移动装配机器人手臂的滑模鲁棒控制方法

为了克服外界干扰、未知负载等不确定性和电机动态特性对移动装配机器人手臂末端空间轨迹跟踪的影响,提出了一种基于扩张状态观测器的滑模鲁棒控制律。首先建立了包含不确定性和电机动态特性的数学模型,然后设计了扩张状态观测器来准确估计不确定性,在此基础上提出了滑模鲁棒控制律,最终实现了对移动装配机器人手臂末端空间轨迹跟踪的高精度控制。仿真结果表明,所设计的滑模鲁棒控制律具有更优的控制效果,移动装配机器人手臂末端空间轨迹的最大跟踪误差仅为0.5 cm,所设计的扩张状态观测器能够准确估计不确定性,最大估计误差仅为0.2 N·m,估计精度较高。移动装配机器人手臂空间固定坐标定位实验结果表明,在基于扩张状态观测器的滑模鲁棒控制律的作用下,移动装配机器人手臂末端空间轨迹的最大跟踪误差仅为0.24 cm,平均每次定位的运行时间仅为1.55 s,表现出了更优的快速性、准确性和工程实用性。     

多关节移动机械臂系统的快速终端滑模控制

为了实现多关节移动机械臂系统在机械摩擦和模型误差等干扰下的精确控制,提出了快速终端滑模控制方法.首先建立了移动机械臂系统动力学和运动学模型,然后设计了运动环控制律,并将移动机械臂系统的运动指令转换为动力指令,最后针对动力环设计了快速终端滑模控制律,并通过自适应神经网络进行干扰估计,实现了对多关节移动机械臂系统的精确控制.仿真实验结果表明,提出的方法具有更好的快速性和准确性,移动平台的最大跟踪误差仅为0.8 cm,关节末端的最大跟踪误差仅为0.3 cm,干扰估计的最大误差为0.2 N·m,控制效果和精度均得到了明显的提升.     

执行器饱和约束下机器人手臂的最优容错控制

为了提高机器人手臂系统在饱和约束和电机故障下的控制精度,提出了一种最优容错控制策略。首先建立了机器人手臂故障模型,然后设计了故障观测器对故障值进行估计,并提出包含电机故障与饱和约束的性能指标,最终利用神经网络准确估计出性能指标,从而得到了最优容错控制策略。MATLAB环境下仿真结果表明,所设计的最优容错控制策略与自适应容错控制方法相比具有更优的控制效果,能够在0.2 s内稳定跟踪指令信号,最大跟踪误差仅为0.9°,同时输出力矩始终满足饱和约束要求,所设计的故障观测器能够在0.2 s内准确估计出故障值,最大估计误差仅为0.2 N·m,大幅提高了机器人手臂系统的控制精度。     

双臂空间机器人的关节空间改进鲁棒控制

利用拉格朗日法及系统动量守恒关系,建立了双臂空间机器人的动力学模型;通过引入参数自适应调节律对系统不确定性边界值进行在线预估,基于增广法提出一种区别于传统鲁棒控制的改进鲁棒控制方案。通过对参数自适应调节律的开启与闭合的仿真结果表明,所提改进鲁棒控制方案对驱动具有不确定性双臂空间机器人执行所指定的双臂关节运动具有良好的控制效果和抗扰动能力。     

自适应神经网络的机械臂终端滑模鲁棒控制

针对带有未知负载力矩和模型误差等不确定性的机械臂系统,同时考虑电机动态特性的影响,提出了一种自适应神经网络的终端滑模鲁棒控制方法.首先建立了包含不确定性和电机动态的机械臂系统模型,然后通过设计终端滑模面来抑制传统滑模面的抖振现象,并提出了终端滑模鲁棒控制律,同时引入RBF神经网络来准确估计不确定性,并且设计了自适应律来...     

