考虑剩余浮力影响的欠驱动水下机器人深度控制

为了实现水下机器人带有剩余浮力影响的欠驱动深度控制, 将垂直面控制划分为定速航行控制和深度控制. 采用成熟的S 面速度控制器保证速度控制稳定, 着重解决深度控制问题. 引入虚拟控制量, 使剩余浮力影响下的深度偏差映射为目标纵倾角, 通过设计俯仰控制器实现对目标纵倾角的跟踪. 稳定性分析表明, 所研究的欠驱动深度控制是稳定的, 且对于参数估计的偏差不敏感. 仿真实验结果表明, 所提出的方法能够抵抗剩余浮力的影响, 深度控制准确, 并具有良好的鲁棒性.

     

基于预测控制的时滞多机器人编队脉冲控制

针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.

     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.

     

基于预估观测器的二自由度速度控制器设计

高速高精度伺服控制系统中, 预估观测器可以消除反馈信号的相位延迟和采样噪声. 但由于伺服控制系统通常采用比例-积分-微分(PID) 控制器进行反馈调节, 即使与预估观测器结合使用, 仍不能满足高速高精度系统环路性能的需要. 针对此问题, 引入一种基于预估器观测器的二自由度控制器算法, 并给出其在焊线机??-?? 平台直线电机速度控制器中的设计方法. 仿真和实验结果表明, 所提出的算法不仅可以保证系统控制的精度, 而且能够提高系统的速度和位置跟随特性.

     

一类非完整移动机器人编队控制方法

针对大部分两轮非完整移动机器人轮轴中心与几何中心不重合的特点, 提出一种多机器人协调编队控制算法. 构造队形参数矩阵确定编队形状, 根据领航机器人和相关队形参数生成虚拟机器人, 把编队控制分解为跟随机器人对虚拟机器人的轨迹跟踪. 建立虚拟机器人与跟随机器人之间误差系统模型, 利用Lyapunov 理论设计相应控制器, 从而实现队形保持和变换. 应用microsoft robotics developer studio 4(MRDS4) 搭建3D 仿真平台, 设计3 组实验, 结果进一步验证了所提出方法的有效性.

     

具有输入饱和的欠驱动船舶编队控制

研究了具有输入饱和且存在横荡运动的欠驱动船舶在水面上运动的编队控制问题.使用Leader-follower方法,将编队控制问题转化为镇定控制问题.给出了不同于Backstepping方法的编队控制器设计三步法,该方法有助于克服输入饱和的影响,并分析了闭环系统的稳定性.进一步,将跟随船控制输入中的微分、虚拟领航船的加速度、跟随船动力学模型的不确定性和外扰统一视为干扰,应用干扰观测器估计并在控制器中给予补偿.仿真结果表明了方法的有效性.     

基于两时间尺度模型的直升机非线性控制器设计

提出一种基于两时间尺度模型的直升机非线性控制方法. 该方法利用直升机不同状态达到稳定的时间不同的特点, 将直升机模型分为快速和慢速两种模型. 反步控制方法和逆动力学控制方法分别被用于进行快慢两种模型控制器的设计, 并在控制过程中采用了不同的控制周期. 仿真结果表明, 利用上述方法设计的控制器, 对于阶跃变化和正弦变化的速度轨迹具有良好的跟踪效果.

     

