基于新型趋近律的柔性机械臂滑模-最优组合控制

为提高柔性机械臂的控制精度,提出一种基于滑模控制与最优控制相结合的组合控制方式。通过Lagrange法和假设模态法构建其动力学模型,进而运用奇异摄动理论对柔性臂进行解耦,获得慢变和快变子系统。对于慢变子系统,采用滑模控制实现轨迹跟踪,提出一种新型趋近律,该趋近律在幂次趋近律基础上加入变速趋近项,引入系统状态变量,动态调整趋近速率,同时增加指数项提高趋近速度,使用双曲正切函数替代符号函数以抑制抖振;对于快变子系统,采用最优控制进行振动抑制。MATLAB仿真结果表明,该组合控制方法相比于纯滑模控制,具有更好的动态性能和鲁棒性能。     

振动基柔顺驱动打磨机器人的力/位混合控制研究

针对柔顺打磨机器人在移动作业过程中,在基础振动、柔性振动与环境接触力耦合作用下非线性控制问题,提出一种新型鲁棒轨迹跟踪力/位混合控制策略。使用第二类拉格朗日法建立柔顺机械臂的动力学方程,通过奇异摄动法将上述系统分为快、慢2个时间尺度的子系统。慢变子系统对系统刚性部分采用力/位混合控制方法,其中力控制采用PID控制,位置控制采用基于神经网络的鲁棒控制。快变子系统对系统柔性部分采用速度差反馈法进行控制。结果表明：利用所提出的控制策略,机械臂末端的轨迹跟踪效果较好且打磨力保持稳定,对非线性振动有较好的抑制效果。     

区分快慢变子系统的柔性机械臂组合控制

为了提高柔性机械臂控制精度,文章设计了区分快变子系统与慢变子系统的组合控制器。使用拉格朗日方程和假设模态法建立了动态方程,使用奇异摄动分解法将系统分为快变子系统与慢变子系统;提出了自适应滑膜变结构控制,设计慢变子系统控制器;使用极值原理求解了快变子系统最优控制问题,从而给出了快慢变子系统组合控制。通过仿真验证,相比于传统滑膜变组合控制,自适应组合控制器的调节时间短、跟踪过程无震荡,且自适应组合控制器输出平滑无抖振。     

基于轮廓误差补偿的机械臂自适应非奇异终端滑模控制

针对机械臂外部干扰、执行器故障等不确定因素对末端轮廓跟踪精度的影响,提出一种基于交叉耦合的自适应非奇异终端滑模控制方法。基于机械臂动力学模型,采用Lyapunov函数设计系统的非奇异终端滑模控制律;为解决滑模控制器设计过程依赖于不确定性上界这一局限性,引入自适应技术估计系统集总不确定性,有效抑制滑模控制的高频抖振现象;根据有限时间稳定性理论证明闭环控制系统的有限时间稳定。结合交叉耦合控制技术与抛物线过渡轨迹规划技术,设计交叉耦合轮廓补偿与参考位置预补偿相互协调的统一框架;提高机械臂各关节间的协调性,以更好地削弱系统不确定性对末端轮廓跟踪精度的影响。结果表明：所设计的控制器能够在机械臂系统存在不确定性因素下实现末端轮廓精确跟踪,并能有效抑制系统抖振现象。     

滑模控制在并联机器人轨迹跟踪中的应用

建立了平面二自由度冗余驱动并联机器人的动力学模型,为进行动力学控制奠定了基础.考虑到并联机器人的非线性不确定性,结合滑模控制对参数变化和系统未建模部分的不敏感性,设计了滑模控制器并进行了稳定性分析.由于滑模控制具有抖振问题,进而设计了准滑模控制器以减少抖振.在充分利用滑模控制鲁棒性较强的基础上,利用准滑模控制减少了抖振对伺服电机和机械臂的损坏.利用MATLAB 7.0对系统进行了轨迹跟踪仿真研究.仿真结果表明,即使在存在初始位置误差的情况下,滑模控制仍能较好地完成轨迹跟踪,准滑模控制能有效减少系统的抖振.     

