据,研究基于最小二乘的最小惯性参数估计方法。在此基础上,研究六自由度机器人模型自适应PD控制方法。最后,构建了基于Codesys平台的六自由度机器人控制系统,利用SYMORO+推导回归矩阵元素,结合Hadamard不等式,利用MatlabFunction函数生成目标函数并将其代入Matlab fmincon函数计算激励轨迹参数,通过激励轨迹跟踪实验辨识出最小惯性参数;通过机器人跟踪激励轨迹和验证轨迹实验,比较实测力矩与基于辨识模型估计力矩的均方根误差验证参数辨识方法有效性;通过期望轨迹跟踪实验验证了自适应PD控制算法可行性。     

考虑多关节时滞的液压挖掘机轨迹跟踪研究

为了减小多关节系统的时滞特性对液压挖掘机工作装置轨迹跟踪精度的影响,本文设计了考虑时滞的长短期记忆-广义回归级联网络和一种基于该网络模型的多关节控制系统。利用几何法分析闭式链运动状态,建立以摇臂关节为末端反馈关节的含闭式链的工作装置运动学逆解,通过4-3-3-3-4多项式轨迹规划算法在关节空间上生成轨迹。结合LSTM的时序处理能力和GRNN的强非线性映射能力,以比例阀信号和关节转角的各阶延迟以及目标转角作为网络输入特征,通过多关节联动辨识建立起输出信号和输入特征的映射关系模型,将关节模型作为逆控制器实现多关节轨迹跟踪。经AMESim-Simulink仿真验证:在空载或变载荷作用下,与不考虑时滞的LSTM系统比,考虑时滞的多关节控制系统能更准确、更迅速、更平滑地跟踪规划轨迹,误差小,并且系统具有较强鲁棒性。     

全方向康复步行训练机器人的跟踪控制

针对全方向康复步行训练机器人在跟踪运动过程中x轴、y轴和方向角各轨迹之间存在强耦合的问题,提出了速度跟踪控制器设计方法,从而使全方向康复步行训练机器人能同时实现各个方向理想的跟踪效果.在全方向康复步行训练机器人动力学模型和运动学模型的基础上,采用输入-输出线性化方法,通过模型解析推导出四轮转速与其驱动力间的解耦状态方程,设计速度跟踪控制器,实现速度的解耦控制.将速度控制器与非线性反馈控制律相结合,可以实现对运动轨迹的跟踪.仿真实验表明,本文方法具有一定的有效性,解决了传统跟踪过程中不能同时实现运动速度和运动轨迹跟踪的问题.     

基于摩擦补偿的柔性关节机器人分级滑模控制

针对柔性关节机器人中存在的非线性摩擦问题,提出一种基于摩擦补偿的柔性关节机器人分级滑模控制方法。首先,通过线性化参数的方法对柔性关节机器人受到的摩擦进行建模,并对模型中未知参数设计自适应律以实现摩擦的估计;然后,针对摩擦模型的误差,进一步设计观测器进行估计,结合摩擦的自适应和模型误差估计实现对摩擦的补偿;最后,利用电机侧和关节侧的位置误差和速度误差设计一级滑模面,再根据一级滑模面设计二级滑模面,从而得到分级滑模控制器,进一步实现柔性关节机器人的位置轨迹跟踪控制。通过Lyapunov函数证明了机器人关节轨迹跟踪误差的收敛性。仿真结果表明：该控制方法结合参数自适应和模型误差观测器可以有效地对摩擦进行补偿,在有限时间内实现柔性关节机器人的位置轨迹对期望位置轨迹的跟踪。     

基于模型不确定补偿的轮式移动机器人反演复合控制

针对轮式移动机器人存在模型不确定性、非线性以及未建模的动态特性等因素,严重影响系统轨迹跟踪的稳定性和精确性,提出一种基于系统模型不确定性补偿的反演复合控制策略。基于非完整轮式移动机器人的运动学模型,采用反演控制思想以及李雅普诺夫稳定性判据设计轨迹跟踪的虚拟速度控制量,作为系统的持续激励输入。考虑轮式移动机器人具有模型不确定性和外部有界力矩干扰,根据轮式移动机器人的动力学模型推导得到系统不确定项,并采用具有高度非线性拟合特性的神经网络对其估计,得到模型的力矩控制量,且由李雅普诺夫稳定性分析得到不确定项的自适应律,实现自调整和实时轨迹跟踪。对比仿真表明,该复合控制策略能自适应的跟踪期望轨迹,与单一的反演控制、模型不确定性补偿控制策略、传统PID控制相比,均具有更好的鲁棒性和高的跟踪精度。     

Trajectory tracking control for underactuated unmanned surface vehicles with dynamic uncertainties

The trajectory tracking control problem for underactuated unmanned surface vehicles(USV) was addressed, and the control system took account of the uncertain influences induced by model perturbation, external disturbance, etc. By introducing the reference, trajectory was generated by a virtual USV, and the error equation of trajectory tracking for USV was obtained, which transformed the tracking problem of underactuated USV into the stabilization problem of the trajectory tracking error equation. A backstepping adaptive sliding mode controller was proposed based on backstepping technology and method of dynamic slide model control. By means of theoretical analysis, it is proved that the proposed controller ensures that the solutions of closed loop system have the ultimate boundedness property. Simulation results are presented to illustrate the effectiveness of the proposed controller.     

