迭代学习在音圈电机轨迹跟踪中的应用研究

为实现高密度LED焊线机上邦头运动轨迹的精确跟踪,降低因其轨迹偏差而产生的废品率。提出了一种基于迭代学习做前馈控制的前馈+反馈二自由度控制算法。首先对音圈电机进行机理分析,建立了其数学模型,以此为基础,给出了音圈电机轨迹跟踪的整体控制方案,并且结合焊线机上邦头超高加速度(20g)和整定时间短的运动特点后设计了带遗忘因子的PD型闭环迭代学习控制算法。对所提出的带遗忘因子的PD型闭环迭代学习控制的收敛性进行了理论分析,并且通过MATLAB中的SIMULINK模块进行了动态仿真,验证了该算法下的音圈电机系统响应速度显著提升,位置误差的收敛稳定可靠,改善了高密度LED焊线机上邦头的轨迹跟踪性能。     

基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制

针对注塑机注射速度的非线性和时变性特点,为提高注射速度对特定曲线的重复跟踪能力,提出了基于闭环PD型迭代学习控制的注塑机注射速度轨迹跟踪控制算法。该算法利用系统实际输出与期望目标之间的偏差修正不理想的控制信号,若干次迭代后,系统能够实现期望轨迹的跟踪。建立了注射速度的动态模型,同时给出系统的控制算法和结构。仿真结果表明:该控制器能有效跟踪期望的注射速度轨迹,响应速度更快,超调量更小,稳定性更好,控制效果优于常规PID控制器。     

混合驱动平面五连杆机构优化设计与迭代学习控制

对混合驱动平面五连杆机构进行了优化设计和轨迹跟踪迭代学习控制研究.首先,以伺服电机角加速度波动最小为目标函数,应用遗传算法对混合驱动平面五连杆机构参数进行优化设计;其次,对混合驱动平面五连杆机构进行轨迹跟踪指数变增益D型和闭环PD型迭代学习控制研究;最后,结合实例进行混合驱动平面五连杆机构轨迹跟踪数值仿真.结果表明,迭...     

基于人机耦合模型的上肢康复外骨骼闭环PD迭代控制方法

针对多关节上肢外骨骼重复性康复训练非线性求解困难问题,提出了一种闭环PD迭代学习控制方法。基于人体工学确定了六自由度上肢外骨骼康复机械臂的参数、自由度配置与关节运动范围。以人机交互力为耦合方式,建立了基于牛顿-欧拉法的人机耦合模型,完成了人机耦合动力学模拟分析。基于迭代学习控制理论提出外骨骼康复机械臂的闭环PD迭代学习控制方法,通过建模仿真分析了肩关节/肘关节迭代学习控制的轨迹误差、人机交互力和驱动力矩。第三次迭代后的轨迹误差小于0.05 rad,PD迭代学习控制器的输出对系统控制进行了有效的补偿,提高了系统状态的稳定性。研制了六自由度上肢外骨骼康复机械臂样机,开展试验测试。试验结果表明,随着控制试验在迭代域上的运行,系统的输出向着期望的系统状态转化,所提出的迭代学习控制算法可以提高上肢外骨骼康复训练重复性运动的控制精度,进而提高人机交互性能。     

六足机器人的动力学建模与鲁棒自适应PD控制

分析了六足机器人的运动学特性,建立了摆动腿的动力学模型并采用鲁棒自适应PD控制算法对各关节位置和速度进行了轨迹跟踪仿真研究。首先,根据六足机器人的结构特点定义了机体坐标系及各腿跟关节坐标系,建立了单腿运动学D-H模型,运用数值仿真软件对足端运动空间进行了仿真研究。其次,运用拉格朗日方法建立了六足机器人摆动腿的动力学模型,并对其进行了规范化处理。最后,采用鲁棒自适应PD控制算法对六足机器人的关节位置、速度进行了轨迹跟踪控制的仿真研究。仿真结果验证了该算法对此类机器人关节位置、速度轨迹跟踪控制的有效性。     

压电驱动器的开闭环迭代学习控制

由于开闭环迭代学习控制方法能在加快收敛速度的情况下降低跟踪误差,本文利用该控制方法来提高压电驱动器(PZT)的高频轨迹跟踪精度。首先,提出了离散时间下的开环P型结合闭环PI型的迭代学习律,并且给出了基于该学习律的收敛性条件。然后,设计了用于PZT系统的离散开闭环迭代学习控制器。最后,针对50Hz单频和25Hz+50Hz复频三角波轨迹进行了跟踪控制实验。实验结果表明:所提出的迭代学习控制器对上述2种轨迹的最大跟踪误差分别为10.6nm和12.5nm,相对于PID控制器,分别降低了96.25%和95.62%。结果显示:提出的控制方法易于实现,无需准确的PZT迟滞和系统模型就可以获得很高的跟踪精度,能有效地满足高频和复频轨迹跟踪的精度要求。     

