自适应模糊控制的自平衡机器人设计

在两轮自平衡机器人系统的平衡控制中,为解决因所建立的数学模型不准确和存在未知干扰而影响控制性能的问题,设计了一种自适应模糊控制方法;首先,运用牛顿力学法建立了系统在斜坡上运动的数学模型;基于所建立的非线性动态模型,采用单点模糊化、乘积推理机和中心平均解模糊化的方法构建了自适应模糊逻辑控制器,然后通过李雅普诺夫稳定性分析的方法,导出控制器的自适应律;对自适应模糊控制的两轮自平衡机器人的平衡情况进行了仿真,结果表明,提出的自适应模糊控制器可以实现系统平衡,并具有自适应能力和鲁棒性。     

模糊自适应在机器人行走平衡控制中的应用

针对多变量、非线性的两轮机器人系统的行走平衡控制问题,提出一种基于Backstepping（反推）方法和PID的控制策略。该策略在Backstepping控制器中加入模糊自适应部分,利用模糊系统逼近Backstepping设计过程中的未知非线性函数,模糊系统中的参数基于自适应律调整,解决了Backstepping控制器中因含有未知参数难以实现的困难,避免了两轮机器人系统不满足严格三角结构的问题。针对两轮机器人的仿真实验结果表明：采用设计的控制策略,可以实现两轮机器人的行走平衡控制任务。     

自平衡两轮机器人的参数自整定模糊控制

为解决具有强耦合、非线性和不确定性等特点的自平衡两轮机器人的平衡控制问题,提出一种参数自整定模糊控制器.该控制器通过比较系统响应与给定的差别来对控制参数进行自整定,降低了控制器设计过程中对设计者经验的要求.该控制器采用零阶Takagi Sugeno模型,易于在嵌入式系统中实现.搭建了自平衡两轮机器人硬件本体,建立了相应的数学模型,并给出仿真与实验结果,验证了该控制器的有效性.     

云模型控制器在两轮自平衡机器人中的应用

两轮自平衡机器人控制系统具有高阶次、多变量、非线性且强耦合的特性,因此难以建立精准的数学模型。针对两轮自平衡机器人系统的复杂性,对其平衡控制系统进行了研究,提出了一维云模型控制器的设计方法。运用该方法,成功地实现了两轮自平衡机器人的平衡控制,并比较了一维云模型控制器在三规则和五规则下对系统性能的影响。试验结果表明:一维云模型控制器在两轮自平衡机器人平衡控制系统中具有良好的控制性能和强抗干扰性,五规则控制器具有更加优越的控制效果。云模型控制器成功应用在两轮自平衡机器人平衡系统中,并在试验样机平台体现了良好的平衡性能,为今后云模型控制器的设计提供参考,也推进了云模型控制器在硬件平台实现的进程。     

自平衡机器人变论域模糊PID控制研究

针对两轮自平衡机器人的动态平衡控制问题,提出了一种可变论域模糊PID控制算法,对机器人体的倾斜角度设计了二级模糊控制器.由第一级模糊控制器利用论域伸缩因子来动态改变第二级模糊控制器的论域,实现了论域随自平衡控制系统要求进行自适应伸缩,能较好地解决自平衡系统控制规则数量与控制精度间的矛盾.仿真结果表明,变论域控制方法动态特性明显优于常规模糊PID控制,使机器人的平衡控制系统具有自适应能力强,实时控制性能好的特点.     

双轮自平衡机器人行走伺服控制算法

为解决双轮自平衡机器人行走伺服控制问题,针对其动力学特性,提出使用分层模糊控制的方法对双轮自平衡机器人运动进行控制,并且设计一种基于mamdani型模糊推理规则的模糊控制器.使用这种模糊控制器在双轮自平衡机器人硬件平台上完成了2个实验.一是以恒定倾斜角行走为控制目标的行走伺服控制;二是以恒定速率行走为控制目标的行走伺服控制.实验结果表明,设计的模糊控制器模糊规则简洁,可以很好地解决双轮自平衡机器人行走伺服控制问题.     

