柔性机械臂的鲁棒轨迹跟踪控制

对多连杆性机械臂的轨迹跟踪控制提出了一种鲁棒控制方法，基于奇异摄动法将多连柔性机械臂系统分离为慢变和快变两个子系统，对两者分别采用滑模变结构控制和Ｈ＾∞控制，由此得出的组合控制使系统精确跟踪期望的轨迹，抑制弹性振动，并且使由非线性机械结构引起的结构不确定性和由弹性变形引起的非结构不确定性及外扰具有较强的鲁棒性，最后通过仿真实验说明其有效性。     

柔性机械臂的鲁棒轨迹跟踪控制

对多连杆柔性机械臂的轨迹跟踪控制提出了一种鲁棒控制方法。基于奇异摄动法将多连杆柔性机械臂系统分离为慢变和快变两个子系统，对两者分别采用滑模变结构控制和Ｈ∞控制，由此得出的组合控制使系统精确跟踪期望的轨迹，抑制弹性振动，并且使由非线性机械结构引起的结构不确定性和由弹性变形引起的非结构不确定性及外扰具有较强的鲁棒性。最后通过仿真实验说明其有效性。     

机械臂协调操作柔性负载鲁棒神经网络控制

针对多变量刚柔耦合的双机械臂协调操作柔性负载系统,基于奇异摄动理论研究该系统有限元模型的分解以及轨迹跟踪控制问题.考虑动力学模型的复杂性,通过双时标变换将协调系统分解成表征系统大范围刚性运动的慢变子系统和表征系统弹性振动的快变子系统.基于反演思想在慢变子系统中设计鲁棒神经网络控制策略,实现系统轨迹跟踪性能;针对快变子系统,设计鲁棒最优控制策略抑制系统的弹性振动.仿真研究结果表明,该控制策略增强了系统的跟踪性能和鲁棒性.     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

二自由度机械臂的鲁棒轨迹跟踪控制及仿真

本文以二自由度机械臂为主要研究对象,对机械臂进行运动学模型分析和动力学模型分析,采用自适应鲁棒PD控制器,给出自适应律设计。最后基于Matlab软件搭建控制系统图,通过调节参数实现对机械臂轨迹的跟踪控制。     

基于自适应神经网络的柔性关节机械臂控制

柔性关节机械臂系统是一个非线性高阶系统,且其动力学方程难以精确地获得。因此,提出一种以关节驱动电机的输入电压为控制量的自适应神经网络控制器,用于控制多连杆柔性关节机械臂系统。所提控制方法通过对柔性关节机械臂模型解耦得到关节转角关于电压的方程,以电压为系统控制输入。设计神经网络控制器用于逼近最优控制输入,并设计鲁棒控制器补偿逼近误差。该控制方法不再涉及复杂的动力学方程,因此能简化计算。相比已有控制方法,所提出的控制策略更简单、响应更快且更有效。并以二连杆柔性关节机械臂为例进行了仿真研究,结果证明了所提出控制方法的有效性。     

基于观测器的柔性关节机械臂滑模控制

柔性机械臂在运动过程中会产生如扭曲、弹性、剪切等形变,给柔性机械臂的分析和控制带来困难。为了满足柔性机械臂高性能的控制要求,提出将基于观测器的滑模控制方法用于柔性机械臂中,设计一个观测器观测柔性机械臂系统各个状态变量,并且采用滑模变结构设计控制器。仿真结果表明,基于观测器的柔性关节机械臂滑模控制方法能够很好地观测到系统各个状态变量,且状态估计误差趋近于零,满足柔性臂的快速跟踪性要求,具有很好的实践意义。     

电驱动机械臂的自抗扰鲁棒哈密顿跟踪控制

针对永磁同步电机驱动机械臂系统的位置跟踪问题提出了自抗扰控制与哈密顿控制相结合的鲁棒控制策略。首先,建立了考虑不确定性的电气子系统和机械子系统模型,依据独立关节控制思想将模型转化为单电机驱动单关节的端口哈密顿结构;其次,设计级联扩张状态观测器估计机械子系统的总扰动,设计控制律实现期望位置鲁棒跟踪的同时简单有效地获取到期望的q轴电流I~*_qi;最后,基于系统哈密顿结构设计互联和阻尼配置哈密顿控制器与H_∞控制器相结合的鲁棒哈密顿控制器,实现对电流的高精度鲁棒跟踪,并通过适当改进H_∞的引入时机改善了初始控制输入过大的问题。与电驱动机械臂系统无模型自抗扰控制的仿真对比结果验证了所提控制方案的有效性,级联ESO与传统ESO相比,关节位置跟踪精度提升了0.003 rad,改进的鲁棒哈密顿控制器与哈密顿控制器相比关节位置跟踪精度提升了0.005 rad,电流跟踪精度显著提升,改进H_∞的引入时机使初始控制输入显著降低。     

基于神经网络的鲁棒自适应滑模迭代学习控制

对一类不确定非线性系统，包括不确定性机器人，提出一种自适应鲁棒迭代学习控制方案，学习控制用于学习周期性的系统不确定性，自适应滑模控制用于抑制非周期性系统不确定性，并且利用RBF神经网络自适应学习系统不确定性的未知上界，对不确定性系统动态和有界输入拢动具有鲁棒性，通过Lyapunov直接方法，确保了对每次迭代闭环系统是一致有界的，并且沿着迭代次数的增加，跟踪误差渐近收敛于零，仿真结果表明了该方案的有效性。     

空间机械臂柔性关节控制器的设计

为了解决柔性关节的控制问题,建立了柔性关节模型,利用关节力矩传感器信息、电机位置传感器以及其微分信息,设计了四阶状态反馈控制器,实现关节的柔性控制.利用模糊推理机制实现反馈控制器参数的自动调整,实现关节的位置控制、力控制和阻抗控制.设计的控制器已在HIT-DLR实验室设计的空间机械臂中得到了具体应用,实验结果证实该控制器的具有较强的鲁棒性和实用性.     

