基于函数滑模控制器的机械手轨迹跟踪控制

提出一种基于函数滑模控制器(FSMC)的控制策略,用于不确定机械手的轨迹跟踪控制。首先,由动力学模型和滑模函数得到系统的不确定项;然后,利用RBF神经网络逼近系统不确定项,由于神经网络逼近存在误差,而且在初始阶段误差较大,设计函数滑模控制器和鲁棒补偿项对神经网络逼近误差进行补偿,以克服普通滑模控制器容易引起的抖振问题,同时提高系统的跟踪控制性能。基于李亚普诺夫理论证明了闭环系统的全局稳定性,仿真实验也验证了方法的有效性。     

机械臂卷积神经网络滑模轨迹跟踪控制

针对工业技术的发展对于多关节机械臂的精度与快速控制高要求,提出了一种机械臂卷积神经网络滑模轨迹跟踪控制方法。分析机械臂动力学方程,提取其中的不确定部分,针对不确定部分,构建深度卷积神经网络对其进行补偿,将补偿部分引入到滑模控制律中,通过改进后的滑模控制实现对机械臂轨迹跟踪的精确控制,并通过构建Lyapunov函数论证了系统的稳定性。仿真结果显示该方法能够满足轨迹跟踪要求,且减小了抖振现象。通过与其余三种典型控制方法的对比,测试结果表明,该方法加快了轨迹跟踪误差的收敛,且跟踪精度有了明显的提高。     

基于滑模控制的机械臂轨迹跟踪控制

针对多自由度机械臂轨迹跟踪存在的外部干扰和系统抖振问题,设计了一种干扰观测器结合滑模控制的轨迹跟踪方法.针对干扰问题,采用干扰观测器对系统的外部干扰进行观测;针对控制系统存在的抖振问题,设计滑模控制器进行补偿.采用二自由度机械臂为控制对象进行仿真实验,结果表明,该方法能有效克服外部扰动的同时,有效地削弱了系统抖振,提高...     

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．     

基于分数阶滑模控制的无人机轨迹跟踪控制器设计

四旋翼无人机在农业、工业和国防等领域广泛应用,但其复杂的系统特性和对扰动的敏感性使得控制变得困难。首先,考虑分数阶方法具有良好的鲁棒性以及调节灵活性的优点,将整数阶积分滑模面和改进的分数阶指数趋近律相结合,设计出了一种新的分数阶积分滑模控制器。然后,将所设计的分数阶积分滑模控制器应用于四旋翼无人机轨迹跟踪控制问题。仿真结果表明,所提控制器作用下的四旋翼无人机进行轨迹跟踪时响应速度快、无超调,且对外界干扰具有较强的鲁棒性。     

基于观测器的全方位平台滑模轨迹跟踪控制

以Mecanum轮型全方位移动平台为对象,建立运动学和动力学模型,研究机器人的观测目标优化控制问题.针对全方位轮特有的滑移和平台的重心偏移等不确定和非线性因素对运动的影响,采用多体动力学软件RecurDyn,构建了包含各种非线性因素的虚拟样机模型.提出采用等效控制的滑模控制器,通过非线性扩张状态观测器,可以实现对系统不确定项和干扰的估计,有效地降低了切换增益.引入双曲正切函数代替符号函数,消除了输出抖振.通过仿真分析,取得了良好的轨迹跟踪效果,表明该方法是有效和可行的.     

基于分层滑模控制的VTOL飞行器轨迹跟踪

针对VTOL飞行器的轨迹跟踪和稳定性问题,在考虑输入耦合前提下,提出了一种分层滑模控制方案.首先,将整个系统分成两个子系统,分别设计两个子系统的滑模面;然后利用其中一个子系统滑模量来构造中间变量,进而构造出整个系统总的滑模面;再利用等效控制法求取系统在该滑模面上的等效控制量,采用李雅普诺夫方法设计了系统的切换控制量,从而获得系统总的控制量.该控制器能够保证各个滑模面的稳定性和误差闭环系统的全局渐近稳定性.最后的仿真结果表明了该方法的有效性和可行性.     

采用滑模变结构控制的轨迹跟踪伺服系统

本文主要阐述采用滑模变结构控制的轨迹跟踪伺系统的设计方法，在选择调节器参数时，采用了对等效控制信号进行补偿的方法，并在小偏差范围内进行比例控制，较好的解决了“颤振”问题。系统利用功率场效应管MOSFET组成PWM高频伺服放大器，采用单片机实现了数字化控制，实验结果表明，该系统具有较好的理棒性。     

轮式机器人滑模轨迹跟踪控制器设计

轮式机器人是一个典型的非完整性系统。由于非线性和非完整特性,很难为移动机器人系统的轨迹跟踪建立一个合适的模型。介绍了一种轮式机器人滑模轨迹跟踪控制方法。滑模控制是一个鲁棒的控制方法,能渐近的按一条所期望的轨迹稳定移动机器人。以之为基础,描述了轮式机器人的动力学模型并在二维坐标下建立了运动学方程,根据运动学方程设计滑模控制器,该控制器使得机器人的位置误差收敛到零。     

机器人的非奇异终端神经滑模轨迹跟踪控制

针对具有不确定性的机器人系统,为提高系统的稳态跟踪精度,提出一种非奇异终端神经滑模轨迹跟踪控制方案.控制器采用改进的非奇异终端滑模面,并基于径向基函数神经网络自适应调整控制律的切换项,不但克服了在设计中需要知道系统不确定性的上界的限制,而且平滑了控制信号.可应用Lyapunov稳定性理论证明了系统的渐近稳定性和跟踪误差的渐近收敛性.仿真结果验证了控制方法不仅能够保证机器人系统轨迹跟踪控制的快速性和鲁棒性,而且有效地削弱了抖振,可见方案是可行且有效的.     