一种基于电子海图的欠驱动AUV区域搜索方案

针对环境(主要指边界信息)已知的区域搜索任务,设计了适用于欠驱动AUV(autonomous underwater vehicle)的区域搜索方案,能在极少量人工参与的情况下在任务区域的电子海图基础上实现环境模型建立进而规划出全局路径,由AUV自主地完成对路径和地形的自主跟踪,从而实施诸如地理信息采集或物体探测等作业任务.首先,路径规划方法能在给定任务参数的基础上自主地对电子海图进行处理形成环境模型并据此给出2维梳状全局路径,即使区域的几何形状为复杂的凹多边形也能给出合理结果;其次,自主跟踪采用解耦的控制方法,即分别对纵向速度、艏向和深度进行控制,使得AUV能同步地完成对水平面路径和对海底地形的跟踪.提出了一种基于Sigmoid函数的路径跟踪制导控制方法,控制器以AUV的当前艏向及其与路径的横向距离偏差作为输入,经过计算输出参考艏向角;将具有良好鲁棒性的非线性自适应S面控制算法融入执行层的控制,在加速了系统响应的同时减小了超调从而提升了控制效果;最后,跟踪仿真试验的结果显示AUV在水平面对梳状路径的跟踪误差在给定路径规划重叠率参数的前提下能保证AUV对区域扫描的全覆盖,在垂直面对地形高度的跟踪误差符合传感器对距离的要求.全局路径规划方法的可行性在介绍算法的同时结合算例得以验证,跟踪仿真试验也说明自主跟踪控制器能较好地同时跟踪梳状路径和变化的地形.     

基于控制系统直接方法的非线性系统预见控制器设计

针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.

     

基于约束输入变速吸引律的离散重复控制器设计

针对离散时间线性系统的周期跟踪问题, 提出一种能够约束控制输入变化速度的变速吸引律, 结合干扰抑制措施构造了理想误差动态, 并由此导出离散重复控制器. 分析表明, 该变速吸引律能使跟踪误差在有限时间内单调收敛至零, 且误差收敛速度可控. 为刻画误差动态行为, 推导了有界扰动下的误差单调收敛域、绝对值收敛域和稳态误差带, 并给出了收敛步数. 针对伺服电机系统的仿真与实验结果验证了所提出控制方案的有效性.

     

基于迭代滑模增量反馈的欠驱动AUV地形跟踪控制

为实现欠驱动自治水下机器人(AUV)在未知海流干扰作用下的地形跟踪控制,提出一种基于非线性迭代滑模增量反馈的航迹跟踪控制器.基于虚拟向导的方法,建立AUV垂直面航迹跟踪误差方程.采用迭代方法,设计滑模增量反馈控制器,无需对AUV模型参数不确定部分和海流干扰进行估计,这样避免了AUV俯仰舵的抖振现象,并且减小了输出反馈控制的稳态误差与超调问题.仿真实验表明,所设计的控制器对AUV系统的模型参数摄动及海流干扰变化不敏感,所设计的参数易于调节.     

基于反馈增益的AUV稳定神经网络反步变深控制

为解决自主水下航行器的变深控制问题,提出一种基于反馈增益的反步控制方法.首先,通过设计控制器参数消除部分非线性项,在保证系统稳定性的同时设计神经网络控制器来补偿纵倾运动中的模型不确定性;然后,通过自适应鲁棒控制器对神经网络的逼近误差予以消除,以加快神经网络的收敛学习速度,神经网络权值和逼近误差估计的学习律可由李雅普诺夫稳定性理论推导得出,保证了闭环系统的一致最终有界性;最后,通过仿真实验验证了所提出方法的有效性.     

基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制

为了实现欠驱动自治水下机器人（AUV）三维航迹跟踪控制,基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性,并验证了欠驱动AUV存在加速度约束不可积性.基于李亚普诺夫稳定性理论,利用自适应Backstepping设计连续时变的航迹点跟踪控制器,以抑制外界海流的干扰.仿真实验表明,所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定,并且航迹跟踪的精确性和鲁棒性明显优于PID控制.     

基于神经网络的欠驱动水下机器人三维同步跟踪和镇定控制

研究了欠驱动水下机器人的三维同步跟踪和镇定控制问题,并考虑了模型参数不确定性、未知外界干扰和输入饱和限制的影响.针对不同类型期望轨迹的特性,构造了新的辅助虚拟信号以实现对欠驱动方向的控制.基于反步法和Lyapunov直接法,设计了一种饱和自适应统一动力学控制律,使得AUV的状态误差最终收敛至零点附近的有界区域内,其中未...     

