双臂空间机器人的固定时间轨迹跟踪控制

针对双臂空间机器人轨迹跟踪控制问题,考虑系统跟踪误差收敛时间易受初始状态影响,提出与初始状态无关的固定时间非奇异快速终端滑模控制策略. 基于固定时间稳定性理论,设计改进的固定时间非奇异快速终端滑模面. 该滑模面解决了终端滑模控制的奇异问题,使得系统跟踪误差在远离、接近原点时均有较快的收敛速度. 为了削弱滑模控制存在的抖振现象和提高趋近阶段的收敛速度,提出改进的固定时间趋近律,应用李雅普诺夫理论证明闭环系统的固定时间稳定. 以双臂空间机器人为被控对象进行对比仿真,结果表明,所提控制策略具有更高的控制精度、更快的收敛速度和更强的鲁棒性.     

麦克纳姆轮驱动的移动机器人自适应滑模控制器设计

针对麦克纳姆全向轮驱动的移动机器人轨迹跟踪控制问题,设计了一种自适应滑模控制器。将自适应鲁棒控制应用于麦克纳姆轮驱动的移动机器人轨迹跟踪以获得良好的动态跟踪性能以及鲁棒性能。首先对基于麦克纳姆轮的移动机器人进行了运动学建模,在此基础上进行了自适应鲁棒控制器设计。提出了一种比例-积分-微分(PID)形式的滑模面,满足了系统的鲁棒性要求;设计了一种能够快速收敛的趋近律,减少了整定参数所消耗的时间并能有效抵抗外部扰动。最后,存在脉冲扰动以及正弦信号扰动条件下对控制器进行了仿真验证,证明了所提控制器的优越性,通过轨迹跟踪控制的样机试验,证明了该方法的实用性和可靠性。     

不确定Duffing混沌系统的有限时间同步

研究了带有不确定性和外部扰动的Duffing混沌系统在有限时间内的同步问题。提出一种基于双幂次趋近律的非奇异终端滑模控制策略。首先设计了非奇异终端滑模面,保证误差系统沿着滑模面在有限时间内稳定至平衡点;然后基于双幂次趋近律设计了控制器,使得同步误差轨迹能在有限时间内到达滑模面,从而实现了混沌系统的有限时间同步并有效地解决了终端滑模控制的抖振和收敛缓慢问题;最后,数值仿真结果说明所给方法的有效性。     

基于遗传算法优化的机器人非奇异终端滑模控制

六自由度并联机器人是一个强耦合、高度非线性的系统,针对此特性研究了非奇异终端滑模控制方法,为改善其运动品质,结合指数趋近律的思想,给出了系统的控制律。利用李雅普诺夫(Lyapunov)理论验证了存在建模误差和外部干扰时六自由度并联机器人控制系统的稳定性,确保了控制系统的鲁棒性。为了进一步减少滑模控制的抖振,提高系统收敛速度和跟踪性能,采用了遗传算法来优化非奇异滑模面和控制律的参数。仿真结果表明:提出的控制策略参数优化后能使机器人的轨迹跟踪稳态误差趋近于零、系统调整时间短、驱动器控制律平滑,达到了高性能的位姿控制。     

自由漂浮柔性空间机器人轨迹跟踪控制

引起针对自由漂浮柔性空间机器人的轨迹跟踪控制问题,利用拉格朗日和假设模态法建立了动力学模 型,综合考虑其欠驱动、柔性振动等特点,将其简化为一种带有柔性振动扰动完全可控的动力学模型;在此基 础上,考虑载体姿态干扰,提出一种改进自适应非奇异终端滑模控制策略,该方法采用自适应技术实时在线 学习扰动参数,并引入条件积分改进滑模面消除干扰的稳态误差,从而保证所设计的控制律对扰动具有 良好的鲁棒性;最后,基于Lyapunov方法证明了该控制策略能够实现关节期望轨迹的跟踪．仿真结果表明该 控制策略对载体姿态干扰下系统轨迹跟踪控制的有效性和可靠性     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

履腿复合式移动机器人的轨迹跟踪控制与实现

利用Backstepping控制算法实现具有差速转向特征的履腿复合式移动机器人的轨迹跟踪控制。提出基于Backstepping方法的机器人轨迹跟踪控制总体方案;在完成机器人运动学建模的基础上,设计基于Backstepping方法的轨迹跟踪控制律。利用该跟踪控制算法实现了履腿复合式移动机器人进行直线与圆形两种轨迹跟踪的实验验证,并与传统的PID轨迹跟踪控制算法进行对比实验。实验结果表明,基于Backstepping方法的轨迹跟踪控制律能够更快速有效地进行轨迹跟踪,具有更好的控制性能。     

基于扩张干扰观测器的再入飞行器终端滑模控制

针对再入滑翔飞行器存在时变非匹配不确定干扰的问题,设计了一种非线性扩张干扰观测器和新型双回路非奇异终端滑模控制律。首先将观测器状态变量扩张为干扰及其变化速率的估计值,再基于Lyapunov稳定性定理设计新型非线性干扰观测器;将再入飞行器系统方程分为姿态角外回路和姿态角速率内回路,分别设计具有干扰补偿作用的新型滑模面,以及能够有限时间收敛的非奇异终端滑模控制律。仿真结果表明,该方法可将传统非线性干扰观测器的估计精度提高约4%,控制系统跟踪误差得到明显降低,具有良好的动态特性。     

