Boundary Control of a Flexible Robotic Manipulator With Output Constraints

In this study, we consider a boundary control problem of a flexible manipulator with input disturbances and output constraints, achieving pre‐set performance attributes on position tracking error and the deflection error at the end of the beam. The dynamics of the system are represented by partial differential equations (PDEs). With the Lyapunov's direct method, a boundary controller with disturbance observer is designed to regulate the angular position and suppress elastic vibration simultaneously. The proposed control scheme allows the errors to converge to an arbitrarily small residual set, with convergence rate larger than a pre‐specified value. Numerical simulations demonstrate the effectiveness of the proposed scheme.     

机械臂自调整因子模糊PD迭代学习控制研究

大部分模糊控制器不具有适应控制对象变化的能力,基于此设计一种自调整因子模糊控制器,并针对机械臂长时间重复操作导致运动精确度下降这一类问题,结合迭代学习控制方法,提出一种自调整因子模糊PD迭代学习控制方法;以双关节机械臂为研究对象,利用Fuzzy工具箱编写模糊控制规则,通过系统产生的误差以及误差的变化率作为模糊控制器的输入量调整模糊系统中的量化因子和比例因子,实现模糊规则的更新和对迭代学习控制中的PD参数的实时调整,系统的自适应性得到提高,并在Simulink中进行机械臂的运动控制实验,仿真结果表明,所提控制方法最终产生的误差可以精确到0.0001 rad,同时在进行第2次迭代时关节角度和角速度误差收敛基本趋于零,整体的控制效果较好。     

Adaptive Fuzzy Backstepping Tracking Control for Flexible Robotic Manipulator

In this paper, an adaptive fuzzy state feedback control method is proposed for the single-link robotic manipulator system. The considered system contains unknown nonlinear function and actuator saturation. Fuzzy logic systems (FLSs) and a smooth function are used to approximate the unknown nonlinearities and the actuator saturation, respectively. By combining the command-filter technique with the backstepping design algorithm, a novel adaptive fuzzy tracking backstepping control method is developed. It is proved that the adaptive fuzzy control scheme can guarantee that all the variables in the closed-loop system are bounded, and the system output can track the given reference signal as close as possible. Simulation results are provided to illustrate the effectiveness of the proposed approach.      

机器人系统有限时间自适应迭代学习控制

研究任意初态下，机器人系统的有限时间自适应迭代学习控制方法。引入初始修正吸引子的概念，构造一个含有初始修正项的误差变量。针对定常机器人系统和时变机器人系统，采用Lyapunov-like方法，分别设计迭代学习控制器处理系统中不确定性。并且，采用未含/含限幅学习机制，保证闭环系统各变量的一致有界性和误差变量在整个作业区间一致收敛性。藉以实现跟踪误差在预先指定区间的完全跟踪。仿真结果验证所设计控制方法的有效性。     

Rohrs' Example Revisited: On the Robustness of Adaptive Iterative Learning Control

Adaptive feedback based methods in iterative learning control (ILC) have garnered much interest from researchers for some time now. Much as in adaptive feedback control, most of these methods use Lyapunov functions and positive real transfer functions to prove convergence and boundedness of system signals updated through iterative estimations. While Rohrs et al. have motivated further research on the design of robust adaptive feedback controllers by demonstrating in the early 1980's that the algorithms of the time were not robust in the presence of unmodeled dynamics, the topic of robustness has not been studied much in the adaptive iterative learning control (AILC) literature. Inspired by Rohrs' counterexample, we use a model reference AILC scheme to show the lack of robustness to unmodeled dynamics in AILC. We rigorously define the concept of stability in ILC via space concepts, and demonstrate the existence of unstable learning operators. We put forth linear systems arguments to explain how conditions leading to instability can occur, and support heuristic arguments with simulation examples. Our findings indicate that the shortcomings of AILC in terms of robustness are no different than those of adaptive feedback, with the robustness issue more severe in certain cases, and further research is necessary to design robust AILC schemes.     