采用滑模观测器的机械臂故障检测与控制优化

针对复合干扰影响下机械臂的故障检测和控制精度问题,提出了一种基于滑模观测器的故障检测和控制优化方法。首先建立了带有电机故障、模型误差和机械摩擦等复合干扰的机械臂系统故障模型,然后设计了滑模观测器来实现在复合干扰下对电机故障的准确检测,最后引入滑模观测器对电机故障程度进行估计,并设计了反步容错控制方法,从而实现了对机械臂系统的精确控制。仿真结果表明,基于滑模观测器的故障检测和控制优化方法能够快速、准确检测和估计电机故障,确保机械臂系统准确跟踪指令信号,角度跟踪误差范围仅为-0.2°～0.2°,能够准确估计出复合干扰的大小,估计误差范围仅为-0.1～0.1 (°)/s²,大大改善了对机械臂的控制效果。     

考虑间隙特性的双机械臂模糊自适应鲁棒控制

为了克服间隙特性和未知扰动对双机械臂系统抓取物体性能的影响,设计了模糊自适应鲁棒控制律。首先建立了双机械臂系统数学模型和间隙特性模型,然后引入自适应律来估计未知扰动,利用模糊系统来估计系统模型参数,同时设计了自适应间隙逆模型来补偿间隙特性,并对系统进行了稳定性分析,最后实现了考虑间隙特性的双机械臂系统精确控制。仿真结果表明,设计的控制方法具有更好的快速性和准确性,能够确保物体在0.5 s内稳定跟踪轨迹指令,最大跟踪误差仅为0.5 cm;设计的自适应律能够快速准确估计未知扰动,最大估计误差仅为0.3 N·m,估计精度较高。     

不确定关节机器人模型的神经网络补偿自适应控制

为了达到关节机器人轨迹跟踪控制的目的,针对由于机器人结构参数、作业环境干扰及结构共振模式等不确定性因素造成的机器人不确定性动力学模型,将该模型分解为名义模型和建模误差两部分,其中的建模误差采用RBF神经网络进行补偿和估计,得到其估计信息。RBF神经网络的权值通过Lyapunov稳定性分析和自适应算法进行调节。机器人的神经网络补偿自适应控制解决了机器人这类不确定模型的轨迹跟踪控制问题。对3关节机器人实验验证结果表明,3关节均在约4 s时跟踪期望轨迹,并且跟踪误差渐近趋近于0,并且RBF神经网络能很好地逼近由不确定性因素引起的建模部分。     

参数不确定双臂空间机器人姿态、关节协调运动的变结构鲁棒控制方法

讨论了载体位置不受控制情况下,具有参数不确定性的漂浮基双臂空间机器人姿态、关节协调运动的控制问题。结合系统动量守恒关系进行的系统运动学、动力学分析表明,可以得到一组与适当选择的组合惯性参数呈线性函数关系的系统动力学方程。以此为基础,针对双臂空间机器人末端爪手所持载荷参数不确定,但误差范围可确定的情况,设计了漂浮基双臂空间机器人姿态、关节协调运动的变结构鲁棒控制方案。该控制方案的优点在于:不需要反馈、测量漂浮基的位置、移动速度及移动加速度,且与自适应控制方案相比,化积分运算为简单四则运算,计算量大为减少,有利于克服机载计算机计算能力有限的问题。一个平面双臂空间机器人的系统数值仿真,证实了方法的有效性。     

自由漂浮空间机械臂基于神经网络的鲁棒自适应控制

考虑数学模型难以精确获得及带外部干扰情况下,针对自由漂浮空间机械臂的轨迹跟踪控制问题,提出一种基于神经网络的自适应鲁棒控制策略。基于Lyapunov稳定性理论设计理想控制器,进而推出系统的不确定模型。利用神经网络的学习能力逼近系统不确定模型,从而避免保守上界的估计。利用线性化技术并结合Lyapunov函数,设计包括权值及隐层参数在内的在线自适应学习律及鲁棒控制器,加快了误差收敛速度及控制精度,并消除了高阶逼近误差及扰动,保证了系统的一致最终有界,仿真比较表明了该控制策略的有效性。     

