采用神经网络方法研究柔性机械臂逆运动学问题

本文以柔性机械臂为例,进行简单的逆运动学分析.并采用小脑模型神经网络方法对机械臂的逆运动学进行了数值仿真分析,可以看出,小脑模型神经网络可在较短的学习次数中有效地控制机械臂的振动.     

机械臂协调操作柔性负载自适应模糊滑模控制

基于奇异摄动理论研究了机械臂协调操作柔性负载系统有限元模型的分解及控制问题。通过双时标变换将复杂的协调系统动力学模型分解成慢变子系统和快变子系统。针对慢变子系统,在其存在不确定性上界未知的情况下,设计了自适应模糊滑模控制器,以完成系统的轨迹跟踪性能;针对快变子系统,考虑到系统参数摄动等影响,设计了鲁棒最优控制器,以抑制系统的弹性振动。仿真结果验证了所设计控制方法的有效性。     

基于模糊小脑模型神经网络的直线伺服跟踪控制

以永磁直线同步电机为被控对象，在高精度直线伺服跟踪控制系统中，为使输出响应快速地跟踪输入指令，需要克服系统滞后、未建模动态、不确定性以及负载的变化因素等的影响.为此，提出了一种模糊小脑模型(FCMAC)神经网络直接逆控制的方案，可动态地克服上述这些因素的影响.同时，还给出了较详细的原理分析及实现过程.仿真结果表明，此控制方案是十分有效的，能够明显地提高伺服系统的快速跟踪能力，并使系统具有较强的适应性和鲁棒性.     

逆系统理论在水下机器人控制中的应用

本文研究水下机器人的航行控制问题,水下机器人模型具有高度的非线性和强耦合,用古典的控制方法对其进行高质量的控制很难.本文将非线性系统综合的一种新方法——逆系统动态补偿解耦控制应用到水下机器人的航行控制中,并给出了理想的仿真结果.     

单轴并联式混合动力汽车能量分配的模糊控制策略研究

针对单轴并联式混合动力轿车,以混合驱动系统需求转矩和电池剩余电量（SOC）为输入,以发动机转矩为输出,构建了能量管理模糊控制器,基于ADVISOR的仿真研究表明,模糊控制策略与传统的逻辑门控制策略相比,能够更有效地降低混合动力汽车的燃油消耗和排放,更好地控制电池组SOC的变化。     

混合动力汽车电子节气门的模糊自适应PID控制

针对传统PID控制对非线性控制系统难以设置最佳PID参数和模糊控制难以消除静差的问题,建立了混合动力汽车电子节气门非线性运动模型,提出应用模糊自适应PID控制算法对电子节气门的目标位置进行跟踪控制.实验结果显示,应用模糊自适应PID控制算法对模型的非线性具有较好的适应性,在控制中跟踪误差小于传统PID控制,具有较好的跟踪效果.     

柔性机械臂的逆动力学

目前对柔性机械臂逆动力学的讨论还处于初级阶段，许多理论和方法还不够成熟。本就几种求解柔性机械臂的逆动力学方法进行了讨论，并分析了各自的特点。同时对单柔性机械臂提出了一种较为简便的求解逆动力学方法，其特点在于它的主程简单，计算量少，并且是精确的。     

三自由度柔性机器人的逆运动学解与振动抑制控制

在柔性机器人末端执行器的轨道跟踪控制中,其逆运动学与振动抑制是两个非常重要的问题,基于对象的低阶振动运动模型提出了一各迭代型逆运动学数值解法,同时分析了解法的稳定性,给出的振动抑制法是将杆件振动高频位置信息反馈给关节角速度,此法因不需检测杆件振支速度而简实用,为提高末端执行器轨道跟踪性能,从系统自由运动开始的轨道末端点起导入了振动抑制控制。     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

含不灵敏区的非线性系统自适应控制及在导弹中的应用

提出的模型参考自适应控制器克服了输入端不灵敏区对系统动态特性的损害,一个自适应不灵敏区逆函数抵消了不灵敏区的影响,闭环系统中所有信号有界。仿真研究了飞航导弹高度控制中该方法的应用,提高了导弹飞行高度的控制精度。     

Neuro-fuzzy predictive control for nonlinear application

Aiming at the unsatisfactory dynamic performances of conventional model predictive control （MPC） in a highly nonlinear process, a scheme employed the fuzzy neural network to realize the nonlinear process is proposed. The neuro-fuzzy predictor has the capability of achieving high predictive accuracy due to its nonlinear mapping and interpolation features, and adaptively updating network parameters by a learning procedure to reduce the model errors caused by changes of the process under control. To cope with the difficult problem of nonlinear optimization, Pepanaqi method was applied to search the optimal or suboptimal solution. Comparisons were made among the objective function values of alternatives in initial space. The search was then confined to shrink the smaller region according to results of comparisons. The convergent point was finally approached to be considered as the optimal or suboptimal solution. Experimental results of the neuro-fuzzy predictive control for drier application reveal that the proposed control scheme has less tracking errors and can smooth control actions, which is applicable to changes of drying condition.     

带不确定性的船舶航向动态神经模糊跟踪控制

针对常规水面船舶的航向跟踪控制中建模参数随航速时变引起的不确定性问题,提出一种基于动态神经模糊模型的控制算法.动态神经模糊模型在学习中同时调整结构和参数,充分逼近船舶的逆动力学.训练好的动态神经模糊模型作为逆控制器,与传统的PD控制器并联,用于船舶航向的跟踪控制,且控制过程中能进一步调整模型权值.以5446TEU大型集装箱船为例,进行航向跟踪控制的仿真结果表明,该算法能克服建模参数不确定性的影响,快速有效地跟踪期望航向,控制效果良好.     

