多关节机械臂的分数阶滑模变结构神经网络自适应控制

在分数阶滑模控制方法的基础,设计了新型的滑模函数趋近律,提升了多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度.机械臂在建模过程中存在多种建模误差,工作过程中存在外界干扰等不确定因素,因此采用神经网络对各种不确定项进行逼近,对径向基函数神经网络自适应控制中存在的误差,提出了神经网络误差的自适应补偿项,减小了径向基函数神经...     

多关节机械臂反演滑模神经网络干扰观测器控制

多关节机械臂在建模过程中存在不确定干扰和建模误差,对机械臂的控制系统带来了许多不良的影响.为此,文中研究了一种反演滑模神经网络干扰观测器控制策略.文中采用非线性干扰观测器对多关节机械臂的外部不确定干扰进行观测补偿,且无需外界不确定干扰的上界先验知识.对于建模过程中存在的不确定性,采用反演滑模神经网络自适应控制,运用神经...     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

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。     

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...     

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.     

非完整移动机械臂的自适应模糊滑模控制研究

针对四轮二连杆非完整移动机械臂的轨迹跟踪问题,设计了一种结合自适应模糊控制和滑模控制的控制策略。首先建立了系统包含未知动力学模型不确定性和外部扰动的动力学控制模型,然后基于反演技术设计了控制器;采用了模糊控制来逼近系统未知时变总体不确定性,并采用了自适应机制动态优化模糊系统控制参数,进一步采用了指数趋近律滑模控制消除模糊逼近误差的影响。研究结果表明:该控制器对系统总体不确定性进行了有效补偿,保证了移动机械臂在复杂不确定环境下的良好轨迹跟踪性能。     

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。     

机械臂反演非奇异终端的神经滑模控制

为了解决具有外部干扰以及建模误差的多关节机械臂的轨迹跟踪问题,提出了一种机械臂反演非奇异终端的神经滑模控制方法。采用非奇异终端的滑模面,基于反演方法以及滑模控制的原理,设计了反演滑模控制器。针对由于外部干扰以及建模误差引起的反演滑模控制系统中不确定的因素上界,设计了径向基(radial basis function,简称RBF)神经网络的自适应律,对不确定因素上界进行了在线估计,并对控制系统的稳定性使用了Lyapunov定理进行证明。仿真分析结果表明,所提出的方法不仅可以减少系统中存在的抖振现象,而且具有较好的轨迹跟踪性能和较强的鲁棒性。     

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。     

基于自适应滑模控制器的机械臂运动控制方法

由于无法消除机械臂运动过程中存在的高频振动,导致运动控制方法存在跟踪精度低、控制稳定性差和控制性能差等问题。对此,提出一种基于自适应滑膜控制器的机械臂运动控制方法,在机械臂动力学模型的基础上设计非线性观测器,对机械臂控制系统中存在的干扰信号进行观测,设计自适应滑膜控制器对干扰信号进行补偿。将补偿器引入自适应滑膜控制器中,其主要作用是抑制机械臂在运动过程中存在的高频振动,以提高控制稳定性,通过 Lyapunov 函数设计自适应滑膜控制器的总控制律,根据总控制律利用改进后的自适应滑膜控制器完成机械臂的运动控制。实验结果表明,所提方法的跟踪精度高、稳定性好、控制性能高。     

非完整移动机器人的双自适应神经滑模控制

针对非完整移动机器人轨迹跟踪控制问题,提出一种基于Backstepping运动学控制器与双自适应神经滑模鲁棒动力学控制的混合鲁棒控制算法.利用两个带自适应调节算法的径向基神经网络(Radial basis function neural network,RBFNN)分别计算滑模的等效控制部分和调节滑模控制的增益,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象.设计过程采用Lyapunov方法,保证了控制系统的稳定与收敛.仿真结果表明了该方法的有效性,且在多种不确定性存在的情况下,该方法能较好地消除非完整机器人的跟踪误差.     

基于模糊RBF神经网络动态摩擦分块补偿的机器人数字鲁棒滑模控制算法

结合非线性、强耦合的机器人动力学模型,提出了采用3个模糊RBF神经网络对机器人中的不确定项——LuGre动态摩擦进行分块补偿的机器人数字鲁棒滑模控制算法,在线自适应训练非线性动态摩擦项的参数,并分析了该算法的Lyapunov稳定性。通过在二自由度机器人上的仿真,证明了该算法具有高精度、高可靠性、高品质、稳定、强鲁棒性等特点。同时发现了该机器人的摩擦模型中存在类菱形吸引子等非线性动力学现象。     

RBF神经滑模控制在永磁直线同步电机的应用研究

给出了神经网络学习算法和神经滑模控制器的具体设计思路,将滑模控制器的切换函数作为神经网络输入,以滑模控制器为网络输出,从而实现神经网络学习能力和滑模控制自适应切换能力有效结合,将神经滑模控制器应用于永磁直线同步电机伺服系统,通过仿真说明了其良好的跟踪特性和低速平稳性。     

Accuracy of Neural Network Manipulator Control

Russian Engineering Research - Assessment of the accuracy of neural network manipulator control is considered. The accuracy is assessed by comparing the required clamp coordinates with the actual...     

电液伺服系统RBF神经网络滑模控制

针对阀控液压缸位置伺服系统非线性导致模型参数确定困难及干扰问题，在分析三阶位置控制的电液控制系统原理及模型的基础上，引入神经网络的RBF 径向基控制模型和自适应滑模算法，同时考虑了非1负反馈参数，建立了基于RBF 神经网络滑模控制的电液伺服控制系统数学模型。通过选取合适的Lyapunov 函数，分析了系统稳定性，解决了参数未定及挠动情况下的电液伺服系统控制器设计问题。仿真结果证明，所设计的控制器使系统的输出对给定信号的跟踪精度高，响应快，具有较强的鲁棒性。     

双臂空间机器人捕获航天器后的镇定运动分块滑模自适应神经网络控制

讨论了双臂空间机器人捕获航天器后闭链混合体系统姿态和关节的受扰运动镇定控制及双臂协调操作问题。根据冲量定理及闭环约束条件,分析了双臂空间机器人捕获操作结束后受到的冲击效应,建立了闭链混合体系统动力学方程。以此为基础,针对星载计算机运算能力有限的问题,基于神经网络控制理论设计了分块滑模自适应控制方案。将混合体系统动力学方程考虑为多个非线性关联子系统的集合,因此可同时并行地利用神经网络来分别逼近各子系统未知动力学模型,即通过并行处理来提高计算效率。设计了自适应滑模控制器来抵消交联项及神经网络逼近误差的影响。为了保证各臂杆的协同操作,基于最小权值范数法分配了各臂关节控制力矩。通过系统数值仿真验证了所提控制方案的有效性。