柔性关节机械臂的非线性控制策略研究

针对外部干扰情况下的柔性关节机械臂非线性动力学模型,提出一种基于反演设计思想的递阶控制策略。把电机的输出角度向量作为关节子系统的控制变量,设计虚拟电机角度向量实现关节轨迹跟踪,同时在反演正定函数中综合积分项消除轨迹跟踪误差。计算实际的关节电机输出力矩,使电机输出角度跟踪虚拟控制量,通过设计自适应滑模变结构控制器消除系统不确定因素的影响。基于李雅普络夫稳定性理论证明系统的稳定性和轨迹跟踪误差的收敛性。     

基于反演设计的机械臂非奇异终端神经滑模控制

针对具有建模误差和不确定干扰的多关节机械臂的轨迹跟踪问题,设计反演非奇异终端神经滑模控制。该方案是采用能有限时间收敛的非奇异终端滑模面,根据滑模控制原理和反演方法设计反演滑模控制器;对于反演滑模控制系统中由于建模误差和不确定干扰造成的不确定因素的上界,设计径向基(Radial basis function, RBF)神经网络自适应律,在线估计不确定因素的上界;利用李亚普诺夫定理证明了系统的稳定性。仿真结果表明,该方法具有良好的轨迹跟踪性能,提高对于建模误差和不确定干扰等因素的鲁棒性,削弱了抖动。     

机械臂反演非奇异终端的神经滑模控制

为了解决具有外部干扰以及建模误差的多关节机械臂的轨迹跟踪问题,提出了一种机械臂反演非奇异终端的神经滑模控制方法。采用非奇异终端的滑模面,基于反演方法以及滑模控制的原理,设计了反演滑模控制器。针对由于外部干扰以及建模误差引起的反演滑模控制系统中不确定的因素上界,设计了径向基(radial basis function,简称RBF)神经网络的自适应律,对不确定因素上界进行了在线估计,并对控制系统的稳定性使用了Lyapunov定理进行证明。仿真分析结果表明,所提出的方法不仅可以减少系统中存在的抖振现象,而且具有较好的轨迹跟踪性能和较强的鲁棒性。     

基于干扰误差补偿的自动化电机自适应滑模反演控制

针对自动化电机受电磁干扰误差较大,导致电机控制效果较差、难以反映真实运行状态的问题,提出基于干扰误差补偿的自动化电机自适应滑模反演控制方法。构建电机的转子动力学模型,设计干扰观测器,将干扰预测输出值传输至增益调整模块,构建非线性干扰预测动态方程,将预测的干扰因素转化为相应控制量。电机的连续控制问题即跟踪控制问题,按照滑模反演控制理论,定义电机的两个子误差,引入滑模切换函数,构建转子动力学惯性逆矩阵获取控制力矩,通过跟踪转子输出轴完成电机自适应滑模反演控制。实验结果表明,所提方法能够较好地跟踪实际干扰信号变化轨迹,对自动化电机的控制性能较好。     

生产线机械制造设备机械臂自动化控制方法

常规方法将伺服电机的驱动力矩直接作用于机械臂关节,关节角速度受扰动力负面影响,使得跟踪轨迹调节时间较长、稳态跟踪误差较大。提出生产线机械制造设备机械臂自动化控制方法。建立机械臂运动学模型,将关节角度作为改变机械臂位置姿态的参量,分析关节角度时间变化规律,得到机械臂位置姿态集合,规划机械臂运动轨迹,利用运动控制处理器,控制伺服电机输出力矩,通过前馈补偿,增益施加给关节的控制力矩,消除扰动力负面影响,由驱动力矩调节关节角速度,使关节角度达到期望值,令机械臂沿着运动轨迹完成作业。以串联连杆型机械臂为例,模拟生产线机械制造设备作业场景,设置初始关节角度和机械臂期望轨迹,实验结果表明,相比两种常规方法,设计方法关节角度调节时间缩短了0.18s、0.384s,稳态跟踪误差减小了0.407rad、0.849rad,提高了机械臂对期望轨迹的跟踪精度。     