双轮驱动球形机器人的模糊控制设计

双轮驱动的球形机器人由一个两轮独立驱动的内置平衡体和滚动球壳组成。模糊控制设计的目的是将球形机器人控制移动到期望位置。首先,基于拉格朗日方程,建立系统的动力学模型。其次,得益于球形机器人可实现零半径转向,将球形机器人的运动控制任务分解为转向控制与路程控制,并分别使用模糊法设计运动方向和路程控制器。在模糊控制器的设计过程中,采用融合误差作为控制器的输入量,以降低模糊控制器的维度。采用双边论域隶属度函数,设计模糊控制规则。采用重心法进行解模糊化,得到易于实现的模糊控制器。最后,数字仿真试验验证了所提控制方案的有效性。该设计方案易于在低成本控制器上实现,为球形机器人的实际推广应用奠定了一定基础。     

两轮不平衡小车的优化模糊控制研究

研究两轮不平衡小车问题,根据状态变量合成的模糊控制方法.两轮不平衡小车是一个典型的多变量非线性系统,若采用常规的模糊控制,会遇到因输入变量个数过多而带来的控制规则数呈指数增加的问题,即"规则爆炸"问题.而基于变量合成的方法是一种改进的模糊神经网络控制方法,它将小车系统的状态变量进行合成,使多变量简化为两个综合变量,有效降低了模糊控制器的维数,从而大大减少了模糊控制规则的数量.最后应用优化的控制器对小车系统进行了控制仿真,并且与线性二次型最优控制LQR做了比较,实验表明ANFIS控制器具有调节时间短和改善了稳定性,为优化设计提供了依据.     

单关节跳跃机器人模糊自适应轨迹跟踪控制

研究关节型跳跃机器人轨迹跟踪优化控制问题,针对机器人系统时变、非线性的复杂特性,传统模糊控制和PID控制方法难以获得较好的控制性能,为解决控制系统中超调量大、振荡和控制精度不高等问题,提出传统PID控制与模糊自适应控制结合的控制策略.首先建立单关节跳跃机器人腾空相和站立相动力学方程,依据专家经验制定PID参数整定策略,结合传统PID控制方法和模糊自适应理论设计模糊自适应PID控制器.引入合理的跳跃机器人物理参数和虚拟目标轨迹进行仿真,结果表明,模糊自适应PID控制器具有可行性和有效性,为应用于实际控制系统优化提供了可靠依据.     

神经元PID控制器在两轮机器人控制中的应用

针对两轮机器人传统PID控制器参数整定困难的问题,设计了一种神经元PID控制器.该控制器利用神经元的自学习和自适应能力,在线实时调整控制器各项参数.建立了两轮机器人的非线性模型,讨论了神经元PID控制系统的结构及其控制算法和各项控制器参数的学习算法.将设计的控制器其应用于两轮机器人的平衡控制中,并且与传统PID控制器进...     

Stable adaptation in the presence of input constraints

For a class of linear dynamical systems with unknown parameters a direct model reference adaptive control framework is developed that provides stable adaptation in the presence of input constraints. The proposed design methodology, termed “positive μ-modification”, has the ability to protect the control law from actuator position saturation. The reference system is adaptively modified to ensure global asymptotic tracking for open-loop stable systems. For unstable systems an estimate for the domain of attraction is derived based on the input saturation magnitude and system parameters. Simulation of a benchmark example verifies the theoretical statements.     

网络管理数据采集的自适应算法研究

大型动态网络上网管数据的采集,由于网络本身复杂性的不断增加而越来越困难,尤其是网络的动态性和可伸缩性等问题,为此利用移动代理实现分布式监测系统.提出了基于这种思想下的代理定位的一种分布式算法,该算法主要是基于局部信息进行代理的定位,从而可以减少网络管理的数据流量,实现系统的适应性.     

Adaptive backstepping with a high-order tuner

The paper proposes a new type of adaptive backstepping design. At each step of the design procedure a virtual control directly counteracts the transients of adjustable parameters, while the time derivatives of these parameters up to the desired order are generated by a special adaptation law (high-order tuner) defined at the final step. Thus, the proposed approach combines adaptive backstepping with high-order tuners. The resultant control law does not involve tuning functions and, at the same time, is free of overparametrization.     

