多关节机器人的模糊神经滑模控制

针对含有建模误差和不确定干扰的多关节机器人轨迹跟踪控制,提出了一种模糊神经滑模控制方法.该方法采用全局快速终端滑模面,保证了系统能够从任意初始状态在有限时间内到达滑模面和平衡点.采用模糊神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动.文中利用李亚普诺夫稳定性判据推导出了控制器的控制律和模糊神经网络的目标函数,通过模糊神经网络的在线学习.削弱了滑模控制的抖振.仿真结果表明了其有效性.     

多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。     

SCARA机器人模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出了一种基于非奇异终端滑模面和改进的快速趋近律的滑模控制策略。设计了一种非奇异的快速终端滑模面,可在任意初始状态下收敛到平衡点;改进滑模控制的趋近律,在保证快速趋近的同时可有效抑制抖振,并采用双曲正切函数代替传统的符号函数,有效地消除了高频抖振。采用模糊控制调节趋近律参数,改善初始状态误差过大时引起的力矩冲击问题;基于SCARA机器人模型仿真实验表明,实验结果跟踪性能良好,输出力矩平滑。     

串联机器人的双模糊自适应滑模控制

提出了一种串联机器人的改进控制算法。采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力。采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题。该方法无需确定被控对象的具体数学模型,具有强鲁棒性和高跟踪精度。基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性。实验结果表明,该方法应用于串联机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出。     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制;采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力;采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题;基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性;仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出.     

空间三关节机器人模糊积分滑模控制

研究提高关节机器人轨迹跟踪控制的性能,由于关节机器人运动中产生振动,影响系统的稳定性能。为解决上述问题,提出了一种反馈线性化的自适应模糊积分滑模控制方法。在上述方法的基础上,对机器人非线性动力学模型反馈线性化。为了进一步提高滑模控制的精度,设计了一种积分滑模面的滑模控制器,可以减弱积分滑模控制的抖振。通过设计一个模糊控制器,根据积分滑模面的大小自适应地调节积分滑模控制的切换部分,达到削弱抖振的目的。利用李亚普诺夫定理证明了控制系统的稳定性。仿真结果表明,改进方法有效地提高了关节机器人跟踪控制性能。     

基于终端滑模机器人模糊自适应路径跟踪控制

对质心位置未知的移动机器人系统设计了基于快速终端滑模的模糊自适应路径跟踪控制方法。该方法采用模糊逻辑系统逼近控制器中的未知函数,基于李亚普诺夫稳定性分析方法对未知参数设计自适应律,并设计鲁棒控制器来补偿逼近误差。该方法不但可以保证闭环系统中的所有信号有界,而且可使跟踪误差在有限时间内收敛到原点的小邻域内。仿真结果验证了方法的有效性。     

自适应模糊全局快速Terminal滑模控制方法

提出了一种自适应模糊全局快速Terminal滑模控制方法,在参数不确定性和外干扰情况下,为解决系统的非线性不确定性提供了一种新途径。与传统模糊Terminal滑模控制相比,通过采用模糊逻辑系统来逼近未知系统函数和开关项;鲁棒自适应律用来减小逼近误差,从而有效降低抖振;证明了该控制方案的稳定性,并将该方案应用在倒立摆系统中。仿真结果验证了该方案的有效性。     

一类非线性系统的自适应模糊滑模控制

对一类具有不确定性的非线性系统,根据滑模控制原理并利用模糊系统的逼近能力,提出了一种自适应模糊滑模控制系统的设计方法.控制结构中采用模糊系统自适应朴偿过程的不确定性.利用李雅普诺夫理论,证明了控制算法是全局稳定的,跟踪误差可收敛到零的一个邻域内.     

一类MIMO非线性系统的直接自适应模糊滑模控制

针对一类具有下三角形函数控制增益矩阵的非线性系统, 基于滑模控制原理, 并利用Ⅱ型模糊系统的逼近能力, 提出了一种直接自适应模糊滑模控制器设计的新方案. 通过引入积分型李雅普诺夫函数及逼近误差自适应补偿项, 证明了闭环系统是全局稳定的, 跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

基于模糊神经网络的机器人滑模自适应控制

滑模控制（SMC）响应快,对系统参数和外部扰动呈不变性,可保证系统的渐近稳定性,但其缺点是控制存在很强的抖动;而模糊神经网络（FNN）具有模糊系统和神经网络共同的特点。将滑模控制和模糊神经网络控制有机结合,利用简单得到的学习信号对模糊神经网络进行在线学习,通过平滑切换函数实现直接自适应控制策略。对两连杆机械手的仿真研究表明,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能有效减小滑模控制的抖动问题。     

分散自适应模糊滑模控制器的设计与分析

研究了一类具有函数控制增益的耦合大系统的分散自适应模糊控制问题 ,提出了能够利用专家的语言信息和数字信息的分散自适应模糊滑模控制器的设计方案 .通过理论分析 ,证明了分散自适应模糊控制系统是全局稳定的 ,跟踪误差可收敛到零的一个邻域内     

一种新的自适应模糊滑模控制器设计方法

对一类非线性系统提出一种新的自适应模糊滑模控制器设计方法。将自适应模糊控制与滑模控制有效地结合在一起,先用滑模控制使跟踪误差进入边界层内,然后启动自适应模糊控制器。该控制器可消除滑模控制器中出现的抖振,并可在存在模糊逻辑系统逼近误差情况下使系统跟踪误差小于预先给定的任意常数。仿真算例验证了所提出方法的有效性。     

一类大系统的分散自适应模糊滑模控制

研究了一类具有未知函数控制增益的非线性大系统的分散模糊控制问题.基于滑模控制原理和模糊集理论,提出了一种分散自适应模糊控制器的设计方法.通过理论分析,证明了分散自适应模糊控制系统是全局稳定的,跟踪误差可收敛到零的一个领域内.     

基于FNN的滑模自适应控制

研究一类不确定性非线性系统的直接自适应控制方法。该方法由滑模控制器和模糊神经网络构成，通过平滑切换实现自适应控制策略。仿真结果表明，这种方法既有强鲁棒性，又能有效地消除高频颤动。     

一类非线性系统综合自适应模糊滑模控制

针对一类非线性系统把模糊控制,模糊逻辑逼近及模糊滑模控制相结合,提出一种综合自适应模糊滑模控制方法、直接和间接自适应模糊控制器只能利用模糊控制规则或模糊描述信息,而综合自适应模糊控制器能利用上述两种信息。理论证明闭环系统稳定,跟踪误差收敛到零或零的一个小邻域内。仿真结果表明了算法的有效性。     

基于不确定T-S模型的模糊滑模自适应控制

提出一种不确定T-S模型的模糊滑模自适应控制方法。通过变换将该模型转换成3个组成部分：线性标称系统,已知非线性部分和未知不确定部分。针对它们设计3个控制器,其作用分别为：强迫系统沿着滑模面运动,消除已知扰动对线性标称系统的影响,克服不确定扰动(采用模糊滑模自适应控制,无需知道不确定的界限)。该方法无需求正定矩阵就能保证系统全局稳定。