双连杆柔性关节机械臂分数阶线性自抗扰控制

针对双连杆柔性关节机械臂的柔性振动和受外部干扰的问题，提出了一种复合控制器的控制策略。通过拉格朗日方程建立了考虑关节柔性的刚柔耦合的机械臂动力学模型，使用奇异摄动法对机械臂系统解耦，使其分解成代表刚性部分的慢速子系统和代表柔性部分的快速子系统；对于慢速子系统，设计了带有前馈补偿的分数阶线性自抗扰控制器来抵抗内外扰动，实现了机械臂的高精度的轨迹跟踪，对于快速子系统，采用微分补偿项补偿，来抑制关节的柔性振动，从而达到系统稳定。实验和仿真结果表明，系统可以有效地实现双连杆柔性关节机械臂的轨迹跟踪，并且相对于整数阶线性自抗扰控制器有着更好的动态性能和鲁棒性。     

基于模糊滑模控制的电液伺服系统研究

目前,液压系统被广泛运用在工业生产中,但是在其控制方法上,传统的PID控制不能满足控制精度及相应速度的需求,而滑模变结构控制在提升控制精度的同时又存在较大的抖振现象。故提出了一种滑模变结构控制与模糊控制相结合的控制方法。以阀控液压缸为例建立数学模型,设计模糊滑模控制器并通过Matlab/Simulink进行仿真。结果显示该方法相较于普通PID控制和传统滑模控制,能够实现快速、准确跟踪,有效抑制抖振且具有较强的鲁棒性,取得了较为满意的控制效果。     

串联型机械臂的自适应鲁棒容错控制研究

针对串联型机械臂关节空间内的轨迹跟踪控制,提出了一种自适应鲁棒容错控制方法。在机械臂动力学模型中加入了外界干扰、关节摩擦与故障模型,并将其等价成二阶被控系统。在此基础上,结合非奇异快速终端滑模面和反步法控制策略,设计一种新型的反步非奇异快速终端滑模控制器。通过李亚普诺夫准则验证了控制策略的全局渐近稳定性;引入自适应技术估计系统不确定性的上界,提高控制器的鲁棒性。以二自由度机械臂为被控对象,对所设计控制器的有效性进行了验证,结果表明:与传统的非奇异快速终端滑模控制器及反步非奇异快速终端滑模控制器相比,该控制器具有响应速度快、鲁棒性强、抖振小的优点,能有效应对系统故障和实现机械臂的高精度轨迹跟踪控制。     

新型变刚度电液串联弹性机械臂振动控制仿真研究

为了抑制变刚度电液串联弹性机械臂振动幅度,设计反演自适应模糊滑模控制器,并对机械臂输出效果进行仿真。创建新型变刚度电液串联弹性机械臂,给出阀内流体流动分布的非线性控制方程式。针对传统滑模控制器进行改进,将输入整形技术与模糊逻辑系统相结合,设计反演自适应模糊滑模控制器。引用李雅普诺夫函数对控制器的稳定性进行证明,保证系统的状态变量到达并保持在滑动面上。采用MATLAB软件对机械臂角位移、角速度和转矩变化进行仿真,与滑模控制器输出结果进行对比。结果显示：在无干扰环境中,采用滑模控制器和反演自适应模糊滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小;在有波形干扰环境中,反演自适应模糊滑模控制器控制效果明显优于滑模控制器,机械臂运动轨迹与期望轨迹的误差较小,振动幅度较小,自适应调节时间较短,无超调量发生。采用反演自适应模糊滑模控制器,能够抑制变刚度电液串联弹性机械臂振动幅度,减小其输出误差。     

3-RRR平面并联机器人神经网络滑模控制研究

针对具有强耦合和高非线性并联机器人的轨迹跟踪控制研究,设计了一种基于神经网络滑模控制器的控制系统。在传统滑模控制的基础上,利用神经网络算法实时修正系统非线性项和不确定参数的功能,有效抑制了SMC系统的抖振现象。建立了3-RRR平面并联机器人的结构简图和Matlab模型,并采用闭环矢量法得到了机器人的运动学反解,为控制系统提供了参考输入。基于机器人的简化动力学方程,设计了一种RBF神经网络滑模控制器,并构造Lyapunov函数证明控制器的稳定性。分别采用传统滑模和神经网络滑模控制方式对机器人的轨迹跟踪进行仿真分析。仿真结果表明:神经网络滑模控制器具有更好的轨迹跟踪精度和较小的稳态误差,验证了神经网络SMC控制器的有效性。     

基于混沌优化的数字PID控制器及其应用

为了解决在工业控制中PID参数整定繁琐、控制结果出现大的振荡和超调等问题,提出一种基于混沌变量的数字PID控制器参数优化方案。该方案不仅适用于运动控制中的PID参数整定,还适用于过程控制中的PID参数整定。对柔性机械臂进行运动控制仿真,结果证明：该算法快速有效地实现了PID参数的优化整定;控制结果具有稳定、超调小、响应快、调节时间短的优点,从而实现了对柔性机械臂的PID优化控制。而且在纯滞后系统中也得到了很好的控制效果。     