柔性机械手结构/控制融合设计

针对柔性机械手的设计性能要求,以单臂机械手为例,讨论了基于系统性能配置的结构/控制融合设计方法．根据控制系统超调量σp和调整时间ts的要求,配置闭环控制传递函数极点的可行区域．在此基础上,把柔性结构动力学和控制理论相结合,建立了包含结构参数和控制参数的性能配置优化模型,并以系统的转动惯量和控制能量指标为目标函数对机电设计参数进行了优化．     

基于LMI方法的保性能迭代学习算法设计

研究基于性能的迭代学习算法设计与优化问题.首先定义了迭代域二次型性能函数,然后针对线性离散系统给出了迭代域最优迭代学习算法;基于线性矩阵不等式(LMI)方法,针对不确定线性离散系统给出了保性能迭代学习算法及其优化方法.对于这两类迭代学习算法,只要调整性能函数中的权系数矩阵,便可很好地调整迭代学习收敛速度.另外,保性能迭代学习算法设计及优化过程,可利用MATLAB工具箱很方便地求解.     

基于压电陶瓷的柔性机器人主动抑振控制策略研究

柔性机器人因其轻质、高效、低能耗等优点已被广泛应用于航空航天,工业制造等诸多领域。然而,柔性机构易产生弯曲变形,引起系统振动而大大降低机器人的工作精度。为提高柔性机器人的工作性能,多种抑振策略得以研究与应用。提出了基于压电陶瓷（PZT）的柔性机器人振动主动抑制策略。其中,PZT传感器和PZT制动器分别被用来检测和抑制柔性臂的振动。本文构建了基于PZT材料的单自由度柔性机械臂的理论模型,并获得了传感电压与制动电压的传递函数。设计了一个可变控制方案的抑振器以抑制系统在不同频率下的振动。在COMSOL中进行仿真,获得了系统的抑振率。根据仿真结果显示,柔性臂在前三阶振动下,臂的末端位移分别得到了57.04%,57.76%与58.96%的抑制;系统的动能得到了57.95%,71.19%与87.81%的抑制。     

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.     

Robust Control of a Two-Link Flexible Manipulator with Quasi-Static Deflection Compensation Using Neural Networks

A robust control method of a two-link flexible manipulator with neural networks based quasi-static distortion compensation is proposed and experimentally investigated. The dynamics equation of the flexible manipulator is divided into a slow subsystem and a fast subsystem based on the assumed mode method and singular perturbation theory. A decomposition based robust controller is proposed with respect to the slow subsystem, and H ^∞ control is applied to the fast subsystem. The overall closed-loop control is determined by the composite algorithm that combines the two control laws. Furthermore, a neural network compensation scheme is also integrated into the control system to compensate for quasi-static deflection. The proposed control method has been implemented on a two-link flexible manipulator for precise end-tip tracking control. Experimental results are presented in this paper along with concluding remarks.     

迭代学习控制在配料控制系统中的应用

针对某水泥厂原有的配料控制器存在的配比不准、精度不高和稳定性差等方面的不足,着重论述了称量配料过程中的精度控制,通过分析动态称量配料过程的物理机理,建立了动态称量配料过程的数学模型并进行了定性分析,并利用迭代学习的控制算法对水泥配料控制器进行了改进,对控制算法进行了详细的介绍,结果表明,该控制方法较传统控制方法在控制精度上有了明显提高。     

基于2维性能参考模型的2维模型预测迭代学习控制策略

将迭代学习控制(Iterative learning control, ILC)系统看作一类具有2维动态特性的控制系统,根据模型预测控制(Model predictive control, MPC)和性能参考模型控制思想, 提出了一种基于2维性能参考模型的2维模型预测迭代学习控制系统设计方案.在该控制系统设计方案中,可以通过选择适当的2 维性能参考模型来构造2 维动态变化的设定值信号和预测控制信号,从而引导迭代学习控制系统收敛到合理的控制性能,并有效避 免系统性能收敛过程中控制输入可能发生的剧烈波动.通过对控制系统的结构分析可知,所得的迭代学习控制器本质上是由沿时 间指标的参考模型预测控制器和沿周期指标的迭代学习控制器组成,闭环系统的收敛性等价于一个2维滤波系统的稳定性.数值仿 真结果证明了该设计方案的有效性和鲁棒性.     

