一种全方位移动型下肢康复机器人鲁棒跟踪控制研究*

针对重心偏移情况下全方位下肢康复机器人的轨迹跟踪问题,提出一种H∞鲁棒解决策略.研究主要包括两方面内容:a)考虑重心变化情况下全方位移动下肢康复机器人的动态建模;b)提出一种自适应鲁棒H∞跟踪策略以消除重心变化所带来的影响.使用MATLAB对系统进行了仿真研究,仿真结果表明提出的鲁棒控制策略是正确有效的.     

超前采样时间迭代学习的下肢康复机器人轨迹跟踪控制

为了实现下肢康复机器人在康复训练过程中高精度的末端轨迹跟踪控制,提出了一种利用超前采样时间的鲁棒自适应迭代学习控制方法。所述超前采样时间迭代算法,是指利用之前运行批次在t+Δ采样时刻的髋膝关节力矩输出,优化调整下一次运行时刻t处的关节力矩给定。仿真结果表明,采用超前采样时间迭代控制,末端轨迹误差具有更快的收敛速度和跟踪精度,并且具有较好的抗干扰性能。     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

机器人轨迹跟踪的一种自适应神经鲁棒控制

针对不稳定机器人轨迹跟踪问题,提出了一种基于神经网络的自适应鲁棒控制。该控制方案由一个PD反馈和一个神经动态补偿器组成,其特点是不需要系统不确定性上界的先验知识,而且避免了求解惯性矩阵逆,通过利用一个RBF神经网络自适应学习系统不稳定性的未知上界,从而可以有效克服系统不确定性的影响,保证机器人系统的输出跟踪误差渐近收敛于0。     

机器人轨迹跟踪自适应控制

本文提出一种新的自适应控制算法,用于补偿机器人动力学方程中的非线性项和消除关节间的耦合。这种简单有效的控制算法,保证了系统在一定的参数变化范围内具有渐近稳定性和良好的控制精度。     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

基于惯性测量单元的轮式机器人轨迹跟踪仿真

针对轮式机器人轨迹跟踪质量下降问题,提出基于惯性测量单元(IMU)的轮式移动机器人轨迹跟踪控制方法.通过两个惯性测量单元(IMU)来建立轮式机器人的速度、角速度计算模型,针对轮式移动机器人执行中的差动命令对轮式机器人实施闭环控制;设计轮式机器人工作轨迹参考量,结合动力学模型提出轮式机器人轨迹跟踪控制器,使轮式机器人可以...     

机器人滑模轨迹跟踪控制研究

传统的机器人滑模控制通常采用线性PD滑模和等速趋近率．本文基于指数趋近率并 采用PD+PID滑模策略进行机器人轨迹跟踪控制,即首先采用PD滑模,在达到该滑模后,再采 用PID滑模,取得了很好的效果,文章还对各种饱和函数减少抖振的效果进行了比较．     

机器人轨迹跟踪的滑变结构控制

本文提出了一种新的机器人轨迹跟踪滑模变结构控制方法，给出了控制系统的设计方法和仿真实验结果。仿真结果表明，当机器人参数在±５０％范围变化且存在能量有限的正态分布随机干扰时，控制系统具有良好的自适应性。     

Adaptive Robust Control for a Lower Limbs Rehabilitation Robot Running Under Passive Training Mode

This paper focuses on the problem of the adaptive robust control of a lower limbs rehabilitation robot (LLRR) that is a nonlinear system running under passive training mode. In reality, uncertainties including modeling error, initial condition deviation, friction force and other unknown external disturbances always exist in a LLRR system. So, it is necessary to consider the uncertainties in the unilateral man-machine dynamical model of the LLRR we described. In the dynamical model, uncertainties are (possibly fast) time-varying and bounded. However, the bounds are unknown. Based on the dynamical model, we design an adaptive robust control with an adaptive law that is leakage type based and on the framework of Udwadia-Kalaba theory to compensate for the uncertainties and to realize tracking control of the LLRR. Furthermore, the effectiveness of designed control is shown with numerical simulations.      

