基于摩擦补偿的永磁球形电机自适应模糊控制

针对摩擦可能引起永磁球形电机控制系统品质恶化的问题,提出樽糊逼近的摩擦补偿自适应控制方案.首先,通过卡尔丹角(Carden)旋转,建立考虑摩擦项的转子动力学模型,分别基于已知模型和名义模型设计控制方案.基于名义模型的控制方案采用改进的模糊补偿自适应控制器分别补偿摩擦项以及系统不确定性因素,以减少模糊规则的数目,控制律参数基于李亚普诺夫稳定性理论自适应调节,控制方案保证了闭环系统的稳定性.仿真试验结果表明,该控制方案能有效实现对摩擦项等不确定信号的补偿,从而提高球形电机的跟踪控制性能.     

改进LuGre模型的电磁直线执行器自适应鲁棒控制

为提升电磁直线执行器在动态摩擦力下的跟踪性能与干扰抑制性能,提出基于改进LuGre模型的电磁直线执行器自适应鲁棒控制方法。建立考虑改进LuGre动态摩擦力的高功率密度电磁直线执行器动力学模型,通过非线性观测器来估计动态摩擦模型的不可测内部状态,参数自适应用于减少参数不确定性的影响,设计结合摩擦补偿自适应控制律、稳定反馈和鲁棒控制的自适应鲁棒控制方法,并证明该方法的稳定性;基于皮尔逊相关系数研究控制参数对性能的影响规律,对比分析不同控制算法下电磁直线执行器的运动控制性能以及抗干扰能力。仿真与试验结果表明：非线性增益k_s1与k_s2是影响控制性能的关键参数,提出的自适应鲁棒控制方法与鲁棒控制以及PID控制相比,在提升控制精确度前提下,响应迅速,能够有效克服非线性摩擦力、系统参数不确定性和外界扰动的影响。     

摆动喷管电动伺服系统复合控制方法EI北大核心CSCD

针对飞行器摆动喷管电动伺服系统在低气压高温升条件下的控制问题,提出一种复合控制方法。基于LuGre模型对伺服系统的复杂负载力矩进行建模,利用状态观测器和两个dual观测器推导出负载力矩参数自适应律,以期实现对负载力矩随外界条件变化时的拟合。采用自适应反步终端滑模算法,负载力矩估计值进行虚拟力矩补偿,同时解决控制电压与力矩干扰之间不匹配、电机电压扰动及参数变化的问题,理论分析证明所提控制算法对于匹配及非匹配不确定性都具备鲁棒性,能够保证跟踪误差最终一致有界。最后通过仿真及实验,验证了所提方法的有效性。     

摆动喷管电动伺服系统复合控制方法

针对飞行器摆动喷管电动伺服系统在低气压高温升条件下的控制问题,提出一种复合控制方法。基于LuGre模型对伺服系统的复杂负载力矩进行建模,利用状态观测器和两个dual观测器推导出负载力矩参数自适应律,以期实现对负载力矩随外界条件变化时的拟合。采用自适应反步终端滑模算法,负载力矩估计值进行虚拟力矩补偿,同时解决控制电压与力矩干扰之间不匹配、电机电压扰动及参数变化的问题,理论分析证明所提控制算法对于匹配及非匹配不确定性都具备鲁棒性,能够保证跟踪误差最终一致有界。最后通过仿真及实验,验证了所提方法的有效性。     

考虑模型不确定性的基于分解控制直流电机系统的摩擦补偿方法

针对陀螺漂移测试转台直流力矩电机系统中存在的非线性动态摩擦和电机波动力矩，为提高转台摇摆状态位置跟踪精度，该文基于分解控制的设计方法提出了一种新的鲁棒自适应摩擦补偿方法。该设计具有积分形式的自适应补偿器来补偿常值的可参数化的摩擦模型不确定性，而设计鲁棒补偿器来补偿不可参数化的摩擦模型不确定性。最后综合两种补偿器形成完整的补偿控制律。Lyapunov方法证明了闭环系统全局稳定性和对期望位置信号的渐进跟踪性能，仿真结果证实了该补偿方法对高精度运动曲线跟踪的有效性。     