基于FCMAC的鲁棒自适应迭代学习控制算法

工业机器人在改变运动轨迹时往往伴随着系统噪声、干扰的引入以及自身的惯量参数发生变化,采用传统的迭代控制算法难以达到高精度、高速控制的要求.将自适应与鲁棒控制与迭代控制相结合,提高迭代算法的控制精度;给定任务发生改变时,引入模糊小脑关节控制器作为前馈控制,经历史控制经验训练后估算出变化后系统的期望估计输入,作为迭代控制器...     

迭代学习控制的分析与仿真

迭代学习控制适合于具有重复运动性质的被控对象,通过迭代修正达到某种控制目标的改善。本文论述了迭代学习控制的基本原理,着重分析了迭代学习控制的算法,并讨论了其存在的问题以及仿真实例,仿真表明闭环迭代学习控制的收敛速度要好于开环迭代学习控制的收敛速度。     

迭代学习控制新进展

从学习算法、收敛性、鲁棒性、收敛速度、2-D模型以及实际应用等方面对迭代学习控制的最新进展作了比较详尽的总结, 最后讨论了迭代学习控制存在的问题及有前景的研究方向.     

迭代学习控制的研究与现状

迭代学习控制适用于工业机器人、数控机床等具有重复运行特性的领域,在非线性、未知模型等系统的控制方面有着独到优势。本文论述了迭代学习控制的基本理论问题,系统介绍了理论研究现状及工程应用,并讨论了其存在的问题和发展趋势。     

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;     

无杆气缸驱动的柔性机械臂振动控制

提出了一种无杆气缸驱动的柔性机械臂定位和振动抑制系统,采用脉冲码调制(pulse code modulation,PCM)方法实现.首先,推导了气动驱动柔性臂的系统模型,对采用的复合定位和振动抑制控制算法进行理论分析.其次,气缸行程长、气体具有压缩性以及气动驱动存在非线性和阀门开关有时延等因素会引起控制作用的滞后问题,容易激发高阶模态的极限环振荡,导致观测和控制溢出,这将影响控制系统的稳定性.为了克服上述问题,在控制算法中引入时延补偿、低通滤波法.最后,进行气动驱动柔性臂同时定位和振动抑制的试验研究.试验结果表明,采用的气动驱动控制方法可以有效地抑制柔性臂的低频模态振动,并同时实现定位.     

柔性空间机械臂的闭环方波序列控制

将“输入成形”方法加以推广,提出一种方波序列控制,并利用幅值调制的思想,提出了一种闭环方波序列控制方法,在保证无余振的前提下,实现了柔性空间机械臂的高精度机动控制,并对系统惯量不确定性具有较强的鲁棒性,理论和仿真结果表明,该方法是有效的。     

迭代学习控制研究现状与趋势

系统论述了迭代学习控制的发展历史、研究进展.指出了基于可重复性的经典迭代学习控制特点与不足,阐述了迭代学习控制理论的现状:线性与非线性迭代学习、因果与非因果型迭代学习、滤波器型与鲁棒H∞迭代学习、高阶与最优迭代学习、2D复合迭代学习、迭代域超级矢量w变换学习系统分析理论等.简要介绍了与Lyapunov方法结合的新迭代学习控制,最后讨论了迭代学习控制存在问题和发展趋势.同时给出了几个迭代学习控制在工程应用中的成功范例.