一种基于预瞄控制的Robocup足球机器人带球轨迹跟踪方法

通过深入分析足球机器人带球状态下的运动特点,结合智能预瞄控制方法建立带球状态下的非线性数学运动模型。分别对机器人的线速度和旋转速度使用专家PID控制,实现在带球情况下不丢球的机器人轨迹跟踪。仿真和试验证明该方法具有良好的快速性和鲁棒性。     

基于Haar小波分解的轮式移动机器人轨迹跟踪控制

利用Haar小波在满足机器人动力学约束的前提下 ,对期望轨迹进行曲线分解 ,得到所需的一系列参考点 ,并由这些参考点构造出虚拟小车的运动轨迹 .基于控制Lyapunov函数设计了速度跟踪控制律 ,驱动机器人跟随虚拟小车实现对期望轨迹的跟踪 .该方法的突出特点是可实现对任意复杂轨迹的跟踪控制 ,且不存在速度跳跃点 .仿真实验结果表明它的有效性 .     

基于模糊自整定PID的下肢康复训练步态机器人变负载控制

针对下肢康复训练机器人中步态控制机器人的变负载问题,提出了基于模糊自整定PID的控制策略.首先推导了负载力模型,设计了模糊自整定控制器,基于Matlab/Simulink/SimMechanics建立了被控对象的动力学模型及整个控制系统的仿真模型,仿真结果表明所提出的控制策略是可行的,较经典PID控制具有超调小,响应速度快,稳态精度高等优点,能较好地跟踪规划运动曲线,满足系统控制性能要求.     

非完整约束移动机器人的轨迹跟踪控制

针对非完整约束移动机器人运动学与动力学模型,根据轨迹跟踪控制目标的需要,设计了一种简单的控制器,该控制器结合了运动学控制器设和动力学控制器两部分;针对运动学模型,采用自适应算法对其未知参数进行估计,针对系统动力学模型,采用单层神经网络算法克服未知扰动对系统稳定性的影响,使速度误差尽可能地缩小;在Lyapunov稳定性理论的基础上证明了系统的收敛性和稳定性,该控制算法简单有效,易于实现;仿真结果表明:该控制策略可以实现对移动机器人期望轨迹的稳定跟踪,验证了算法的有效性。     

考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型;其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式;最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。     

多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型;采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器;搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统;在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比;实验结果验证了文章所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

轮式机器人轨迹跟踪控制系统的设计

针对轮式机器人轨迹跟踪控制系统误差收敛速率低、精度和实时性差的问题,采用反演控制算法并结合李雅普诺夫稳定性分析方法对轮式机器人的轨迹跟踪系统进行了优化设计;建立了轮式机器人轨迹跟踪控制系统的运动学模型,并对该模型进行位置偏差分析;在反演控制算法中引入了分部虚拟控制量,并分析和设计了其他间接受控量,提高了算法运行的效率;采用李雅普诺夫收敛定理对系统的收敛性进行分析,根据分析的结果提出了算法更加简单的控制律;利用Matlab软件的Simulink库对设计的轨迹跟踪控制系统试验研究;结果表明,与基于李雅普诺夫直接法或者迭代学习算法设计的轮式机器人轨迹跟踪控制系统相比较,设计的控制系统具有跟踪精度高、收敛速度快、实时性好的优点。     

基于预瞄模糊PID控制的嵌入式轮式机器人设计

采用ARM作为核心处理器件设计了一款自动寻迹的轮式机器人并完成寻迹实验.基于模仿人工驾驶思想将多点预瞄和模糊PID控制结合提出了多点预瞄模糊PID控制方法.经调试,轮式机器人能分别按照直线、虚线道路行走,并能完成自动寻找目标道路等行为.重点给出了控制器与硬件电路图设计.实验表明,机器人完全能满足性能要求,为新型轮式移动机器人的设计提供了方案.     

不确定性机器人的自适应跟踪控制

提出了一种自适应控制策略 ,用于不确定性机器人的轨迹跟踪 ,该控制器结构简单 ,且无需计算回归矩阵 ,通过对二自由度的机器人的仿真 ,证明该方法能使跟踪误差快速趋近于零