一类非线性系统模糊自适应鲁棒控制

针对一类不确定性非线性系统的传统模糊自适应控制方案存在的缺陷,利用第一类模糊逻辑系统直接作为非线性系统控制器,提出了一种模糊自适应鲁棒控制策略.在传统方案的基础上加入鲁棒补偿项,取消监督控制项,进一步放宽稳定条件到最小近似误差有界,利用Lyapunov稳定性理论证明了系统的全局稳定性.通过对二阶混沌对象仿真结果表明,鲁棒控制有效地补偿了稳态误差,解决了单一模糊自适应控制寻优空间有限问题.     

模型不确定的下肢康复机器人轨迹跟踪自适应控制

为了实现康复训练过程中高精度的轨迹跟踪控制,针对下肢康复机器人的模型参数和外界干扰等不确定性因素对其轨迹跟踪造成严重影响,提出一种模型不确定的下肢康复机器人轨迹跟踪自适应控制方法。根据所提方案,设计了相应的轨迹跟踪自适应控制器;并进行了轨迹跟踪控制仿真实验对比分析,结果表明,计算力矩控制方法在系统模型不确定时,膝关节的最大角度跟踪误差高达11.3°,髋关节最大稳态误差4.6°;而轨迹跟踪自适应控制方法在模型不确定的情况下,髋关节和膝关节的角度跟踪稳态误差均收敛于零;轨迹跟踪自适应控制方法可以显著提高下肢康复机器人轨迹跟踪的精度。     

基于扰动观测和补偿的PMSM伺服系统位置跟踪控制

针对存在参数摄动和外部扰动力矩的PMSM伺服系统位置跟踪控制问题,提出一种基于扰动观测和补偿的滑模控制方法。采用扰动观测器估计系统参数摄动以及负载力矩,并在此基础上对等效扰动进行补偿,减小了模型不确定性对系统控制性能影响,系统的位置跟踪误差由0.85 rad减小到0.35 rad;在保证系统稳定性的前提下,去除了常规滑模控制中的不连续控制项,有效地减小了抖振。实验结果表明,与工程上常用的PID算法相比,基于扰动观测和补偿的滑模控制算法不仅能够显著提高PMSM伺服系统的位置跟踪精度,而且能有效地削弱抖振。     

考虑摩擦伺服系统的补偿算法研究

针对摩擦非线性影响伺服系统动静态性能的问题,在典型伺服系统模型中引入LuGre摩擦模型,介绍了一种应用自适应神经网络补偿摩擦的控制算法。在负载转矩未知、模型包含不确定项、系统参数时变的情况下,利用神经网络对非线性项进行逼近,同时引入自适应的思想,利用反步法设计自适应控制器在线补偿神经逼近系统的估计误差。此外,通过Lyapunov稳定定理对控制系统进行分析,证明整体系统是渐进稳定的。仿真结果表明:该补偿方法能对伺服系统中摩擦进行有效抑制,保证系统的跟踪性能,并在负载扰动和系统参数时变情况下仍具有较强的鲁棒性。     

一种补偿动态摩擦的自适应模糊控制方法

机械系统的摩擦力精确数学模型很难建立，一直是人们所关注的问题。文中针对小型DC电机采用自适应模糊系统在线逼近摩擦模型并将辨识结果作为PD算法的补偿项。在控制方法上，文中采用了基于自适应模糊补偿的PD控制器．在系统证明上，从李雅普诺夫函数中导出了自适应参数并且分析了闭环系统跟踪误差的有界性。在算法实现上，利用Mauab对文中的方法及证明的有效性进行了验证。文中的方法也可应用到其它机械系统的摩擦补偿建模与控制上，如机器人系统。     