高响应电磁式刀架非圆截面车削加工的伺服控制研究

分析电磁式微进给伺服系统的开环和闭环数学模型,提出在非圆截面零件车削加工中针对给定轨迹渐变的修正迭代学习控制算法。在此基础上,对某一中凸变椭圆活塞型线进行了实际跟踪控制试验。结果表明,采用电磁式伺服刀架系统及本文提出的控制策略,可以满足高速高精度条件下对非圆截面零件的车削加工的要求。     

非线性系统的改进型迭代学习控制算法研究

针对普通闭环PD型迭代学习控制算法收敛速度慢且收敛精度不高的问题,通过在闭环PD型控制算法中引入动态扩张-收缩因子(dynamic expansion compression coefficient,DECC)的方法,提高闭环PD型算法的收敛速度以及收敛精度。同时将鲁棒控制引入至算法中,进一步提高算法抑制外界干扰的能力。通过构造李雅普诺夫函数证明了在所提改进的控制律作用下的信号是有界且收敛的。最后将改进的迭代学习控制算法应用在一类具有重复运行性质的非线性系统中,证明所提算法是有效的。     

水轮机修复专用机器人关节摩擦补偿及仿真

在用于轨迹跟踪的PD加前馈控制的基础上,对影响水轮机修复机器人轨迹跟踪的两个主要关节进行了摩擦力矩补偿.采用拉格朗日力学法建立了这两个关节的动力学模型.在MATLB下比较了未加入摩擦力补偿的PD控制以及基于模型补偿的PD加前馈控制.结果表明,加入摩擦力补偿的控制方案改善了系统的跟踪性能.     

基于迭代学习的电液机械手末端轨迹跟踪控制研究

针对目前常见串联式机械手末端存在控制误差累计而导致末端控制精度较低,无法实现高精度位置伺服控制,使得末端轨迹跟踪控制较差等问题,该文借助迭代学习控制算法的优点,提出了一种基于迭代学习的电液机械手末端轨迹跟踪控制算法。首先,该文以型号为REbot-6R机械手为研究对象,建立机械手的三维模型和坐标,利用D-H坐标,建立REbot-6R机械手运动学模型;然后,设计了基于迭代学习的电液机械手末端轨迹跟踪控制器;最后,以REbot-6R机械手为对象搭建实验平台进行轨迹跟踪控制实验。实验结果表明了迭代学习算法能够很好的运用在REbot-6R机械手上,有效性地解决机械手末端轨迹跟踪控制较差等问题,提高了轨迹跟踪精度。     

基于迭代学习控制的双容水箱液位控制

针对双容水箱普遍存在的容积延迟的问题,以及传统PID控制效果不理想的特点,提出了基于迭代学习控制的双容水箱液位控制的方法。设计了双容水箱的PID型迭代学习控制器,其中包括开环PID型迭代学习控制器和闭环PID型迭代学习控制器。仿真结果表明,经过多次学习后,双容水箱在开环迭代学习控制器和闭环迭代学习控制器的控制下,可以较好地跟踪期望轨迹,获得较高的控制精度,验证了迭代学习控制方法的有效性。     

基于迭代学习理论的智能铲运机运动轨迹控制算法研究

以智能铲运机为研究对象,建立了智能铲运机极坐标下的运动轨迹模型。针对地下智能铲运机的工作特性和控制技术要求,提出了一种基于迭代学习理论的开环和闭环迭代学习控制算法。该方法将每次迭代运行过程中的航向角偏差和轨迹偏差作为反馈修正量,不断地修正其在期望轨迹上的轨迹偏差,从而保证铲运机尽可能准确地跟踪期望轨迹,实现对其运动轨迹的精确控制。该方法在工程实践领域具有广阔的应用前景。     

迭代学习控制在某机械系统中的应用研究

针对某特定机械系统中,跟踪一些重复轨迹的问题,建立了该特定机械系统的数学模型,并提出了一种PID型迭代学习控制方法。此外,为了同时保证该机械系统的收敛性和鲁棒性,在提出的这种PID型迭代学习算法中引入了一个遗忘因子。并从理论上分析证明了该种控制算法下,系统输出想要收敛于理想的跟踪信号需要满足的条件。最后,仿真结果表明,所提出的这种控制算法利于系统消除扰动,跟踪重复轨迹信号有着较高的跟踪精度。     

弧焊机器人自适应轨迹跟踪控制仿真

针对多关节机械手具有非线性和耦合性等特点,常用的PD控制难以达到现场作业的要求。以弧焊机器人为研究对象,运用拉格朗日法建立该机器人的动力学模型,并在进行动力学仿真的基础上求得两关节机器人的简化模型,然后采用鲁棒自适应算法与PD控制结合的算法实现轨迹跟踪控制,最后在MATLAB/Simulink中进行算法仿真。仿真结果表明,机器人能有效抑制外界扰动对跟踪轨迹的影响,动态性能和误差收敛性良好,为实现多关节机器人的轨迹跟踪控制提供了理论基础。     

