阀控缸系统有限时间滑模控制

针对阀控缸系统稳态跟踪误差的收敛时间均为非有限时间内收敛到0的问题，提出了一种终端滑模控制方法。解决了液压系统非有限时间收敛问题，使得跟踪误差在有限时间内收敛到0。首先，运用终端滑模控制方法通过构造终端函数方式引入非线性项，设计终端滑模面来保证系统的全局鲁棒性和稳定性；其次，基于Lyapunov稳定性理论设计终端滑模控制器，保证位置跟踪误差在有限时间内收敛到0并验证其稳定性；最后，利用阀控缸系统模型以正弦信号及其衍生信号为参考信号对控制策略进行Simulink仿真，表明了终端滑模控制方法的可行性与有效性。     

基于自调整神经元的无人直升机航向控制方法

直升机航向动力学包含输入非线性、时变参数和主－尾旋翼之间的强耦合,传统的比例积分微分(Proportional integral differential, PID)方法很难达到良好的控制性能。基于以上原因,通过把自调整神经元与滑模控制相结合,提出一种能够解决带有输入非线性的航向自适应控制方法。与常规自适应控制相比,用滑模条件代替误差函数作为目标函数,使控制器在保证闭环稳定性的同时,能够进一步使跟踪误差满足期望精度。证明了该方法的稳定 性,针对实际模型直升机试验平台航向动力学模型的仿真结果,以及与传统PID方法的比较都表明了该方法的有效性。     

智能车辆循迹的自适应神经网络动态面控制

针对智能汽车的智能循迹控制问题,提出一种自适应神经网络动态面控制算法。该方法解决了传统反步法中的"微分爆炸"现象,考虑到动力学模型中存在的不确定项、外部干扰以及控制输入饱和受限问题,采用RBF径向基函数神经网络对其实现补偿控制。为解决控制过程中可能会出现的代数环问题,预先将RBF中的控制输入项进行低通滤波处理。设计相应的Lyapunov函数证明了闭环系统的所有误差,并将设计的控制算法与无饱和受限情况下的控制算法进行对比,仿真结果进一步验证了该控制算法的有效性和可靠性。     

随机振动机械臂的自适应鲁棒滑模控制

为了解决存在外部不确定随机干扰情况下机械臂的高精度轨迹跟踪问题,提出了一种自适应鲁棒滑模控制方法,并用Lyapunov稳定性定理证明了其闭环系统的稳定性。采用饱和函数取代控制器中的符号函数,有效消除了控制器的抖振现象。仿真结果证明：与传统的PID控制器相比,提出的自适应鲁棒滑模控制器具有更高的鲁棒性、稳定性和精度。     

HJI理论下滑模鲁棒控制对磁浮列车悬浮特性影响研究

针对负载扰动和轨道不平顺激励等干扰下磁浮列车悬浮系统的悬浮稳定性问题,提出了一种基于二类李雅普诺夫函数的滑模控制策略使其能够严格保证系统维持在目标悬浮间隙附近.设计了期望悬浮间隙并将其设为虚拟输入,在动力学方程中采取滑模控制算法实现悬浮误差的跟踪控制.根据垂向悬浮间隙的相应约束条件引入HJI理论和李雅普诺夫函数设计相应控制器,使其能够在各种干扰下保证悬浮稳定性.基于李雅普诺夫稳定性定理证明闭环系统稳定性,使系统在受到扰动时能够尽可能的保证悬浮精度并进行误差整定,将悬浮误差收敛到无穷小.对比了现有PID控制算法在同样工况下的悬浮性能,对比了仿真验证所提出控制律的有效性和鲁棒性.     

基于输入-输出稳定性理论的手术机器人控制

手术机器人通常采用独立的PD控制或基于重力补偿的PD控制,但两种模型的控制律引入之后,系统的闭环误差方程是线性方程,而且不能充分考虑机器人的动力学特性。针对这个问题,提出一种基于输入-输出稳定性理论的控制模型,该模型使系统的闭环误差方程为非线性方程,体现了机器人的非线性本质。通过Matlab软件比较了重力补偿PD控制与基于输入-输出稳定性理论的控制所得末端的位置偏差,该方法得到的末端位置最大偏差为0.15 mm。     

双电动缸滑模力分配同步起竖控制

针对含有未知系统动态、外部时变干扰及内力纷争的双电动缸同步起竖系统，提出了一种不依赖于函数逼近器且能保证瞬态和稳态跟踪性能的同步控制策略。设计基于未知系统动态估计的双曲滑模控制器保证起竖轨迹跟踪性能，使用未知系统动态估计器估计补偿系统未知参数和外部时变干扰，该控制器结构简单只需调节一个参数且具有良好的动态适应性能，基于双曲函数设计了一种新的滑模趋近律，有效克服了传统滑模的易抖振等问题；针对双电动缸同步起竖过程中存在的双缸耦合现象，设计推力分配同步控制算法，避免系统产生大的耦合内力，同时保证双缸运动的同步性。通过Lyapunov稳定性理论证明闭环系统的稳定性，仿真结果证明了提出控制策略的有效性。     

