UUV水下模型预测滑模跟踪控制算法

水下机器人(UUV)工作时常伴有海流状况,UUV控制的不稳定性可能导致其无法工作或出现安全问题。针对水下机器人受海流频繁干扰的问题,设计了一种含海流因素的模型预测与自适应滑模级联的控制方法(OCMPC-ASMC),在高精度跟踪轨迹的同时,能提高水下机器人在持续海流或者突发海流扰动时跟踪控制的鲁棒性。首先,设计基于模型预测控制方法的运动学控制器,将海流速度合成到UUV的参考速度中,构建含海流因素的预测模型;然后,设计一种自适应滑模动力学控制器,通过速度、位置的反馈使得水下机器人能够实现对海流干扰的自适应;最后,在MATLAB上进行三维空间仿真并与传统MPC-SMC和反步控制比较,验证了所提方法应对波动海流有很强的鲁棒性与自适应能力。     

非线性迭代滑模的欠驱动AUV路径跟踪控制

为实现欠驱动自治水下机器人（AUV）在未知海流干扰作用下的路径跟踪控制,提出一种基于非线性迭代滑模增量反馈的路径跟踪控制器。选用一般曲线参数和Serret-Frenet坐标系描述路径跟踪误差,建立AUV水平面路径跟踪误差方程。采用迭代方法,设计滑模增量反馈控制器,无需对AUV模型参数不确定部分和海流干扰进行估计。仿真实验表明,设计的控制器参数易于调节,可用于实际欠驱动水下机器人来实现对水平面路径的精确跟踪。     

基于滑模理论的水下机器人定深控制算法研究

水下机器人操控性能指标中对定深控制性能有较高要求,而水下机器人的运动具有强的非线性和耦合性,使得不同航速下的定深控制成为难点;建立了水下航行器的运动学模型,基于滑模理论设计了深度控制器和纵倾控制器,在MATLAB SIMULINK环境下搭建了深度控制仿真系统,数值仿真结果表明:滑模变结构控制器对于不同航行条件具有较强的适应性,同时深度的控制效果明显优于PID控制器。     

考虑状态约束与执行器饱和的水下机器人轨迹跟踪控制

针对执行器饱和、模型参数不确定以及海流干扰等因素影响下的水下机器人,提出一种考虑状态约束以及执行器饱和的轨迹跟踪控制器.首先,构建水下机器人水平面轨迹跟踪误差方程;然后,对载体模型参数不确定性产生的模型误差以及海流干扰,设计一个非线性观测器进行估计并用于对控制器进行扰动补偿;接着,引入执行器饱和补偿系统、二阶滤波器以及滤波器误差补偿系统,设计命令滤波反步滑模控制器来控制水下机器人的水平面轨迹跟踪;最后,严格验证命令滤波反步滑模控制器的稳定性并进行数值仿真,验证所提出控制器的有效性.     

软体机械臂水下自适应鲁棒视觉伺服

水下仿生软体机器人在水底环境勘测,水下生物观测等方面具有极高的应用价值.为进一步提升仿章鱼臂软体机器人在特殊水下环境中控制效果,提出一种自适应鲁棒视觉伺服控制方法,实现其在干扰无标定环境中的高精度镇定控制.基于水底动力学模型,设计保证动力学稳定的控制器;针对柔性材料离线标定过程繁琐、成本高,提出材料参数自适应估计算法;针对水下特殊工作条件,设计自适应鲁棒视觉伺服控制器,实现折射效应的在线补偿,并通过自适应未知环境干扰上界,避免先验环境信息的求解.所提算法在软体机器人样机中验证其镇定控制性能,为仿生软体机器人的实际应用提供理论基础.     

具有H∞ 跟踪性能的机器人自适应犘犐犇控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,提出一种鲁棒自适应ＰＩＤ 控制算法．该控制器由主控制器和监督控制器组成．主控制器以常规ＰＩＤ 控制为基础,基于滑模控制思想设计ＰＩＤ 参数的自适应律,根据误差实时修正ＰＩＤ 参数．基于Ｌｙａｐｕｎｏｖ函数设计的监督控制器补偿自适应ＰＩＤ 控制器与理想控制器之间的差异,使系统具有设定的犎∞ 的跟踪性能．最后,两关节机器人的仿真实验结果表明了算法的有效性．     