改进LuGre模型的挖掘机器人摩擦补偿控制

非线性摩擦会降低挖掘机器人电液伺服系统的动静态性能,引起轨迹爬行、平峰和稳态误差等现象。经典LuGre摩擦模型仅与速度有关,内部鬃毛状态变量无法准确测量,无法全面描述复杂的挖掘机器人电液伺服系统摩擦特性。本文综合考虑电液伺服系统位置、速度和方向等信息,设计了一种改进的LuGre摩擦模型,同时引入速度阈值解决了弹性鬃毛平均变形状态观测器不稳定问题。其次,为了解决传统优化算法陷入局部最优解、收敛速度慢等问题,通过引入惯性权重、异步变化和精英突变操作改进基本粒子群优化算法,以精准快速辨识出改进LuGre摩擦模型中的6个未知参数。最后,结合辨识出的摩擦模型,基于结构不变性原理设计前馈摩擦补偿控制器,并在23吨挖掘机器人进行了正弦和三角波不同工况下的轨迹跟踪实验。实验结果表明,传统的比例积分微分控制器跟踪误差最大,三角轨迹最大跟踪误差达到了29.68 mm,基于改进LuGre模型设计的前馈摩擦补偿控制器仅为9.70 mm,误差减小了67.31%,基于改进LuGre模型设计的前馈摩擦补偿控制器可以有效提升挖掘机器人的轨迹跟踪精度。     

基于神经网络补偿的机器人力／位置控制

考虑摩擦及外界干扰的情况下,针对具有不确定性的机器人系统,提出了一种新的基于神经网络补偿的智能力／位置控制方案。该控制器通过神经网络补偿机器人模型的未建模动力学部分等非参数不确定性带来的影响,NN的输出信号加在参考输入上而不是在关节力矩或控制输入上,同时在力控制回路采用灰色预测模糊调节,以提高系统的动态性能和稳态精度。仿真研究表明所设计的控制器具有良好的动态性能和较强的鲁棒性。     

高速大行程滚珠丝杠副智能测控平台的伺服控制

为了研究滚珠丝杠副的动态特性如定位精度、重复定位精度、速度及加速度跟踪、动态摩擦力矩、负载扰动、预紧力、疲劳性能、温升和机械振动等对滚珠丝杠副精度保持性能的影响,针对五轴联动加工中心高速大行程滚珠丝杠副设计了一套伺服电机+滚珠丝杠副高速运转、直线电机模拟负载扰动、多通道信号采集的智能精密测控试验平台;建立了测控平台时变参数不确定性和外力扰动的优化动力学模型;提出了基于遗传算法的自适应非线性PID双位置反馈的控制算法和速度、加速度前馈误差补偿的控制策略。试验结果表明,该控制策略具备小的跟踪误差、较强的抗干扰能力和稳定性,满足测控平台的试验需求。     

基于改进双闭环滑模算法的飞行器轨迹跟踪研究

针对飞行器运动轨迹受外界气流干扰和模型参数不确定性导致复杂空间运动轨迹跟踪精度不足的问题,提出了一种改进的双闭环滑模控制算法提高飞行器轨迹跟踪的精度。该算法中外环位置控制器采用自适应率抑制外界干扰影响,内环姿态控制器利用切换函数自适应模糊器抑制未知干扰力矩和抖振的影响。利用Lyapunov理论验证双闭环控制算法具有全局渐近稳定性。仿真结果表明,改进的双闭环控制算法的姿态角跟踪误差精度由0.02提高到了0.0005,该算法对外界干扰具有较强的鲁棒性,同时能够实现高精度的轨迹跟踪。     

基于扰动观测器的永磁直线同步电动机自适应反推互补滑模控制

针对永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)驱动的数控机床易受参数变化、负载扰动以及摩擦力等不确定性影响的问题,提出一种基于质量辨识扰动观测器(disturbance observer with mass identification,DOB-MI)的自适应反推互补滑模控制(adaptive backstepping complementary sliding mode control,ABCSMC)策略。设计 ABCSMC 方法抑制不确定对系统的影响。通过引入自适应律,ABCSMC 的边界层能够实现动态变化,保证系统具有全局鲁棒性,且 ABCSMC 可对不确定性在线估计并调整,从而提高位置跟踪精度。由于在实际应用中,负载质量变化会对系统性能造成极大的影响,因此,利用离散模型参考自适应辨识理论,设计 DOB-MI 辨识动子质量并计算出补偿电流以补偿负载扰动对系统的影响。仿真与实验结果表明,该方法提高了系统的位置跟踪精度,对参数变化和负载扰动等不确定性具有极强的抑制能力。     

