滑模控制及其在柔性臂轨迹控制中的应用

变结构控制系统是一类特殊的非线性控制系统,滑模控制就是其中一种。滑模控制对系统参数及扰动的变化反应迟钝,具有很强的鲁棒性,该类控制方法特别适合于机械臂系统的控制。本文中采用奇异摄动方法将双连杆柔性机械臂系统分解为慢变和快变两个子系统,并对慢变子系统采用滑模控制方法设计了控制器。采用MATLAB进行的数值仿真结果表明了所设计控制器的有效性;     

遗传算法在柔性臂控制中的应用

提出了一种双连杆柔性机械臂的控制方法.首先运用拉格朗日法建立双连杆柔性机械臂的动力学模型,并利用奇异摄动方法将柔性臂系统分解为慢变和快变子系统后,设计了组合控制器.对慢变子系统利用遗传算法确定两杆的PD控制参数,而时快变子系统采用最优H2综合策略设计控制器后,对柔性臂系统施加组合控制律.仿真结果表明了所设计控制器的有效性.     

双连杆柔性臂轨迹跟踪的鲁棒控制

研究了双连杆柔性臂轨迹跟踪的鲁棒控制问题·基于假设模态法和奇异摄动法,导 出了双连杆柔性臂系统的动力学方程,并将系统模型分离为慢变和快变两个子系统.针对柔 性臂的特点,提出了关节角的补偿控制思想,并且给出了补偿控制算法.对两个子系统分别采 用滑模变结构控制和H∞控制,由此得到的组合控制使系统精确跟踪目标轨迹.研制了双连 杆柔性臂实验台,并对文中提出的方法进行了实验.     

全局收敛的带有输出约束柔性关节机械臂分段控制

针对带有输出约束和模型不确定的柔性关节机械臂系统,运用奇异摄动法将系统解耦成慢子与快子系统且分别进行控制器设计,从而实现与刚性控制方法的联系且能减少计算量.针对快子系统,采用速度差值反馈来抑制关节柔性引起的系统弹性振动.针对慢子系统提出了一种全局收敛的分段控制策略,将收敛域拓展到全局,克服了基于tan-障碍Lyapuov函数(BLF)反演控制需要系统初始误差在收敛域内的缺陷,且应用径向基(RBF)神经网络消除未知干扰和模型不确定性引起的误差,至此保证了系统的轨迹跟踪和输出约束要求.仿真对比表明,所提方法能使柔性关节机械臂在任意初始位置均能保持良好的跟踪性能,体现了控制器的有效性和优越性.     

单连杆柔性臂负载自适应模糊滑模控制

针对单连杆柔性臂，提出了负载自适应模糊滑模控制与最优控制相结合的混合控制方法。首先，采用奇异摄动将系统分为慢变和快变两个子系统。然后，对慢变子系统采用负载自适应模糊滑模控制，快变子系统采用最优控制。最后，仿真结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效地抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

柔性机械臂的双时间尺度组合控制

本文研究柔性机械臂的轨迹跟踪和振动抑制问题. 首先, 利用Lagrange法和假设模态法建立柔性机械臂的动态模型, 进而利用奇异摄动理论得到柔性机械臂的双时间尺度模型. 然后, 基于慢时间尺度模型利用滑模控制理论设计轨迹跟踪控制器; 借助于快时间尺度模型利用自适应动态规划设计参数不精确已知情况下的最优振动抑制控制器; 将二者相结合, 构造双时间尺度组合控制器, 利用奇异摄动理论证明闭环系统稳定. 最后, 在Matlab/Simulink环境下进行实验, 与现有方法相比, 本文设计的控制器对柔性振动具有更好的振动抑制效果, 跟踪精度更高.     