基于无模型自适应控制的视觉伺服

传统的机器人视觉伺服控制技术需要已知机器人精确的动力学和运动学模型以及机器人的手-眼参数。然而,由于机器人建模、手-眼标定等过程存在一定误差,因此很难精确获得视觉伺服控制模型,从而影响机器人视觉伺服系统的精度和收敛速度。针对这一难题,本文提出一种基于无模型自适应控制方法（MFAC）的机器人视觉伺服技术。利用视觉伺服系统的输入与输出数据,实现自适应视觉伺服控制,即通过MFAC在线估计机器人伺服控制器中的雅各比矩阵,并结合滑模控制器,实现机器人对目标的快速精确跟踪。实验结果表明,本文提出的方法在系统参数变化引起的未知扰动情况下仍能保证伺服控制器平稳收敛,并且能够减小视觉跟踪误差。     

基于强化学习DDPG算法的轮式助行机器人控制方法

在使用轮式助行机器人辅助行走和康复训练过程中，机器人运动控制的稳定性和轨迹跟踪的准确性是人机交互的重要研究内容。本文将强化学习中的深度确定性策略梯度（DDPG）算法与比例积分微分（PID）控制器相结合，提出了一种轮式助行机器人轨迹跟踪方法。首先，对轮式助行机器人底盘的运动学模型进行了分析。其次，介绍了强化学习中的DDPG算法与PID控制器相结合的自适应PID控制器的实现原理和控制结构。最后进行了仿真实验。实验结果表明，与传统PID控制器相比，基于DDPG算法的PID控制器能在机器人系统跟踪期望轨迹时自适应调整参数，使机器人始终按照期望轨迹运动。同时，得益于强化学习的试错机制，控制器具有较强的抗干扰能力。     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

基于阿克曼原理的4WID/4WIS汽车循迹控制研究

针对四轮独立驱动、独立转向汽车循迹控制精度和转向稳定性兼容问题,同时考虑减小轮胎磨损,延长轮胎使用寿命,本文基于阿克曼转向原理和RBF神经网络PID理论,提出了一种自适应的循迹控制方法.首先,设计了基于RBF神经网络PID理论的自适应转向控制器,用于控制前内轮转角,保证循迹精度;其次,后内轮以减小质心侧偏角为目标进行辅助转向,保证转向稳定性;接着,基于阿克曼转向原理,确定外轮转角,保证各轮侧偏力分配合理;最后,采用同一瞬心法,确定各车轮转速,以减小轮胎滑动率.本文搭建了CarSim和MATLAB/Simulink联合仿真平台,进行了仿真实验,结果表明：本文提出的循迹控制方法,不仅能获得较小的循迹偏差和质心侧偏角,保证了足够的循迹控制精度和转向稳定性,同时还减小了轮胎滑动率,有利于减小轮胎的磨耗.     

Robust fuzzy 3D path following for autonomous underwater vehicle subject to uncertainties

This paper addresses a three-dimensional (3D) path following control problem for underactuated autonomous underwater vehicle (AUV) subject to both internal and external uncertainties. A two-layered framework synthesizing the 3D guidance law and heuristic fuzzy control is proposed to achieve robust adaptive following along a predefined path. In the first layer, a 3D guidance controller for underactuated AUV is presented to guarantee the stability of path following in the kinematics stage. In the second layer, a heuristic adaptive fuzzy algorithm based on the guidance command and feedback linearization Proportional-Integral-Derivative (PID) controller is developed in the dynamics stage to account for the nonlinear dynamics and system uncertainties, including inaccuracy modelling parameters and time-varying environmental disturbances. Furthermore, the sensitivity analysis of the heuristic fuzzy controller is presented. Against most existing methods for 3D path following, the proposed robust fuzzy control scheme reduces the design and implementation costs of complicated dynamics controller, and relaxes the knowledge of the accuracy dynamics modelling and environmental disturbances. Finally, numerical simulation results validate the effectiveness of the proposed control framework and illustrate the outperformance of the proposed controller as well.     

基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制

为了实现欠驱动自治水下机器人（AUV）三维航迹跟踪控制,基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性,并验证了欠驱动AUV存在加速度约束不可积性.基于李亚普诺夫稳定性理论,利用自适应Backstepping设计连续时变的航迹点跟踪控制器,以抑制外界海流的干扰.仿真实验表明,所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定,并且航迹跟踪的精确性和鲁棒性明显优于PID控制.     