水下机械臂电动静液作动器的模型预测控制

电动静液作动器(EHA)作为水下液压机械臂的作动系统具有诸多优势。为提高EHA的控制性能,采用基于卡尔曼滤波的模型预测控制(MPC)方法,为提高预测效率,MPC的预测模型采用线性化的EHA模型。在Simulink环境中实现水下机械臂EHA的MPC控制,并与PID和滑模控制(SMC)进行对比。仿真结果表明：MPC的位置跟踪稳态误差约为SMC的10%~24%,为PID的3%~37%;出现负载扰动之后,MPC的平均受扰偏差仅为SMC的31%~66%,为PID的3%~48%;随着油液弹性模量的降低,3种控制方法下的受扰偏差均呈上升趋势,但MPC的上升趋势更加平缓,平均偏差值也较低。这表明MPC控制方法具有更高的位置跟踪精度和更强的鲁棒性。     

基于线性变参数控制的机械臂追踪误差仿真研究

针对目前机械臂在使用控制器时,存在轨迹追踪误差较大问题,设计了机械臂线性变参数控制方法,并且对追踪误差进行仿真验证。构造了两关节机械臂运动简图,建立机械臂刚体动力学数学模型,引入动力学参数的线性组合,推导出线性变参数模型。设计出机械臂的线性变参数控制器,采用Matlab/Simulation软件对控制器的轨迹追踪误差进行仿真。同时,与其它控制器的机械臂轨迹追踪误差仿真结果进行比较和分析。仿真结果显示,采用线性变参数控制器实际输出运动轨迹与理论期望运动轨迹更接近,运动比较平稳。采用线性变参数控制可以提高机械臂运动轨迹的追踪精度。     

基于改进迭代学习的并联6-DOF运动平台控制策略研究

为了改善并联6-DOF运动平台的轨迹跟踪效果提出了一种新颖的控制算法。该控制方法结合了非奇异Terminal滑模控制(NTMSMC)和迭代学习控制(ILC),非奇异Terminal滑模控制器可以在有限的时间到达和消除控制器奇异,将其作为第一控制器来处理模型参数不确定性、未知的非线性和外部干扰;在到达滑模面之后,用PD型迭代学习控制器作为第二控制器来消除周期性轨迹跟踪误差。Simulink仿真结果表明,这种组合控制器与其它控制器(如PID控制、滑模控制、迭代学习控制)相比有更高的轨迹跟踪精度和较强的鲁棒性。     

基于PSO算法的串联机械手位置跟踪模糊PID控制

在串联机械手运动控制中常采用PID控制器,存在超调较大、跟踪精度低的问题,为此设计了一种基于微粒群(PSO)算法的模糊PID控制器。首先,根据两力臂串联机械手模型,推算出动力学方程式和传递函数;然后,设计控制器的系统结构,采用PSO算法优化模糊PID控制参数,提高了系统的自适应能力和跟踪精度;最后,在MATLAB中对机械手位置跟踪控制进行仿真。仿真结果显示:PID控制超调较大,有震荡;经模糊调整后,超调变小,稳定性较好;再通过PSO优化,响应速度变快,超调量基本消除。     

基于改进PID控制的电液伺服系统执行器运动轨迹仿真

电液伺服系统执行器运动轨迹跟踪容易受到外界干扰,导致控制系统不稳定。为解决此问题,设计小波神经网络PID控制系统,并对控制效果进行仿真验证。建立电液伺服阀简图模型,创建阀芯运动的动力学模型,分别推导出控制阀、液压执行器和比例溢流阀动力学方程式。采用小波神经网络对传统增量式PID控制器进行改进,利用MATLAB软件对改进后的控制系统进行仿真;对比分析改进前、改进后系统液压执行器的跟踪轨迹。结果表明：液压执行器在没有受到外界波形突然干扰情况下,2种控制方法都能较好地实现轨迹跟踪;在受到外界波形突然干扰情况下,采用增量式PID控制的液压执行器运动轨迹与期望轨迹存在较大误差,采用小波神经网络PID控制的液压执行器运动轨迹与期望轨迹存在较小误差。所设计的控制系统响应速度较快,能够自适应在线调整控制参数,有效地抑制外界环境对控制系统的干扰,从而提高液压执行器运动轨迹跟踪精度