四旋翼飞行器轨迹跟踪控制器的设计与验证

为了解决四旋翼飞行器在外界扰动影响和系统模型参数存在不确定性情况下的精确轨迹跟踪控制问题,设计并验证了一种四旋翼飞行器的非线性轨迹跟踪控制器。首先建立了考虑执行机构特性的四旋翼飞行器数学模型,并将虚拟控制量映射到了实际中对电机的控制;然后通过在反步法轨迹跟踪控制中加入积分项,设计了一种基于积分型反步法的非线性轨迹跟踪控制器,消除模型参数不确定性及外界干扰引起的误差,仿真结果验证了该方法的可行性;最后,利用QBall2四旋翼飞行实验平台,对所设计的非线性轨迹跟踪控制器进行验证,实际飞行实验结果表明了所设计控制器的有效性,提高了实际飞行过程中外界干扰和不确定性下的四旋翼飞行器轨迹跟踪控制的精度。     

气动肌肉并联关节的位姿轨迹跟踪控制

针对多输入多输出的气动肌肉并联关节,建立包含任务空间负载动态方程、容腔压力动态方程和高速开关阀平均流量方程的多阶动态系统数学模型。为保证气动肌肉并联关节系统良好动态特性的同时具有高精度的位姿轨迹跟踪,采用基于非连续投影算法的自适应鲁棒控制策略。该策略通过自适应参数估计来消除因气动肌肉并联关节系统动态数学模型的参数未知而引起的较大参数不确定,通过鲁棒反馈来消除因气动肌肉的伸缩力模型误差、摩擦力时变和关节系统的不可知干扰等引起的严重非线性不确定,且控制器基于反推设计,对多输入多输出的多阶耦合动态系统具有很好的适用性。试验结果表明：所研究的气动肌肉并联关节阶跃响应的静态误差小于0.09°,连续轨迹跟踪的标准误差小于0.15°,且具有较强的自适应性和鲁棒性。     

三关节移动机械臂轨迹跟踪控制的研究

三关节移动机械臂是由移动平台及固定在移动平台上的三关节机械臂组成的机器人系统。文章对三关节移动机械臂进行了运动学和动力学建模,提出了一种基于自适应动态滑模控制的轨迹跟踪控制方法。对受外界干扰影响的移动机械臂系统的数学模型进行了输入/输出线性化处理,并设计了一种带有不确定性上界估计的自适应动态滑模轨迹跟踪控制器。从理论上分析了闭环机器人控制系统的稳定性,并利用MATLAB轨迹跟踪控制仿真实验验证了所提出的轨迹跟踪控制方法的有效性。     

机器人仿生膝关节的计算力矩加比例微分反馈控制

磁流变阻尼器控制的四连杆关节瞬时转动中心是变化的,仿生特性好,但机构模型复杂,模拟人腿关节运动时变轨迹跟踪较为困难.基于此,提出行走机器人四连杆仿生膝关节机构,建立虚拟样机、机构动力学简化模型和磁流变阻尼器Bingham模型.基于瞬时转动中心和简化的关节几何中心,引入大小腿长度变化以减少模型误差.设计计算力矩加比例微分反馈控制算法来控制关节摆动.采用Lyapunov方法,分析在模型存在误差情况下,控制算法的收敛性和跟踪误差大小.在虚拟样机上对阻尼力和关节摆动运动进行仿真,在样机上对控制算法进行验证.试验结果表明,引入瞬时中心和几何中心,可降低模型误差,控制算法轨迹跟踪精度能满足行走机器人行走要求.     

变论域模糊补偿的机械臂积分终端滑模控制

为了减小机械臂在环境扰动、参数漂移和建模误差等影响下的轨迹跟踪误差,设计了基于积分终端滑模和变论域模糊补偿的组合控制器。采用拉格朗日方程建立了机械臂系统的动力学模型,制定了不确定因素影响下机械臂跟踪控制方案;设计的积分终端滑模控制器可以将系统初始状态限制在滑模面上,消除了控制过程的抖振并提高了跟踪速度;提出了自适应论域策略,该策略可以提高补偿力矩的输出细粒度,并将变论域模糊算法用于不确定因素补偿。经实验验证,变论域模糊补偿控制对关节1角位置的最大跟踪误差为0.103 rad,误差绝对均值为0.025 rad,对关节2角位置的最大跟踪误差为0.073 rad,误差绝对均值为0.012 rad,跟踪控制精度高于模糊补偿控制、RBF-BP控制和自适应鲁棒控制,验证了变论域模糊补偿控制方法的有效性和先进性。     