基于SSA-模糊PID的AUV姿态控制研究

针对AUV高精度、高稳定性姿态控制的提升需求,提出一种结合麻雀算法(SSA)和模糊PID控制的姿态控制器。采用麻雀算法对模糊PID控制器参数进行优化,并将寻优后模型用于算法的反馈补偿,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明,SSA-模糊PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能。经实际应用验证,控制器在复杂工况下可快速收敛至期望姿态并维持稳定。     

具有参数不确定性的轮式移动机器人自适应backstepping控制

针对参数不确定的轮式移动机器人的轨迹跟踪问题,设计自适应跟踪控制器.基于移动机器人的动力学模型,采用backstepping积分方法,通过逐步递推选择适当的Lyapunov函数,设计基于状态反馈的自适应控制器,并进行了相应的稳定性分析.与传统PID控制进行仿真对比,结果表明提出的自适应控制策略能较好地补偿系统参数摄动的影响,提高了移动机器人的轨迹跟踪性能和鲁棒性.     

直流电机神经元PID调速系统设计与仿真

针对传统PI双闭环直流电机调速系统存在响应速度慢、超调量大、抗干扰能力及自适应能力差等问题,提出了一种双闭环直流电机调速系统的神经元PID转速调节器设计方法。该转速调节器采用神经元控制器和比例控制相结合进行设计,从而构成了一种具有自学习、自适应能力的神经元PID控制器,然后与传统单神经元PID设计的转速调节器控制效果进行了对比。结果表明,基于神经元PID转速调节器的双闭环直流电机调速系统具有较快的响应速度、良好的动态和静态稳定性、较强的自适应能力和抗干扰能力。     

Inverse optimal self-tuning PID control design for an autonomous underwater vehicle

This paper presents a new approach to path following control design for an autonomous underwater vehicle (AUV). A NARMAX model of the AUV is derived first and then its parameters are adapted online using the recursive extended least square algorithm. An adaptive Propotional-Integral-Derivative (PID) controller is developed using the derived parameters to accomplish the path following task of an AUV. The gain parameters of the PID controller are tuned using an inverse optimal control technique, which alleviates the problem of solving Hamilton–Jacobian equation and also satisfies an error cost function. Simulation studies were pursued to verify the efficacy of the proposed control algorithm. From the obtained results, it is envisaged that the proposed NARMAX model-based self-tuning adaptive PID control provides good path following performance even in the presence of uncertainty arising due to ocean current or hydrodynamic parameter.     

高精度实时荧光定量PCR温控系统的设计与仿真

针对目前国产实时荧光定量PCR温控系统升降温速度慢和精度低的问题,提出了一种改进的模糊自适应PID算法。首先根据热力学公式,建立了实时荧光定量PCR温控系统的数学模型,在模糊自适应PID算法的基础上加了一个在线调整量化因子和比例因子的智能调整器,根据设定的模糊控制规则实时优化PID参数、量化因子和比例因子,由PID控制器和智能调整器控制实时荧光定量PCR的温度。采用Simulink对PCR温控系统进行仿真,结果表明：设计的模糊自适应PID控制器控制精度达到[0.1 ℃],快速稳定以后,能达到[0.01 ℃],升降温速度大于等于[7.0 ℃/s],完全能够满足实时荧光定量PCR温控系统对温度精度和升降温速度的要求。     

Experimental Study on Advanced Underwater Robot Control

The control issue of underwater robots is very challenging due to the nonlinearity, time variance, unpredictable external disturbances, such as the sea current fluctuation, and the difficulty in accurately modeling the hydrodynamic effect. Conventional linear controllers may fail in satisfying performance requirements, especially when changes in the system and environment occur during the operation since it is almost impossible to manually retune the control parameters in water. Therefore, it is highly desirable to have an underwater robot controller capable of self-adjusting control parameters when the overall performance degrades. This paper presents the theory and experimental work of the adaptive plus disturbance observer (ADOB) controller for underwater robots, which is robust with respect to external disturbance and uncertainties in the system. This control scheme consists of disturbance observer (DOB) as the inner-loop controller and a nonregressor based adaptive controller as the outer-loop controller. The effectiveness of the ADOB was experimentally investigated by implementing three controllers: PID, PID plus DOB, and ADOB on an autonomous underwater robot, ODIN III.