基于自适应动态控制的无人车轨迹跟踪控制器设计

针对无人车系统存在干扰和故障影响的问题,文中设计一种基于滑模观测器的自适应轨迹跟踪控制方法。考虑无人车在运行过程中存在系统参数摄动和执行器传动机构加性故障的情况,同时结合系统非线性结构特性,设计自适应滑模观测器估计故障信号,并在此基础上设计自适应控制律对系统时变参数进行在线估计,保证闭环系统稳定且满足给定路径跟踪性能要求。仿真结果表明,在系统时变参数和执行器加性故障影响下,应用文中设计的控制方法可以取得期望的轨迹跟踪性能且鲁棒性较好。     

一类非匹配不确定纯反馈非线性系统新型变幂次趋近律滑模控制

针对以熔化极气体保护焊（gas metal arc welding,GMAW）为代表的一类非匹配不确定纯反馈非线性系统的输出问题,提出一种基于变幂次趋近律的滑模控制方法。首先,采用滑模微分器得到含系统非匹配不确定性干扰的输出一阶导数。得益于终端滑模有限时间稳定的性能,该方法具有估计精度高、估计误差收敛速度快的优点。然后,提出一种新型的变幂次趋近律,并证明在相同增益下,其趋近速度均快于现有各种趋近律,且具有自适应调节趋近速度的能力,既保证了在全局范围内系统轨迹有限时间趋近滑模面,又避免了在滑模面附近出现抖振。最后,采用变幂次趋近律滑模变结构控制方法和传统趋近律滑模变结构控制方法分别对带有非匹配干扰的GMAW中的弧长进行控制仿真,并对比弧长跟踪效果,分析稳态误差。结果表明,变幂次趋近律滑模变结构方法能够有效的提高系统收敛的快速性,滑模控制方法对于非匹配不确定非线性系具有强鲁棒性。     

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.     

基于视觉的移动机器人轨迹跟踪

借助视觉反馈,研究了质心与几何中心不重合的非完整移动机器人轨迹跟踪控制问题。利用固定在天花板上的摄像机系统,作者提出了一种基于视觉伺服的运动学跟踪误差模型;基于这个模型,在质心与几何中心和视觉参数未知的情形下,作者设计了自适应轨迹跟踪控制器,并运用李雅普诺夫方法严格证明了闭环系统的稳定性。Matlab仿真证明了控制器的有效性。     

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.     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。     

两轮自平衡机器人运动控制研究

轮式移动机器人是典型的不完整控制系统,其自身的不确定性影响控制的性能.以两轮自平衡机器人为研究对象,建立了机器人的运动学与动力学模型.利用多惯性传感器信息融合建立的基于T-S模糊模型的模糊控制器有效地解决了两轮自平衡机器人平衡控制的问题,并同时对轨迹跟踪的问题进行了探讨.仿真结果表明,通过多惯性传感器的信息融合建立的控制器对于机器人的平衡和跟踪问题是有效的,并在实际的实验中得到了验证.     

移动机器人非线性前置追踪算法

针对移动机器人跟踪移动目标过程中速度过大问题而提出的前置追踪方法,将机器人导引到目标运动的前方,并沿着与目标相同的方向运动,从而在目标运动轨迹的前方捕获目标,但要求移动机器人的速度低于目标的速度。在建立了移动机器人和目标的前置追踪运动学模型的基础上,根据滑模变结构控制对系统干扰具有鲁棒性的特点,在目标机动加速度未知的情况下,以移动机器人的两后轮线速度为控制变量,提出了一种全局渐进稳定的非线性自适应变结构前置追踪算法。通过移动机器人对机动目标的追踪仿真验证了跟踪算法的有效性。     

Nonlinear optimal control for robotic yoyo playing

A general approach for controlling of periodical dynamic systems was presented by taking robotic yoyo as an example. The height of the robot arm when the yoyo arrives at the bottom was chosen as virtual control. The initial amplitude of yoyo could be mapped to the desired final amplitude by adjusting the virtual control. First, the yoyo motion was formulated into a nonlinear optimal control problem which contained the virtual control. The reference trajectory of robot could be obtained by solving the optimal problem with analytic method or more general numerical approach. Then, both PI and deadbeat control methods were used to control the yoyo system. The simulation results show that the analytic solution of the reference trajectory is identical to the numerical solution, which mutually validates the correctness of the two solution methods. In simulation, the initial amplitude of yoyo is set to be 0.22 m which is 10% higher than the desired final amplitude of 0.2 m. It can be seen that the amplitude achieves the desired value asymptotically in about five periods when using PI control, while it needs only one period with deadbeat control. The reference trajectory of robot is generated by optimizing a certain performance index; therefore, it is globally optimal. This is essentially different from those traditional control methods, in which the reference trajectories are empirically imposed on robot. What’s more, by choosing the height of the robot arm when the yoyo arrives at the bottom as the virtual control, the motion of the robot arm may not be out of its stroke limitation. The proposed approach may also be used in the control of other similar periodical dynamic systems.     

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。     

基于深度强化学习的移动机器人轨迹跟踪和动态避障

针对移动机器人在局部可观测的非线性动态环境下,实现轨迹跟踪和动态避障时容易出错和不稳定的问题,提出了基于深度强化学习的视觉感知与决策方法.该方法以一种通用的形式将卷积神经网络的感知能力与强化学习的决策能力结合在一起,通过端对端的学习方式实现从环境的视觉感知输入到动作的直接输出控制,将系统环境感知与决策控制直接形成闭环,其中最优决策策略是通过最大化机器人与动力学环境交互的累计奖回报中学习获得.仿真实验结果证明,该方法可以满足多任务智能感知与决策要求,较好地解决了传统算法存在的容易陷入局部最优、在相近的障碍物群中震荡且不能识别路径、在狭窄通道中摆动以及障碍物附近目标不可达等问题,并且大大提高了机器人轨迹跟踪和动态避障的实时性和适应性.     

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。