智能车辆的滑模轨迹跟踪控制

智能车辆是集各种机械装置、传感器、计算机于一体的复杂非线性系统,其轨迹跟踪控制器是研究的关键技术之一。针对高速自主导航智能车辆轨迹跟踪控制器鲁棒性、精确性和实时性的高要求,在智能车辆结构组成与运动模型基础上,设计了一种滑模变结构控制器。通过控制智能车辆的线速度和角速度实现智能车辆对任意路径的跟踪,并用Matlab进行了仿真实验。结果验证了该方法的有效性和可靠性。     

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。     

挖掘机轨迹跟踪的滑模变结构控制

对液压挖掘机工作装置的轨迹跟踪进行了研究。在分析了液压挖掘机工作装置的动力学方程的基础上,针对其复杂的非线性,提出了一种新的液压挖掘机工作装置轨迹跟踪方法,即应用机器人学理论,建立了三自由度液压挖掘机工作装置的拉格朗日动力学模型,设计了带低通滤波器的滑模控制器,利用低通滤波器的滤除高频信号的功能,消除控制信号的抖动,给出沿规划轨迹工作所需的控制量,并给出了控制系统的设计方法。对三自由度工作装置进行了仿真研究,其结果表明,所设计的控制器对设定轨迹的跟踪具有良好的动态特性,对系统的不确定性具有较强的鲁棒性,在存在模型误差和外部扰动的情况下,该方案既能达到高精度快速跟踪的目的,又能消除滑模控制的抖动问题。     

非完整轮试移动机器人的轨迹跟踪滑模控制

由于轮式移动机器人的非完整性质和运动受限性质,它的轨迹跟踪已经成为一类具有挑战性的控制问题.针对一个可以在医院环境中执行护理任务的室内移动机器人-护士助手机器人,提出一种轮式移动机器人的轨迹跟踪滑模控制方法.由移动机器人在极坐标系中的运动学方程出发设计一个滑模控制器,进而提出了一种新的滑模控制方法,解决了在极坐标系中关于运动学的跟踪问题.分析了此方法的稳定性和执行性能,并且通过仿真证明这个控制方法的实际应用的有效性.     

基于终端滑模的四旋翼飞行器非线性轨迹跟踪控制

考虑到四旋翼飞行器的传统内外环控制策略依赖时标分离假设,稳定性分析复杂,并且控制参数选取困难的缺点,提出了一种与传统内外环控制策略不同的轨迹跟踪控制器;首先将四旋翼飞行器数学模型进行相应的变换,以分解为高度、偏航角和纵横向三个级联的子系统,再使用终端滑模控制方法设计高度和偏航角子系统的控制器,使两个子系统的状态误差可以在有限时间内收敛到原点,之后基于变量非线性变换设计纵横向子系统的控制器,分析了闭环系统稳定性,证明了所设计的轨迹跟踪控制器可以保证闭环系统跟踪误差渐近稳定到原点,最后仿真实验的结果验证了所设计的控制器的有效性。     

基于滑模预测控制的海底采矿车轨迹跟踪算法

海底采矿车多工作于稀软底质,其面临的外部扰动较大,难以快速收敛跟踪误差,精准地跟踪预设轨迹。为此,本文提出了一种海底采矿车的滑模预测控制（sliding model predictive control,SMPC）轨迹跟踪算法。基于海底采矿车的运动学模型,首先设计滑模控制率实现轨迹跟踪误差快速收敛,其次利用少预测时域的线性时变模型预测控制算法（linear time varying model predictive control,LTV-MPC）优化该滑模控制率。而后,通过证明滑模控制率收敛和模型预测控制稳定,保证了闭环控制系统的稳定性。RecurDyn&Simulink联合仿真结果表明,与单一的滑模控制（sliding mode control,SMC）和线性时变模型预测控制算法相比,所提出的SMPC轨迹跟踪算法提高了轨迹跟踪精度,且算法具有较好的实时性。     

基于神经网络的不确定机器人自适应滑模控制

提出一种机器人轨迹跟踪的自适应神经滑模控制。该控制方案将神经网络的非线性映射能力与变结构控制理论相结合,利用RBF网络自适应学习系统不确定性的未知上界,神经网络的输出用于自适应修正控制律的切换增益。这种新型控制器能保证机械手位置和速度跟踪误差渐近收敛于零。仿真结果表明了该方案的有效性。     

基于径向基函数神经网络的多关节机器人滑模控制器

针对具有不确定性的多关节机器人系统,提出了一种径向基函数神经滑模控制方法;该控制方案采用全局滑模面,将神经网络的非线性映射能力与滑模控制的特点相结合,利用径向基神经网络自适应学习系统不确定性的未知上界,消弱了由滑模控制产生的抖动,同时保证了系统的鲁棒性;基于李亚普诺夫定理给出了系统稳定性的充分条件;仿真结果表明,该方法具有良好的轨迹跟踪和速度跟踪性能,提高了对于建模误差和不确定干扰等因素的鲁棒性。