基于神经网络补偿的滑模控制在AUV运动中的应用*

由于自主水下机器人水动力模型参数的不确定性及其强非线性,提出神经网络动态滑模面控制法。将系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网络所具有的自适应调节能力实现对未知干扰与不确定部分进行补偿控制,提高系统的强鲁棒性。通过Lyapunov法验证了控制算法的收敛性;通过MATLAB仿真平台和半物理仿真平台,验证了算法的鲁棒性和抗干扰性。     

Nonlinear model predictive control for hydrobatics: Experiments with an underactuated AUV

Hydrobatic autonomous underwater vehicles (AUVs) can be efficient in range and speed, as well as agile in maneuvering. They can be beneficial in scenarios such as obstacle avoidance, inspections, docking, and under-ice operations. However, such AUVs are underactuated systems—this means exploiting the system dynamics is key to achieving elegant hydrobatic maneuvers with minimum controls. This paper explores the use of model predictive control (MPC) techniques to control underactuated AUVs in hydrobatic maneuvers and presents new simulation and experimental results with the small and hydrobatic SAM AUV. Simulations are performed using nonlinear model predictive control (NMPC) on the full AUV system to provide optimal control policies for several hydrobatic maneuvers in Matlab/Simulink. For implementation on AUV hardware in robot operating system, a linear time varying MPC (LTV-MPC) is derived from the nonlinear model to enable real-time control. In simulations, NMPC and LTV-MPC shows promising results to offer much more efficient control strategies than what can be obtained with PID and linear quadratic regulator based controllers in terms of rise-time, overshoot, steady-state error, and robustness. The LTV-MPC shows satisfactory real-time performance in experimental validation. The paper further also demonstrates experimentally that LTV-MPC can be run real-time on the AUV in performing hydrobatic maneouvers.     

姿态变化一致有界的姿态稳定控制器设计

针对航天器姿态稳定控制问题, 设计一种迭代学习姿态控制器. 将连续非周期运动的姿态跟踪过程分解为队列重复运动, 采用前一周期的姿态跟踪误差修正后一周期的控制输入, 分别对未知参数和干扰构建有界迭代学习律, 给出航天器姿态稳定控制器, 并从理论上分析了闭环系统的渐近稳定性和姿态跟踪误差的一致有界性. 通过在轨捕获非合作目标过程中航天器姿态跟踪控制问题的数值仿真, 验证了迭代学习控制器的鲁棒性和强抗干扰性.

     

欠驱动AUV模糊神经网络L2增益鲁棒跟踪控制

提出基于模糊神经网络欠驱动水下自主机器人(AUV)的L2增益鲁棒跟踪控制方法,该方法通过在线学习逼近动力学模型的不确定项.控制器克服了由于缺少横向推力对跟踪误差的影响,在考虑未知海流干扰情况下,实现了系统对模糊神经网络逼近误差的L2增益小于γ.利用Lyapunov稳定性理论证明了闭环控制系统误差信号一致最终有界.最后,通过精确模型参数和参数扰动仿真实验验证了该控制方法具有很好的跟踪效果和较强的鲁棒性.     

欠驱动航天器相对运动的姿轨耦合控制

针对欠驱动的非对称航天器设计六自由度相对运动的姿轨耦合控制器.首先,给出用对偶四元数描述的六自由度相对运动模型;然后,基于矩阵广义逆和空控制向量提出广义的滑模控制器,以实现相对姿态欠驱动控制的渐近稳定;最后,考虑姿轨耦合特性,利用高斯伪谱法和非线性规划得到相对轨道运动能量最省的轨迹,进而利用滑模变结构控制实现对该轨迹的跟踪.仿真结果表明,所提出的方法是有效和可行的,而且较其他方法消耗的能量更少.