基于自适应神经网络控制的机械臂运动轨迹跟踪误差研究

针对机械臂受到外界干扰时运动不稳定、轨迹跟踪误差较大等问题,提出了自适应神经网络控制方法。给出了机械臂动力学方程式,利用正反馈神经网络研究机器臂的动力学特性。设计了自适应神经网络控制系统,通过李雅普诺夫函数证明了该闭环系统的稳定性和收敛性。建立了机械臂模型简图,采用Matlab/Simulink软件对机械臂动力学参数进行仿真。同时,与PID控制系统仿真结果进行对比和分析。仿真结果显示,机械臂运动轨迹在受到外界干扰情况下,采用自适应神经网络控制运动轨迹跟踪误差较小,输入转矩波动较小。机械臂采用自适应神经网络控制方法,可以提高运动轨迹的控制精度,削弱了机械臂运动的抖动现象。     

考虑非线性模型不确定性的航天器高椭圆轨道自主相对运动控制

针对围绕同一中心天体的任意高椭圆轨道飞行的航天器之间的自主相对运动问题,提出基于系统相对运动模型的航天器自适应控制策略。首先,对适用于任意航天器相对运动的一般性非线性模型,通过设计系统内部虚拟变量对模型进行重构。其次,针对非线性系统下航天器交会对接输入约束问题,基于重构的非线性模型,通过设计辅助控制系统,分析和解决控制输入约束的影响,在提高控制性能的同时保证闭环系统的渐近稳定性。此外,由目标星未知轨道运动引起的模型非线性参数项不确定性问题,通过二项式级数扩展方法实现线性参数化近似,结合提出的自适应反步控制器,能够保证闭环信号以及未知参数估计的最终有界性。对于同时存在模型不确定性与控制输入约束的问题,采用代数参数化线性近似与辅助控制系统相结合的设计方法,能够分析和处理控制加速度约束的影响。最后,通过对几个案例的仿真分析,比较和验证了所提出的自适应控制策略的有效性。     

基于Backstepping的改进等速趋近律AGV滑模轨迹跟踪控制方法

针对自动导引小车(AGV)轨迹跟踪过程中如何快速平稳消除行进所产生的距离和角度误差问题,提出了一种改进等速趋近律的滑模轨迹跟踪控制方法。在全局坐标系下建立了AGV运动学模型,基于反演算法(Backstepping)处理非线性系统的控制策略得到AGV的滑模切换函数,从而解决了非线性系统滑模控制切换函数难的问题;为了更好地实现AGV从任意初始的偏差状态达到滑模切换面,针对等速趋近律中ε常数对趋近过程的影响,通过连续的函数取代原趋近律中的符号函数,得到基于改进等速趋近律AGV滑模控制的切换函数式和轨迹跟踪的控制律式。通过仿真数据与实验结果表明,所提出的轨迹跟踪控制方法能够使AGV在不同转弯半径和不同速度下均能实现较快的误差纠偏,并最终使系统趋于稳定。     

Sliding mode output feedback control based on tracking error observer with disturbance estimator

For a class of systems who suffers from disturbances, an original output feedback sliding mode control method is presented based on a novel tracking error observer with disturbance estimator. The mathematical models of the systems are not required to be with high accuracy, and the disturbances can be vanishing or nonvanishing, while the bounds of disturbances are unknown. By constructing a differential sliding surface and employing reaching law approach, a sliding mode controller is obtained. On the basis of an extended disturbance estimator, a creative tracking error observer is produced. By using the observation of tracking error and the estimation of disturbance, the sliding mode controller is implementable. It is proved that the disturbance estimation error and tracking observation error are bounded, the sliding surface is reachable and the closed-loop system is robustly stable. The simulations on a servomotor positioning system and a five-degree-of-freedom active magnetic bearings system verify the effect of the proposed method.     

基于反演设计的机械臂非奇异终端神经滑模控制

针对具有建模误差和不确定干扰的多关节机械臂的轨迹跟踪问题,设计反演非奇异终端神经滑模控制。该方案是采用能有限时间收敛的非奇异终端滑模面,根据滑模控制原理和反演方法设计反演滑模控制器;对于反演滑模控制系统中由于建模误差和不确定干扰造成的不确定因素的上界,设计径向基(Radial basis function, RBF)神经网络自适应律,在线估计不确定因素的上界;利用李亚普诺夫定理证明了系统的稳定性。仿真结果表明,该方法具有良好的轨迹跟踪性能,提高对于建模误差和不确定干扰等因素的鲁棒性,削弱了抖动。     

Robust adaptive motion/force control scheme for crawler-type mobile manipulator with nonholonomic constraint based on sliding mode control approach

In this paper, a robust adaptive motion/force control (RAMFC) scheme is presented for a crawler-type mobile manipulator (CTMM) with nonholonomic constraint. For the position tracking control design, an adaptive sliding mode tracking controller is proposed to deal with the unknown upper bounds of system parameter uncertainties and external disturbances. Based on the position tracking results, a robust control strategy is also developed for the nonholonomic constraint force of CTMM. According to the Lyapunov stability theory, the stability of the closed-loop control system, the uniformly ultimately boundedness of position tracking errors, and the boundedness of the force error and adaptive coefficient errors are all guaranteed by using the derived RAMFC scheme. Simulation and experimental tests on a CTMM with two-link manipulator demonstrate the effectiveness and robustness of the proposed control scheme.     