双臂空间机器人姿态与关节协调运动的自适应控制、鲁棒控制

讨论了载体位置不受控制情况下的双臂空间机器人姿态和关节协调运动的自适应与鲁棒控制问题。利用拉格朗日方法导出了双臂空间机器人欠驱动形式的系统动力学方程;在该方程的基础上,基于增广变量法（恰当地扩展系统的控制输入和输出）,成功地克服了完全能控形式的空间机器人系统动力学方程关于惯性参数呈非线性函数关系的难点;针对双臂空间机器人两末端抓手所持载荷参数未知与不确定两种情况,分别设计了载体姿态与机械臂各关节协调运动的自适应控制和鲁棒控制方案。系统数值仿真表明,两种控制方案均可有效消除空间机器人系统惯性参数未知和不确定的影响,控制双臂空间机器人的载体姿态与机械臂各关节准确地完成期望的运动。     

电液位置伺服系统的自适应模糊神经网络控制

将电液位置伺服系统分为已知规律的线性部分和包括非线性、参数不确定性、负载干扰等在内的未知规律部分，用模糊神经网络仅对未知规律部分进行在线估计，缩小了搜索空间，系统估计的精度得到改善，加快了收敛速度。同时，对模糊神经网络建模误差的界进行在线估计，使变结构控制增益由接近建模误差的估计值确定，克服了传统变结构控制因过于保守的鲁棒控制增益带来较大控制量而不易实现的缺陷。     

基于自适应变阻抗的工业机器人双机械臂控制

为了实现对工业机器人双机械臂位置/力的精准控制,提出了一种自适应变阻抗控制算法。首先建立了阻抗模型,并对双机械臂系统进行了受力分析,将接触力分解为外力和内力,并分别针对外力和内力设计了自适应变阻抗控制算法来实现对位置/力的协同控制;然后通过仿真验证了自适应变阻抗控制算法能够实现对工业机器人双机械臂位置/力的协同控制,运动轨迹跟踪最大误差仅为0.3 cm,接触力跟踪最大误差仅为0.2 N,表现出了更优的控制效果;最后在定点控制测试平台上得到位置定位的最大误差仅为0.17 cm,接触力跟踪最大误差仅为0.22 N,表现出了更优的工程实用性。     

具有外部扰动双臂空间机器人的神经网络在线自学习补偿控制

探讨了在未知外部扰动影响下,漂浮基双臂空间机器人载体姿态与两机械臂末端爪手协调运动的补偿控制问题。利用系统动量守恒关系对漂浮基双臂空间机器人的运动学、动力学进行分析,导出了系统的工作空间动力学方程。以此为基础,针对系统存在未知外部扰动的复杂情况,设计了漂浮基双臂空间机器人协调运动的神经网络在线自学习补偿控制方案。该控制方案可以有效地避免对载体位置相关量进行实时测量与反馈,并由于神经网络良好的在线自学习补偿作用,有效地补偿了外部扰动对控制精度的影响,大大提高了整个系统的鲁棒性及自适应能力。仿真运算验证了控制方法的可行性。     

高速开关阀控气动位置伺服系统的自适应鲁棒控制

针对高速开关阀控气动位置伺服系统所具有的模型参数不确定性、不确定非线性以及外干扰,为实现气缸的高精度运动轨迹跟踪控制,设计了基于标准投影映射的自适应鲁棒控制器。该控制器通过在线最小二乘参数估计来减小模型中参数不确定性,利用基于反步法设计的非线性鲁棒控制来抑制参数估计误差、不确定非线性以及外干扰的影响,从而保证一定的瞬态性能和高的气缸运动轨迹控制精度。由于运用了标准投影映射以保证在线参数估计有界,控制器的两个部分可以独立进行设计。试验表明,所设计的控制器能获得良好的轨迹跟踪控制性能,对干扰具有较强的性能鲁棒性,系统跟踪幅值为0.09 m,频率为0.5 Hz的正弦期望轨迹时,最大绝对跟踪误差为1.51 mm,标准跟踪误差0.72 mm。     