基于神经网络与粒子滤波的柔性臂控制方法研究

基于奇异摄动法将单连杆柔性臂系统分解为慢变、快变子系统,采用混合控制方法;设计了基于粒子滤波的神经网络控制器来线性化慢子系统,使其跟踪期望轨迹;采用粒子滤波训练神经网络克服了BP算法收敛速度慢、易陷入局部极小值的缺陷,及扩展卡尔曼滤波方法带来的模型线性化损失;对于快变系统采用最优控制方法;仿真结果表明:在神经网络训练误差收敛速度及精度方面,粒子滤波要比BP及卡尔曼滤波要好;组合控制方法能有效地抑制柔性臂弹性振动,轨迹跟踪迅速准确,精度方面也是前者最优。     

力矩输入有界的柔性关节机器人轨迹跟踪控制

为解决柔性关节机器人在关节驱动力矩输出受限情况下的轨迹跟踪控制问题,提出一种基于奇异摄动理论的有界控制器.首先,利用奇异摄动理论将柔性关节机器人动力学模型解耦成快、慢两个子系统.然后,引入一类平滑饱和函数和径向基函数神经网络非线性逼近手段,依据反步策略设计了针对慢子系统的有界控制器.在快子系统的有界控制器设计中,通过关节弹性力矩跟踪误差的滤波处理加速系统的收敛.同时,在快、慢子系统控制器中均采用模糊逻辑实现控制参数的在线动态自调整.此外,结合李雅普诺夫稳定理论给出了严格的系统稳定性证明.最后,通过仿真对比实验验证了所提出控制方法的有效性和优越性.     

基于分布参数机械臂协调操作柔性负载双时标控制

基于分布参数系统理论,建立机械臂协调操作柔性负载系统的动力学模型.利用奇异摄动方法,对动力学模型进行双时标分解,得到一个表征系统大范围刚性运动的集中参数慢变子系统和表征系统弹性振动的分布参数快变子系统.分别设计了自适应模糊滑模慢变控制器和振动反馈快变控制器,并通过分析快变子系统主算子及其生成C_O半群的特性,证明了分布参数闭环子系统的渐近稳定性.最后,通过仿真实验验证了所提出方法的有效性.     

力矩受限的柔性空间机器人模糊神经网络自适应跟踪控制及振动抑制

针对力矩受限和存在参数不确定情况下,自由漂浮柔性空间机器人（FFFSR）关节轨迹跟踪控制与柔性振动抑制的问题,利用奇异摄动法将系统分解为关节轨迹跟踪的慢变子系统和描述柔性振动的快变子系统,进而提出含慢、快变控制项的组合控制器。对于慢变子系统,设计一种无需模型的模糊径向基函数（RBF）神经网络（FRBFNN）自适应跟踪控制方案,利用神经网络观测器估计关节角速度信息,并对系统的未知非线性函数进行逼近;对于快变子系统,采用扩张状态观测器（ESO）对不易测量的柔性模态坐标导数和不确定扰动进行估计,并结合线性二次调节器（LQR）方法抑制柔性振动。数值仿真结果表明,当控制力矩限制在±20 N·m和±10 N·m范围内时,该组合控制器能够在2.5 s实现稳定的关节轨迹跟踪,并将柔性振动幅值限制在±1×10^-3 m内。     

基于模糊神经的柔性臂变负载控制方法

基于奇异摄动将单连杆柔性机械臂动力学模型分解为慢、快变子系统,传统方法分别采用PD控制和最优控制能取得较好控制效果,但负载不确定时,控制效果并不理想.提出对于慢变子系统,采用模糊神经、PD控制相结合的控制方法,对于快变子系统,采用模糊神经、最优控制相结合的控制方法.当负载变化时,采用模糊神经控制器根据实际负载对PD参数及最优控制参数进行调整,达到更优的控制效果.分别采用传统方法及本文提出的改进方法在变负载条件下作了仿真实验,结果表明后者的控制效果明显优于前者.给出了慢、快变子系统模糊神经控制器在变负载条件下训练参数的获取方法.     

弹性基和弹性关节空间机器人的自适应鲁棒抗扰控制及振动抑制

研究不确定弹性基和弹性关节空间机器人的抗扰运动控制及基座和关节弹性振动同步抑制问题.在对基座和关节弹性进行等效线性弹簧假设的基础上,建立了弹性基和弹性关节空间机器人的动力学方程,并推导了基于等效刚度思想的奇异摄动慢、快变子系统.对传统参数自适应控制律进行σ修正并与鲁棒抗扰控制相结合,对不确定参数和有界外部扰动影响下的慢变子系统提出了基座姿态和臂杆关节刚性运动轨迹跟踪的改进自适应鲁棒抗扰控制方案.使用高增益线性状态观测器对快变高阶量进行实时观测,针对快变子系统设计了基座和关节弹性振动同步抑制的改进最优控制方案.仿真示例分析,表明了所提混合控制方案在空间机器人抗扰运动控制及振动抑制上的有效性.     