蛇形机器人跟踪误差预测的自适应轨迹跟踪控制器

为了满足蛇形机器人轨迹跟踪运动的精度需要,消除外界干扰对机器人跟踪误差的影响,提出了一种蛇形机器人跟踪 误差预测的自适应轨迹跟踪控制器。 所提出的控制器实现了机器人干扰变量、摩擦系数和控制参数的预测,并用预测值和虚拟 控制函数来补偿系统的控制输入,抵消了蛇形机器人在轨迹跟踪过程中的侧滑角,避免了干扰变量对机器人带来的负面影响, 提高了轨迹跟踪的误差稳定性与控制精度。 在建立蛇形机器人模型后,利用积分形式的侧滑角补偿项改进了视线法,并设计了 蛇形机器人的自适应轨迹跟踪控制器。 使机器人的位置误差在 10 s 内实现收敛,角度误差小于 0. 03 rad,预测值误差在 5 s 内 收敛。 通过仿真实验,验证了所提出的控制器的有效性和优越性。     

基于递归神经网络的多机器人智能协同控制

多机器人协同系统具有负载能力强、工作空间广、灵活性好等优点,是机器人领域的研究热点。由于系统非线性、关节约束等问题,给其高性能协同控制带来了巨大挑战。研究关节约束下多机器人智能协同运动控制问题,设计同步策略并将多机协同控制问题建模为一个二次型优化问题,基于速度逃逸法将机器人关节角与关节角速度限幅归并描述到速度层,基于递归神经网络(RNN)设计了一个稳定性可证明的实时求解器。MATLAB与V-REP联合仿真平台下以多LBR iiwa机器人系统为对象的仿真实验表明,基于所提协同控制策略所有机器人都精确跟踪到了期望的三环路径轨迹,跟踪误差可达10~(-4)量级,轨迹跟踪过程中关节角、关节角速度皆在约束限幅内。     

基于混合控制算法的爬壁机器人跟踪控制

为解决爬壁机器人轨迹跟踪过程中速度突变与输入抖振的问题，提出一种基于神经动力学模型的反演运动学控制器与组合趋近律神经滑模动力学控制的混合鲁棒控制算法。利用神经动力学模型获取有界、平滑的虚拟位姿误差信号，解决了传统反演控制法引起的速度跳变问题；引入自适应径向基神经网络(RBFNN)调节基于组合趋近律的滑模增益，消除了抖振现象。设计过程采用Lyapunov函数，保证了控制系统的稳定与收敛。通过仿真数据与实验结果证明了所提算法的有效性。     

无速度反馈的双臂空间机器人模糊滑模控制

针对存在不确定性且无速度反馈的自由漂浮双臂空间机器人关节轨迹跟踪控制问题,提出了一种基于状态观测器的模糊滑模控制方法.根据双臂空间机器人完全驱动动力学方程以及运动学方程,建立自由漂浮状态下系统的关节空间动力学方程.利用模糊系统的万能逼近特性对系统不确定部分进行逼近,并设计状态观测器在线估计系统关节运动的角速度信息.以关节角度和观测器获得的关节角速度作为系统状态反馈,在传统滑模控制方法基础上,进一步考虑系统惯性参数未知导致的建模误差,设计模糊滑模控制器,实现了双臂空间机器人系统关节角度的轨迹跟踪控制.数值仿真验证了所提控制方法的有效性.     

仿人手指关节参数识别及滑模控制仿真研究

针对假手智能化水平较低的问题,设计了一种采用直流电机驱动并集成力矩/位置传感器的仿人手指机构,通过对手指基关节的分析,建立了近似的二阶系统模型,以电机电压为输入,关节位置、速度为输出,通过最小二乘法进行参数辨识,确定了系统的状态空间方程。在此基础上设计了滑模变结构控制器,通过对正弦信号的轨迹跟踪仿真表明,控制器具有良好的轨迹跟踪性能。     