压电柔性机械臂的轨迹跟踪控制

提出一种利用压电材料对柔性机械臂进行末端轨迹跟踪控制的方法．利用假设模态法,采用压电作动器和传感器同位配置,根据Lagrange方程建立了单连杆柔性机械臂的动力学模型;针对柔性机械臂的非最小相位特点,以刚性旋转关节的转角为控制输出、以压电作动器抑制柔性机械臂的末端振动,基于Lyapunov函数,采用PD(proportional-differential)控制策略实现了对柔性机械臂进行末端轨迹跟踪控制．仿真结果表明,压电作动器很好地抑制了柔性机械臂末端的振动,末端的轨迹跟踪由关节驱动和压电作动共同完成,PD控制算法简单,易于工程实现．     

基于H∞方法的鲁棒迭代学习控制设计

针对不确定的线性系统,研究鲁棒梯度型迭代学习控制的设计问题.通过分析系统不确定性对反馈闭环控制和前馈学习控制的影响,给出了保证迭代学习控制在有限时间段上鲁棒收敛的充分条件.依据此条件,将迭代学习控制的设计问题转化为H∞设计问题,提出了一种兼具反馈与前馈作用的鲁棒迭代学习控制律.迭代学习控制的设计过程分为两步进行:先基于H∞方法设计反馈控制器,再采用固定步长的梯度法设计前馈控制器.仿真结果表明了该设计方法的可行性.     

基于终点时刻末端误差的柔性臂迭代学习控制

针对柔性臂重复运行的情况,在仅能测量运行终点时刻末端位置的条件下,提出一种新的结合计算力矩法的迭代学习控制（ILC）方法.该方法利用柔性臂的简化动力学模型,给出各关节控制力矩的参数化表示;并依据终点时刻柔性臂末端位置的误差,通过迭代学习算法调整控制力矩的参数,实现精确到达预期末端位置的目标.算法利用ILC不依赖模型的特点,弥补计算力矩法需要精确模型的缺陷;参数的迭代学习主要起到消除模型误差和各种干扰的作用,增强算法的鲁棒性.通过理论分析给出所提算法的收敛条件.最后在柔性臂系统上进行仿真及实际试验.结果表明,所提出的ILC算法能够克服连杆柔性对柔性臂末端误差的影响,显示良好的控制效果.     

一类非线性迭代学习控制系统的鲁棒收敛性

讨论了对于一类非线性动态系统施加高阶Ｄ型迭代学习算法时构成的迭代学习控制系统的鲁棒收敛性．证明了当系统初始状态逐渐固定在靠近期望初态的某一点上时，系统控制、状态、输出会收敛到相应期望轨迹的邻域内．同时，证明了在渐近理想重复初始条件下的算法收敛性．仿真结果表明，开闭环配合的学习律是克服初态偏移的一种有效途径     

基于迭代混合的双重鲁棒数字水印

在变换域添加的数字水印一般在具有较高鲁棒性的情况下,嵌入容量都比较小.为了提高数字水印的鲁棒性和嵌入信息量,采用在不同变换域添加双重数字水印的方法.在DCT域采用修改DCT系数的方法添加了二值水印,而在DWT域采用迭代混合技术添加了灰度图像以提高水印容量和鲁棒性.实验结果表面,这一算法对JPEG压缩,剪切,加噪都具有较好的鲁棒性,很好地实现了数字水印鲁棒性和大容量的统一.     

柔性机械臂变结构跟踪控制及柔性振动抑制

柔性机械臂具有质量轻、速度快和负载大的特点,针对柔性机械臂轨迹跟踪与弹性振动抑制问题,基于奇异摄动理论和两种时间尺度的假设,将柔性机械臂系统分解为代表大范围刚体运动的慢变子系统和代表柔性振动的快变子系统.对于慢变子系统采用变结构控制来实现关节轨迹的跟踪,而快变子系统则采用最优控制方法来对柔性杆振动进行主动抑制.仿真实验结果表明,该控制方法不仅能够保证系统刚性运动轨迹的精确跟踪,并能有效抑制柔性杆件的弹性振动.     

一类不确定系统的鲁棒输出反馈跟踪控制

文章讨论了线性不确定系统的鲁棒输出渐近跟踪控制问题，给出了基于Lyapunov方程正定解存在性的输出反馈跟踪控制器的设计方法。该方法所设计的控制器对系统中所有允许的不确定性均使其输出能渐近跟踪所给定的参考信号，并使系统状态保持有界。     

非匹配不确定非线性系统的鲁棒输出跟踪

针对一类非匹配不确定非线性系统,提出一种鲁棒自适应渐近输出跟踪控制方法,该方法无须已知不确定性函数及其各阶导数上界。基于Lyapunov函数方法,给出了鲁棒自适应控制律以及GCMAC神经网络权值调整算法,通过后一个状态镇定前一个状态,最终达到了对期望输出的渐近跟踪,同时系统状态有界。应用于电液位置伺服系统的仿真结果表明该控制策略是有效的,对系统不确定性和未知干扰具有较强的鲁棒性。