H∞ non-fragile observer-based dynamic event-triggered sliding mode control for nonlinear networked systems with sensor saturation and dead-zone input

This paper considers the problem of robust non-fragile observer-based dynamic event-triggered sliding mode control (SMC) for a class of discrete-time Lipschitz nonlinear networked control systems subject to sensor saturation and dead-zone input nonlinearity. First, an improved dynamic event-triggered scheme (DETS) in consideration of sensor saturation is proposed to reduce the number of data transmission. Next, a non-fragile observer is designed to estimate the system state, which facilitates the construction of the discrete sliding surface. By using a reformulated Lipschitz property, the error dynamics and sliding mode dynamics are modeled as a unified linear parameter varying (LPV) networked system with time-varying delays. Then, based on this model, sufficient conditions are established to guarantee the resulting closed-loop system to be asymptotically stable with a given disturbance attenuation level. Furthermore, an observer-based event-triggered SMC law is designed to drive the trajectories of the observer system onto a region near equilibrium point in a finite time in the presence of dead-zone input nonlinearity. Finally, two practical examples are employed to demonstrate the effectiveness of the proposed method.     

快速终端滑模控制在并联机器人中的应用

针对二自由度冗余驱动并联机器人,提出了并联机器人的快速终端滑模控制(FTSMC)以实现其鲁棒控制,并利用Lyapunov函数证明了该控制系统的稳定性。仿真结果表明,该控制系统跟踪效果好,系统误差小,可以满足并联机器人控制的要求。与采用普通滑模控制相比,该控制系统具有状态响应速度快,系统状态在有限时间内收敛到零的特点。仿真实验证实了该控制策略的正确性和有效性。     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

基于分数阶微积分的机械臂迭代滑模控制策略研究

为提高工业机械臂的控制性能,将分数阶微积分理论与迭代学习控制及滑模控制相结合,提出一种有效的分数阶迭代滑模控制策略.在控制器的设计过程中,分别采用分数阶趋近律与分数阶滑模控制律两种方法将分数阶微积分引入到迭代滑模控制中,提出分数阶迭代滑模控制策略.并使用李雅普诺夫理论分析系统的稳定性.然后以一个两关节机械臂为例,通过MATLAB仿真对所提出的控制策略进行了验证.实验表明:分数阶迭代滑模控制策略可以有效提高关节的跟踪速度和跟踪精度,减小跟踪误差,具有较强的鲁棒性,并有效地抑制了滑模控制的抖振现象.     

自主式水下机器人自适应区域跟踪控制

研究自主式水下机器人的区域跟踪控制问题,提出一种基于PD神经滑模的自适应区域跟踪控制方法。针对自主式水下机器人自适应控制器中仅在线调整网络权值的径向基函数神经网络存在收敛性能差的问题,给出同时对径向基函数神经网络权值、径向基函数中心与方差进行自适应调整的方法,使径向基函数神经网络无须离线选取径向基函数中心与方差,即可进行在线自适应学习。考虑到控制器中滑模控制项易引起系统抖振的问题,提出一种基于指数函数的滑模切换增益调节方法,使滑模切换增益能够依据跟踪误差实时调节以降低系统抖振。基于Lyapunov理论对所提自适应区域跟踪控制方法的稳定性进行分析。通过自主式水下机器人的仿真试验与水池试验验证所提方法的有效性。     

Development of an adaptive radial basis function neural network estimator-based continuous sliding mode control for uncertain nonlinear systems

In this paper an adaptive neural network (NN)-based nonlinear controller is proposed for trajectory tracking of uncertain nonlinear systems. The adopted control algorithm combines a continuous second-order sliding mode control (CSOSMC), the radial basis function neural network (RBFNN) and the adaptive control methodology. First, a second-order sliding mode control scheme (SOSMC), which is published recently in literature for linear uncertain systems, is extended for nonlinear uncertain systems. Second, an adaptive radial basis function neural network estimator-based continuous second order sliding mode control algorithm (CSOSMC-ANNE) is adopted. In CSOSMC-ANNE control methodology, a radial basis function neural network with adaptive parameters is exploited to approximate the unknown system parameters and improve performance against perturbations. Also, the discontinuous switching control of SOSMC is supplanted with a smooth continuous control action to completely eliminate the chattering phenomenon. The convergence and global stability of the closed-loop system are proved using Lyapunov stability method. Numerical computer simulations, with dynamical model of the nonlinear inverted pendulum system, are presented to demonstrate the effectiveness and advantages of the presented control scheme.