移动臂式服务机器人的鲁棒补偿控制

由移动平台和操作臂构成的服务机器人同时具有可移动性和操作性,但移动平台和操作臂之间存在着耦合干扰,系统建模复杂.基于此,建立了服务机器人的标称模型,利用非线性反馈实现了系统解耦,提出了计算力矩加比例和微分反馈的控制算法.针对控制系统存在的建模不确定性和干扰,对已建立的控制律进行补偿,并采用Lyapunov方法确定补偿项,实现了移动服务机器人对期望轨迹跟踪的鲁棒控制.对移动平台系统和机械臂系统进行了仿真实验,实验结果表明,所提出的控制方案能实现对移动臂式服务机器人的鲁棒控制,验证了所设计控制律的有效性和正确性.     

基于复合自适应的Buck变换器预设性能控制

针对Buck型变换器在复杂环境下发生负载波动时输出电压受扰的问题,提出了一种复合自适应预设性能控制方案以提升其控制效果。首先,利用自适应律对模型中包含负载项的非线性函数进行预测估计,同时通过在自适应律更新过程中构建并行估计模型获取预测误差,并将预测误差和跟踪误差融合以设计自适应参数更新律。然后,采用广义比例积分观测器来对剩余不确定性和外部扰动进行估计,并在控制律中进行补偿。最后,结合指令滤波反步控制和指定时间预设性能控制技术,提出了Buck型变换器复合自适应预设性能控制方案。所提出的方案保证了对负载波动的高精度预测,避免了在突发情况下输出电压超出预设函数范围,此外还证明了闭环控制系统中的信号收敛性。实验结果表明,复合自适应预设性能控制在负载突然减小的情况下系统最大偏离电压为0.376 V,相比于传统自适应反步控制的1.773 V减少了78.7%,验证了所提方案的有效性以及优越性。     

基于自适应模糊滑模控制的机器人轨迹跟踪算法

针对控制参数的不确定性以及存在未知外部扰动情况下移动机器人的轨迹跟踪问题,提出一种基于光滑非线性饱和函数的自适应模糊滑模轨迹跟踪控制算法。通过建立不确定非线性移动机器人运动控制模型,利用自适应模糊逻辑系统构建自适应模糊滑模控制器。为了增强轨迹跟踪控制算法对随机不确定外部扰动适应能力的同时削弱滑模控制算法中的输入抖振现象,利用有界输入有界输出(BIBO)稳定的方法,通过带有自适应调节算法的模糊系统对滑模控制律中非线性函数项进行自适应逼近,并设计了模糊系统中可调参数的自适应控制律,保证了控制系统的稳定与收敛。实验结果表明,所设计的控制器对系统参数不确定性和外界扰动均具有较强的轨迹跟踪性能和鲁棒性。与传统的滑模控制算法相比,该算法不仅能有效减小输入抖振而且轨迹跟踪控制精度提高了18.89%。     

直线电机伺服系统的自适应模糊摩擦补偿

针对受摩擦力影响,接触运动的直线电机在低速运动时速度常会不平稳、系统控制精度降低的问题,提出一种自适应摩擦补偿方法.通过模糊模型参数的自适应调整,实现摩擦力值的在线估计,并据此进行摩擦补偿,以克服摩擦对电机性能的影响.该方法采用复合自适应律,同时利用系统输出误差与参数估计误差的相关信息进行参数调整,以提高模糊模型参数收敛的速度,使参数估计值在一定条件下收敛到最优值.并在理论上证明了该方法的闭环稳定性与参数收敛性.仿真结果表明,此方法能实现摩擦的在线估计与补偿,从而提高直线电机的控制性能.     

多关节机器人的反演自适应模糊滑模控制

针对二关节机器人轨迹跟踪问题,设计了一种新的反演自适应模糊滑模控制器.该方法设计了反演滑模控制器和自适应模糊控制器,通过设计合适的自适应律,采用模糊控制器在线估计不确定性上界值,实现了对建模误差和干扰的自动跟踪,削弱了抖振.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的有效性.