3-UPS/PU并联机构动力学建模及自适应滑模控制

为减少动力学模型不确定性(包括参数不确定和未知的负载干扰)对3-UPS/PU并联机构控制精度的影响,提出一种自适应滑模控制。首先在运动学反解基础上采用虚功原理建立该机构关于动平台工作空间的动力学模型。控制器结合了动力学名义模型和滑模控制理论,利用滑模面设计的自适应律可以对不确定性进行在线估计并补偿,从而提高系统鲁棒性。通过Lyapunov函数分析了系统稳定性。该控制器优点是:无需依赖不确定性上界,结构简单,易于工程应用,适用于并联机构这类复杂不确定系统。仿真结果显示,所采取的控制器能有效克服时变的模型不确定性,使动平台各自由度的平均跟踪误差相比传统滑模控制明显减少。     

机械臂任务空间鲁棒Terminal滑模控制

不确定性和外部干扰是制约机器人控制精度的主要因素,传统Terminal滑模控制方法未能考虑机械臂运动学不确定性。提出一种新的机械臂任务空间鲁棒连续非奇异Terminal滑模跟踪控制方法。该方法具有较强的鲁棒性,能够有效克服运动学不确定性、动力学不确定性和外部干扰,保证机械臂任务空间跟踪误差有限时间稳定,将现有机械臂Terminal滑模控制方法从关节空间扩展到任务空间。通过模型转换,同时考虑机械臂运动学不确定性和动力学模型不确定性。使用矢量和矩阵范数定义,给出系统不确定性的界定方法。运用Lyapunov再设计方法和有界稳定理论,分析系统稳定性,明确给出系统调节时间和跟踪误差剩余集的估计方法。仿真中,通过与现有机械臂关节空间Terminal滑模跟踪控制方法比较,验证了所提方法的有效性。     

无速度反馈的双臂空间机器人模糊滑模控制

针对存在不确定性且无速度反馈的自由漂浮双臂空间机器人关节轨迹跟踪控制问题,提出了一种基于状态观测器的模糊滑模控制方法.根据双臂空间机器人完全驱动动力学方程以及运动学方程,建立自由漂浮状态下系统的关节空间动力学方程.利用模糊系统的万能逼近特性对系统不确定部分进行逼近,并设计状态观测器在线估计系统关节运动的角速度信息.以关节角度和观测器获得的关节角速度作为系统状态反馈,在传统滑模控制方法基础上,进一步考虑系统惯性参数未知导致的建模误差,设计模糊滑模控制器,实现了双臂空间机器人系统关节角度的轨迹跟踪控制.数值仿真验证了所提控制方法的有效性.     

含齿隙转台伺服系统的RBF神经网络反步控制

针对工业机器人转台伺服系统中齿轮齿隙导致的驱动延时和响应迟滞,提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的反步控制方法.首先,建立工业机器人转台伺服系统的状态空间方程,运用死区函数描述了齿隙非线性;其次,设计了速度观测器,对速度信息进行估计,解决了工业机器人转台伺服系统负载的...     

基于NDO的ROV滤波反步轨迹跟踪控制

针对作业型遥控水下机器人(ROV)在轨迹跟踪过程中存在模型非线性、强耦合、模型参数不确定和外界干扰不确定等问题,提出一种基于非线性干扰观测器(NDO)的滤波自适应反步控制策略。使用NDO观测模型的不确定性和外界干扰,通过指令滤波器避免了直接对虚拟控制量解析求导的过程,利用自适应律补偿观测器观测残量。通过Lyapunov稳定性理论证明了跟踪误差系统的渐进稳定。仿真实验表明,设计的控制器能够实现精确的轨迹跟踪,具有较好的鲁棒特性。