自适应机翼的神经网络控制系统设计与试验

随着自适应结构和机敏材料的发展,如何从结构设计角度来提高飞机的飞行效能受到了重视,其中的一个关键环节就是控制器的设计和开发.针对自适应机翼姿态控制的要求与物理特点,采用神经网络和自适应控制理论,设计了神经网络逆复合控制器,完成了相应的控制系统开发,进而进行了物理试验分析和研究.结果表明,系统能有效、准确、快速地在线满足设计目标跟踪和设计状态回归两项重要指标,系统的鲁棒性、收敛性和稳定性都得到明显地改善,具有良好的可靠性和工程实用性.     

A tuner that accelerates parameters

We propose a tuner, suitable for adaptive control and (in its discrete-time version) adaptive filtering applications, that sets the second derivative of the parameter estimates rather than the first derivative as is done in the overwhelming majority of the literature.     

An adaptive coherence filter

This paper derives an adaptive coherence filter for canceling interference from a signal of interest whose power spectral density is symmetric. A basic property of the Fourier transform of real signals is that their spectra are Hermitian symmetric. This property is exploited to determine which part of a spectrum is interference and which part is the signal of interest. An unconstrained Wiener filter is derived that exploits the frequency domain symmetry of the signal of interest. While the adaptive coherence filter is based on the Fourier transform property of real signals, an extension of the algorithm is provided so the filter can be used on any signal that displays spectral symmetry. A practical method for implementing the filter is provided. The filter has application in the area of telecommunications, but is applicable in wireless communication applications where a signal, that displays spectral symmetry, is corrupted by interfering signals within the signal of interest's bandwidth.     

Computational proteomics on the grid

The large number of protein sequences, provided by genomic projects at an increasing pace, constitutes a challenge for large scale computational studies of protein structure and thermodynamics. Grid technology is very suitable to face this challenge, since it provides a way to access the resources needed in compute and data intensive applications. In this work, we concentrate on the grid-aware implementation of a protein structure prediction algorithm.     

Adaptive disturbance attenuation via logic-based switching

The problem of attenuating unknown and possibly time-varying disturbances acting on a linear time-invariant dynamical system is addressed by means of an adaptive switching control approach. Given a family of pre-designed stabilizing controllers, a supervisory unit infers in real-time the potential behavior of each candidate controller and selects the one providing the best potential performance. To this aim, a set of test functionals is defined, which is shown to enjoy favorable inference properties under certain assumptions on the nature of the disturbances. Both persistent-memory and finite-memory test functionals are analyzed. Further, an implementation of the switching controller is proposed which always guarantees stability of the feedback loop, even if the disturbance characteristics are such that the switching is persistent. Simulation results are provided to show the effectiveness of the proposed method.     

Robustness of an adaptive backstepping controller without modification

This paper examines the robustness of the adaptive controller designed using the backstepping technique proposed in Kristic et al. (Nonlinear and Adaptive Control Design, Wiley, New York, 1995). It is shown that the adaptive controller without any modification still possesses some robustness against a class of unmodeled dynamics. Moreover, the system transient performance in the presence of unmodeled dynamics can be improved to an arbitrary level by adjusting the controller design parameters.     

Adaptive optimal control for continuous-time linear systems based on policy iteration

In this paper we propose a new scheme based on adaptive critics for finding online the state feedback, infinite horizon, optimal control solution of linear continuous-time systems using only partial knowledge regarding the system dynamics. In other words, the algorithm solves online an algebraic Riccati equation without knowing the internal dynamics model of the system. Being based on a policy iteration technique, the algorithm alternates between the policy evaluation and policy update steps until an update of the control policy will no longer improve the system performance. The result is a direct adaptive control algorithm which converges to the optimal control solution without using an explicit, a priori obtained, model of the system internal dynamics. The effectiveness of the algorithm is shown while finding the optimal-load-frequency controller for a power system.