双连杆柔性机械手负载自适应模糊滑模控制

讨论了柔性机械手末端负载变化时的控制问题。应用奇异摄动将双连杆柔性机械手系统分解为慢变、快变两个子系统。提出一种慢变子系统采用自适应模糊滑模控制、快变子系统采用最优控制的混合控制方法。仿真结果表明,该方法不仅能实现柔性机械手轨迹的快速、准确跟踪,有效的抑制弹性振动,并且对负载的变化具有强的鲁棒性。     

单连杆柔性臂负载自适应模糊滑模控制

针对单连杆柔性臂，提出了负载自适应模糊滑模控制与最优控制相结合的混合控制方法。首先，采用奇异摄动将系统分为慢变和快变两个子系统。然后，对慢变子系统采用负载自适应模糊滑模控制，快变子系统采用最优控制。最后，仿真结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效地抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

基于模糊神经的柔性臂变负载控制方法

基于奇异摄动将单连杆柔性机械臂动力学模型分解为慢、快变子系统,传统方法分别采用PD控制和最优控制能取得较好控制效果,但负载不确定时,控制效果并不理想.提出对于慢变子系统,采用模糊神经、PD控制相结合的控制方法,对于快变子系统,采用模糊神经、最优控制相结合的控制方法.当负载变化时,采用模糊神经控制器根据实际负载对PD参数及最优控制参数进行调整,达到更优的控制效果.分别采用传统方法及本文提出的改进方法在变负载条件下作了仿真实验,结果表明后者的控制效果明显优于前者.给出了慢、快变子系统模糊神经控制器在变负载条件下训练参数的获取方法.     

基于奇异摄动的双连杆柔性臂模糊控制

讨论了双连杆柔性臂位置控制问题。应用拉格朗日-假设模态法建立系统的动力学方程，并用奇异摄动法将双连杆柔性臂系统分解为两个降阶的慢变子系统和快变子系统。针对柔性臂强非线性、强耦合性及不确定性等特点，给出一种慢变子系统在反馈线性化后采用模糊控制、快变子系统因呈线性系统而采用简单的最优控制的混合控制方法。其中，模糊控制是二维PD型控制器，其输入为关节角跟踪误差及其导数。最后进行了计算机仿真，结果表明，该方法不仅能实现柔性臂轨迹的快速、准确跟踪，有效的抑制弹性振动，并且对负载的变化具有强的鲁棒性。     

遗传算法在柔性臂控制中的应用

提出了一种双连杆柔性机械臂的控制方法.首先运用拉格朗日法建立双连杆柔性机械臂的动力学模型,并利用奇异摄动方法将柔性臂系统分解为慢变和快变子系统后,设计了组合控制器.对慢变子系统利用遗传算法确定两杆的PD控制参数,而时快变子系统采用最优H2综合策略设计控制器后,对柔性臂系统施加组合控制律.仿真结果表明了所设计控制器的有效性.     

滑模控制及其在柔性臂轨迹控制中的应用

变结构控制系统是一类特殊的非线性控制系统,滑模控制就是其中一种。滑模控制对系统参数及扰动的变化反应迟钝,具有很强的鲁棒性,该类控制方法特别适合于机械臂系统的控制。本文中采用奇异摄动方法将双连杆柔性机械臂系统分解为慢变和快变两个子系统,并对慢变子系统采用滑模控制方法设计了控制器。采用MATLAB进行的数值仿真结果表明了所设计控制器的有效性;     

基于分布参数机械臂协调操作柔性负载双时标控制

基于分布参数系统理论,建立机械臂协调操作柔性负载系统的动力学模型.利用奇异摄动方法,对动力学模型进行双时标分解,得到一个表征系统大范围刚性运动的集中参数慢变子系统和表征系统弹性振动的分布参数快变子系统.分别设计了自适应模糊滑模慢变控制器和振动反馈快变控制器,并通过分析快变子系统主算子及其生成C_O半群的特性,证明了分布参数闭环子系统的渐近稳定性.最后,通过仿真实验验证了所提出方法的有效性.     

基于积分流形的柔性机械手组合控制

为解决柔性机械手非最小相位的控制问题以及克服运动中的抖振,采用积分流形和奇异摄动理论,将柔性机械手系统分解为快慢两个子系统.对于慢变子系统,设计一种基于一阶鲁棒微分估计器的二阶滑模控制策略,使其轨迹跟踪期望值;对于快变子系统,采用频率成形滤波器设计动态补偿器来抑制弹性振动,并基于线性二次型最优控制方法给出相应的最优控制规律,使系统的输出快速趋于稳定.仿真结果表明了该控制策略的有效性.     

双连杆柔性臂轨迹跟踪的鲁棒控制

研究了双连杆柔性臂轨迹跟踪的鲁棒控制问题·基于假设模态法和奇异摄动法,导出了双连杆柔性臂系统的动力学方程,并将系统模型分离为慢变和快变两个子系统.针对柔性臂的特点,提出了关节角的补偿控制思想,并且给出了补偿控制算法.对两个子系统分别采用滑模变结构控制和H∞控制,由此得到的组合控制使系统精确跟踪目标轨迹.研制了双连杆柔性臂实验台,并对文中提出的方法进行了实验.     

基于神经网络与粒子滤波的柔性臂控制方法研究

基于奇异摄动法将单连杆柔性臂系统分解为慢变、快变子系统,采用混合控制方法;设计了基于粒子滤波的神经网络控制器来线性化慢子系统,使其跟踪期望轨迹;采用粒子滤波训练神经网络克服了BP算法收敛速度慢、易陷入局部极小值的缺陷,及扩展卡尔曼滤波方法带来的模型线性化损失;对于快变系统采用最优控制方法;仿真结果表明:在神经网络训练误差收敛速度及精度方面,粒子滤波要比BP及卡尔曼滤波要好;组合控制方法能有效地抑制柔性臂弹性振动,轨迹跟踪迅速准确,精度方面也是前者最优。