基于高阶内模迭代学习的关节机器人控制研究

为了提升关节机器人在非严格重复条件下工作过程中的跟踪精度及响应速度,设计了三关节机器人模型,进行运动学及动力学分析来验证模型结构合理。针对关节机器人系统非重复性、非线性的特点,提出将高阶内模迭代学习控制算法应用于关节机器人系统控制中,设计合理的学习增益及更高的内模阶数,从理论上严格证明其收敛性。设计了仿真对比实验及加入扰动后的轨迹跟踪实验,结果表明,高阶内模迭代学习算法收敛速度更快并且具有良好的控制效果。     

基于PDAG算法的工业机器人轨迹跟踪

根据工业机器人执行的作业任务具有重复性的特点,提出一种PDAG算法。将学习矩阵作用于误差数据建立PDAG算法的数学模型,从理论上证明了PDAG算法的稳定性和收敛性。将重力补偿作为前馈控制量,用以消除动态过程中关节重力的影响,提高迭代学习控制的收敛速度和轨迹跟踪精度。进行了PDAG算法仿真,结果表明,PDAG算法的控制性能与传统的无补偿算法相比,迭代学习后轨迹跟踪误差趋于稳定,各关节最大位置跟踪误差和平均跟踪误差均比没有重力补偿时降低50%,且比有重力补偿的PD算法精度提高最大达81%。实验证明提出的PDAG算法可以获得更高精度的跟踪效果。     

基于电磁直线执行器的电子凸轮轨迹跟踪控制

提出了一种基于电磁直线执行器的电子凸轮,通过对给定轨迹的跟踪来实现所需要的直线运动规律,以取代传统的机械凸轮机构。采用迭代学习控制算法控制电子凸轮实现对目标轨迹的跟踪,并进而应用迭代加模糊滑模控制的算法提高电子凸轮的收敛速度与鲁棒性。模糊滑模迭代控制是将误差函数输入滑模控制器中,然后以滑模函数作为模糊控制器的输入,最后通过模糊控制器的输出来控制迭代算法中的增量。通过仿真以及试验验证表明,基于电磁直线执行器的电子凸轮能够有效取代传统的机械凸轮机构,模糊滑模迭代控制算法能够满足电子凸轮对轨迹跟踪精度、响应速度、收敛速度与鲁棒性的要求。     

一类非线性时滞系统的迭代学习控制设计

为了研究时滞对非线性系统的迭代学习控制收敛性的影响,采用了λ范数和一系列不等式技术,通过建立精确的数学模型,分析了在PD学习律下的Hopfield非线性神经网络系统。在全局Lipschi-tz连续条件下,研究了确保系统跟踪误差收敛的充分条件。理论推导证明时滞对这类非线性系统的迭代学习控制系统的收敛性没有显著的影响,仿真结果表明,迭代学习控制可以实现对非线性时滞系统的精确轨迹跟踪。     

磁流变假肢膝关节CT+PD轨迹跟踪控制研究

以磁流变阻尼器为制动器的磁流变假肢膝关节具有阻尼连续可调的优点,但如何使其具有较好的仿生性是限制磁流变假肢膝关节商业化发展的重要因素。基于健康人在平地行走的步态数据,建立单轴式磁流变假肢膝关节处于摆动相内的动力学模型。在传统比例微分(Proportional Derivative,PD)控制基础上,引入计算力矩(Computing Torque,CT)控制方法,提出CT+PD轨迹跟踪控制算法,并对单轴式磁流变假肢膝关节小腿摆动角度进行控制。介绍了CT+PD轨迹跟踪控制算法原理并对其稳定性进行分析。建立磁流变假肢膝关节控制系统,并将PD控制器与CT+PD控制器对比,仿真得到CT+PD控制器的最大绝对误差为4.6°,而PD控制器的最大绝对误差为12.3°,证明了CT+PD轨迹跟踪控制对磁流变假肢膝关节轨迹跟踪的有效性。     

基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制策略

为了实现单舵轮自动导引车(Automated Guided Vehicle, AGV)轨迹跟踪的快速稳定响应,设计了一种基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制策略。建立了单舵轮AGV的运动学模型,构建包括外环位置子系统和内环姿态子系统的双闭环轨迹跟踪控制方案;采用基于双幂次趋近律的滑模变结构控制算法,分别设计了前轮速度和前轮转角控制律,并利用李雅普诺夫稳定性理论分别对所设计的外环位置子系统和内环姿态子系统进行稳定性证明;MATLAB软件仿真结果表明,相较于基于指数趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制器,基于双幂次趋近律的单舵轮AGV双闭环轨迹跟踪滑模控制器在保证单舵轮AGV轨迹跟踪稳定性的同时具有更快的响应速度。