基于非奇异终端滑模的电机伺服系统预设性能控制

针对电机伺服系统角度跟踪控制问题,提出非奇异终端滑模(Nonsingular terminal sliding mode,NTSM)与扩张状态观测器(Extended state observer,ESO)相结合的预设性能控制策略。利用性能预设函数(Prescribed performance function,PPF)将角度跟踪误差转化为一个变换误差,通过控制变换误差的有界性间接保证角度跟踪误差始终在预设范围内。构造ESO观测系统的模型不确定性,包括系统参数偏差、非线性摩擦和外部扰动等,并用于控制器的前馈补偿设计以提升跟踪性能;同时设计NTSM控制律保证系统的有限时间稳定性。通过Lyapunov稳定性理论证明了所提控制策略可以保证变换误差的有界性和闭环系统的稳定性。基于电机伺服系统试验平台的对比试验结果表明,所提控制策略在不同频率期望轨迹的条件下,均具备较好的控制精度,相较于NTSM+ESO控制器和NTSM控制器,控制性能分别提升了14%和37%左右,验证了所提控制策略的有效性。     

基于计算力矩的助行腿机器人神经网络补偿控制

在建立“机器主动”训练模式时助行腿机器人在跑步机上的步行动力学模型的基础上,设计了基于计算力矩加PD反馈的神经网络控制系统,并采用Lyapunov方法分析了控制系统的稳定性和收敛性。通过虚拟样机协同仿真平台进行了控制系统的仿真实验和样机系统测试验证,结果表明,该控制方法有效地消除了系统建模误差影响,提高了助行腿机器人轨迹跟踪能力。      

无模型机械臂BP神经网络状态观测及反演跟踪控制

针对摩擦阻尼及模型参数不确定的情况,运用反演控制设计策略,针对多连杆机械臂提出了一种基于神经网络观测器的无模型轨迹跟踪控制方法。运用带有修正项的自适应BP神经网络观测器对不可测状态量进行观测,同时对系统模型进行在线逼近。在此基础上设计了基于观测状态和逼近模型的反演跟踪控制器, Lyapunov稳定性理论证明了该控制器能够保证跟踪误差的有界和闭环系统中所有信号的有界。跟踪给定轨迹的仿真实验证明了该方法的有效性。     

基于期望动力学的柔性关节控制器设计

协作机器人具有灵活,安全特点,已广泛应用于自动化领域以及中小企业中。为了保证与人交互的安全性,协作机器人通常采用中空电机与中空减速器配合的设计方案,以降低关节转动惯量,从而获得良好的外力感知与控制能力,这种设计导致协作机器人的关节具有了柔性。针对具有柔性关节的轻量级协作机器人,设计了一种基于期望动力学的柔性关节控制器,提高柔性关节机器人的轨迹跟踪精度和抖动抑制能力。在具有谐波减速器和力矩传感器的柔性关节上,基于连杆侧位置反馈与关节力矩反馈实现了从经典的电机侧控制到连杆侧控制的转变,并借助储存函数建立李雅普诺夫函数证明了该控制器的无源性与渐近稳定性。最后,通过Simulink仿真与单关节实验平台的关节轨迹追踪实验验证了柔性关节控制器的性能,结果显示其与全状态反馈控制相比具有关节力矩波动小、抖动抑制快以及轨迹跟踪误差小等优点。     

漂浮基柔性空间机械臂的模糊H_∞鲁棒控制及柔性振动最优控制

讨论了存在外界干扰情况下漂浮基柔性空间机械臂的轨迹跟踪和振动抑制问题。结合系统动量守恒关系和拉格朗日方法建立了系统动力学模型。采用奇异摄动法的双时标分解方法,将系统分解描述为关节轨迹跟踪的慢变子系统与描述柔性杆件振动的快变子系统。针对慢变子系统,设计了自适应模糊H_∞控制算法,用模糊逻辑系统去逼近系统的不确定项;同时,设计了H_∞鲁棒控制项,用它克服模糊逼近误差和外界干扰对输出跟踪误差的影响。针对快变子系统,采用线性二次最优控制方法主动抑制,以保证系统的稳定性。基于Lyapunov稳定性理论证明了该算法可确保控制系统是渐近稳定的。系统仿真结果说明了控制器的可靠性和有效性,所设计的控制方案使得系统的跟踪误差及柔性振动快速收敛。