基于奇异摄动的双连杆柔性臂模糊控制

讨论了双连杆柔性臂位置控制问题。应用拉格朗日-假设模态法建立系统的动力学方程，并用奇异摄动法将双连杆柔性臂系统分解为两个降阶的慢变子系统和快变子系统。针对柔性臂强非线性、强耦合性及不确定性等特点，给出一种慢变子系统在反馈线性化后采用模糊控制、快变子系统因呈线性系统而采用简单的最优控制的混合控制方法。其中，模糊控制是二维PD型控制器，其输入为关节角跟踪误差及其导数。最后进行了计算机仿真，结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效的抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题。应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统。提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法。仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题.应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统.提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法.仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性.     

基于扰动和摩擦补偿的柔性机械臂系统非奇异快速终端滑模控制

本文针对系统中存在的关节摩擦、动力学参数不确定性和外部负载干扰等因素引起的柔性机械臂系统控制性能下降的问题,提出了一种基于扰动和摩擦补偿的非奇异快速终端滑模控制方法(NFTSMC-DE-FC).首先,设计扰动估计器(DE)对系统未知动态参数和负载干扰进行估计.然后,针对扰动估计器不能精确估计的关节摩擦力矩进行辨识.最后,利用滑模控制技术设计非奇异快速终端滑模控制器,并将扰动估计值和摩擦力辨识值以前馈的方式进行补偿,实现对柔性机械臂系统给定参考轨迹跟踪的准确性以及对外界扰动的鲁棒性.值得注意的是,与传统只使用扰动估计器的方法相比,本文考虑到了摩擦力等非线性因素的影响,并利用辨识技术对摩擦力进行辨识,提高了控制精度.利用Lyapunov稳定性定理从理论上证明了所设计的控制器可以保证闭环系统的稳定性.实验结果表明,相较于非奇异快速终端滑模控制方法(NFTSMC)和基于扰动估计器的非奇异快速终端滑模控制方法(NFTSMC-DE),所提方法提高了柔性机械臂系统的轨迹跟踪性能.     

受扰奇异摄动时滞组合大系统的近似最优控制

研究一类受扰奇异摄动时滞组合大系统的近似最优控制问题．基于奇异摄动的快慢分解理论．将原组合大系统的最优控制问题分解为组合线性快优化子问题和降阶的受扰时滞组合慢优化子问题．通过采用前馈补偿方法抑制外部扰动，采用参数摄动法求解组合慢优化子问题，得到了系统的前馈反馈组合（FFCC）控制律．通过引入降维扰动观测器解决了FFCC律的物理可实现问题．仿真算例验证了所提出方法的有效性．     

柔性连杆机器人的多速率神经网络混合控制器设计

提出了一种用于动力学部分已知柔性连杆机器人的多速率神经网络自适应混合控制器，基于奇异摄动方法和两时标分解，柔性连杆机器人的模型分解成两个子系统；慢子系统和快子系统。这样可以根据每个分立的子系统设计系统的慢和快控规律，然后组合成一个混合控制。系统的慢控制由基于神经网络的自适应控制器实现，用于控制等效的刚性连杆机器人，而快控制用于在慢子系统建立的平衡轨迹附近稳定快子系统。     

末端有未知扰动的分布参数柔性机械臂的鲁棒边界控

本文研究在柔性机械臂的末端具有未知扰动的边界控制,以降低机械臂的振动.柔性机械臂的动态特性由偏微分方程表示的分布参数模型描述.在机械臂的末端边界基于Lyapunov直接法进行控制,以调节机械臂的振动.应用本文所提出的边界控制方法,可达到外界干扰下的指数稳定性.所提出的控制方法与系统参数无关,可确保在参数变化下系统具有鲁棒性.最后对所提控制方法的有效性进行了数值模拟.     

基于奇异摄动法的水下机器人优化PID控制

为了提高水下机器人位置控制的精确性,降低因系统耦合而造成的位置误差,提出了针对六自由度水下机器人的奇异摄动系统建模及控制方法.首先对水下机器人的姿态和位置进行动力学建模,将速度、角速度作为快变量,位置、姿态作为慢变量,从而把模型转换为奇异摄动系统模型,再对奇异摄动系统模型进行快慢分解,对快慢系统分别设计PID控制律,最...