基于反演法的智能车辆弯路换道轨迹跟踪控制

基于车辆的运动学模型,研究了具有非完整约束特性的智能车辆弯路换道的轨迹跟踪控制问题。结合弯曲车道的曲率半径,针对换道过程中车辆横向运动和纵向运动对换道轨迹的耦合作用,提出了一种适用于弯道的换道轨迹规划方法。根据换道轨迹,利用积分反演法,引入中间虚拟控制量,设计了轨迹跟踪控制算法,并用Lyapunov稳定性理论证明了控制系统的稳定性。仿真结果表明:该控制器可以保证车辆在弯路换道的轨迹跟踪误差一致有界收敛,且具有快速、准确跟踪和全局稳定的特性。     

基于径向基函数神经网络PID与模型预测控制的车辆轨迹跟踪控制

为提高无人驾驶车辆的稳定性和鲁棒性,提出一种基于径向基函数神经网络自适应比例积分微分（RBFNN-PID）算法和模型预测控制（MPC）算法相结合的车辆轨迹跟踪控制方法.基于自适应RBFNN-PID算法、MPC算法以及车辆动力学模型,建立智能车辆纵向速度控制和横向控制的仿真模型并将其结合起来.在此基础上,以横向MPC控制和LQR-PID控制算法为基准,验证所提出的控制方法在轨迹跟踪方面的优越性.仿真结果表明,新方法比对照组具有更高的精度.最后,对新控制方法的硬件在环验证表明,该轨迹跟踪控制算法在轨迹跟踪精度和稳定性方面具有一定的有效性和先进性.     

高超声速飞行器动态输出反馈最优跟踪控制

采用非线性前馈加线性反馈控制结构,利用伴随法生成最优上升轨迹,设计输出反馈控制律与输出跟踪控制律,证明其有条件渐近稳定;实现高超声速飞行器上升段的最优跟踪控制,将系统能观测和不能观测部分分离,降低了对传感测量系统的要求.仿真结果表明,该组合方法能够实现高超声速飞行器的最大能量爬升,同时能够实现对最优上升轨迹的稳定跟踪.     

基于运动发散分量的四足机器人步态规划

为了使四足机器人在出现较大的轨迹跟踪误差时仍然可以稳定运动,提出基于运动发散分量（DCM）的在线步态规划方法. 将四足机器人抽象成三维线性倒立摆模型（LIPM）,根据离线规划的落脚点,应用DCM方法论递推出保持DCM有界的参考轨迹;在满足步幅约束、零力矩点（ZMP）约束的条件下,步态规划运用宽松初始状态模型预测控制在线优化出可快速收敛到参考轨迹上的落脚点以及期望状态轨迹;全身运动控制器通过构建二次规划优化出满足运动约束、动力学约束、摩擦力约束等条件下跟踪期望状态轨迹的力矩. 通过仿真验证以上算法,仿真结果表明：与经典模型预测控制相比,宽松初始状态模型预测控制可以承受较大的轨迹跟踪误差,四足机器人可以在出现较大的轨迹跟踪误差时以troting步态稳定运动并尽快收敛到离线规划的轨迹上.     

深海采矿车的轨迹跟踪控制算法与仿真

根据深海采矿车的运动学模型,考虑随机打滑率等干扰影响,采用分层控制的思想将采矿车的轨迹跟踪控制分为2部分:轨迹跟踪模糊控制器和速度PID控制器.基于连续状态反馈的有限时间控制算法,结合模糊逻辑控制器,设计了一种连续的状态反馈轨迹跟踪控制算法,仿真结果表明了该方法的有效性.     

基于线性矩阵不等式的智能车轨迹跟踪控制

针对传统的基于精确数学模型的智能车轨迹跟踪控制器跟踪精度低,鲁棒性弱,很难适应复杂多变的驾驶环境等问题,结合线性矩阵不等式(LMI)鲁棒控制具有易于求解、抗干扰能力强等优点,提出基于LMI的智能车轨迹跟踪控制方法. 将车辆侧向动力学状态空间模型进行坐标变换,得到基于跟踪误差的车辆侧向动力学状态空间模型,采用饱和线性轮胎得到车辆侧向动力学多胞型模型;设计LMI反馈控制器,在控制器中引入前馈控制量,以消除侧向位置稳态误差. Carsim和Matlab/Simulink的联合仿真表明,该控制器在保证车辆稳定性的基础上具有较高的跟踪精度,对车速和路面附着系数具有较强的鲁棒性. 与模型预测控制器(MPC)和预瞄驾驶员模型(PDM)控制器进行对比,结果表明,设计的该控制器轨迹跟踪精度更优.