基于径向基函数神经网络的精馏塔优化控制

精馏塔是化工过程中最常用的操作单元 ,其具有很强的非线性和时变性 ,很难进行机理建模分析或常规在线实时控制。针对精馏塔的非线性和时变性等特点提出了一种基于径向基函数神经网络的软测量模型的优化控制策略 ,从而解决了精馏塔建模困难的问题。由于采用了径向基函数网络 ,并利用正交化最小方差学习算法来训练径向基函数神经网络 ,使得控制算法简捷可靠 ,适用于时变对象 ,并具有很强的鲁棒性。将软测量结果与现场数据比较 ,表明本模型具有比较准确的跟踪显示效果 ,最后将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中 ,并达到了满意的控制效果。     

一类不确定性二阶振动系统的自适应滑模控制

针对一类典型的二阶振动系统,基于滑模控制理论研究了系统的控制问题。考虑系统存在不确定性的情况下,考虑不确定性上界已知和未知,分别设计了滑模控制器和自适应滑模控制器,并引入模糊控制消除滑模抖振的影响。最后通过仿真试验研究,验证了所设计控制方法的有效性。     

基于RBF神经网络的柔性机械臂位置控制

针对复杂的柔性机械臂位置控制问题,提出一种结合极点配置技术的自适应滑模控制方法。变结构滑模应用于柔性臂的刚性运动和弹性振动抑制的控制,极点配置用以设置滑模面的极点,以获得良好的动态响应特性。利用RBF网络自适应性学习系统不确定量的上界,神经网络的输出用于自适应修正控制律的切换增益。实例仿真结果表明,该控制方法能在对机械臂位置控制的同时有效地抑制柔性臂的弹性振动,对不确定参数具有鲁棒性。     

Research on Co-simulation with ADAMS and MATLAB for Servo Tracking System Mounted with a Small Arm

Research on a servo tracking system mounted with a small arm for robot fighting platform based on multi-body system dynamics and intelligent control theory is presented.A multi-body dynamic model which can accurately express dynamic performances of the system is built in ADAMS.In addition,an intelligent PID control model is built with MATLAB/Simulink,and the two models are integrated and co-simulated by the interface of ADAMS/Controls.Simulation experiments indicate that co-simulation technique used for des...     

自适应逆控制在电液伺服系统中的应用

以液压位置控制系统为研究对象,根据自适应逆控制理论,运用X—VSSLMS滤波算法构成参考模型为一的自适应逆控制器．完成了系统动态特征参数变化、外界扰动影响下等的大量仿真试验研究,结果表明,自适应逆控制器在系统参数变化、外界扰动的影响下,具有良好的自适应性和动态鲁棒性．     

导弹尾翼电动负载模拟器快速终端滑模控制

针对永磁同步电机驱动的导弹尾翼电动负载模拟器存在的高阶非线性及参数时变问题,提出一种基于反演设计的快速终端滑模控制方法.建立电动负载模拟器系统的状态空间模型,将建模误差及参数摄动视为未知扰动项,基于反演控制的设计思想,将系统模型划分为3个子系统,采用快速终端滑模方法设计控制律,使跟踪误差在有限时间内收敛到零.然后应用Lyapunov方法证明了闭环系统的渐进稳定性及有限时间收敛特性,最后通过试验验证了该控制策略的有效性.与PI+前馈补偿控制策略相比,该方法能够更好地抑制系统中的多余力矩,提高了电动加载系统的力矩加载精度,同时有效提高了加载系统的鲁棒性.     

连杆侧无传感器下机器人柔性关节系统的零力控制

针对机器人直接示教应用场景,提出机器人柔性关节系统在连杆侧无传感器下的零力控制方法. 引入动态LuGre摩擦模型进行关节摩擦力矩估计,采用2段四次多项式建立柔性关节系统刚度模型,基于广义动量观测关节力矩. 该方法利用刚度逆模型以及关节力矩估算谐波减速器扭转位移,结合谐波减速器运动传递特性估计连杆侧角度并计算重力矩,利用连杆动力学方程估计接触力矩. 构建期望的电机驱动力矩（包含估计的重力矩、摩擦力矩与接触力矩）,通过对该期望电机驱动力矩的跟踪实现零力控制. 在搭建的机器人柔性关节系统实验平台上进行实验. 实验结果表明,完成相同的拖动示教过程时,该方法所需要的接触力矩约为1.8 N·m. 基于重力矩与摩擦力矩补偿的零力控制方法需要接触力矩约为3.4 N·m. 功率级脱离示教所需要的接触力矩约为14 N·m,验证了所提方法的实际效果.     

基于虚拟弹簧的欠驱动手指的动力学建模和控制

采用虚拟弹簧对2关节欠驱动手指进行了动力学建模。并使用该方法建立实际的3关节欠驱动手指的动力学模型,通过动态控制实验验证了动力学模型的正确性。该方法不仅避免了求解微分几何方程,并且直接派生出可解耦的动力学模型。可直接进行逆动力学分析、仿真和实时控制。同时,建立了基于动力学模型的速度观测器,用于轨迹跟踪,弥补了欠驱动手没有速度传感器的缺点,补偿了欠驱动环节造成的不确定因素。与PID或计算力矩法相比较,其轨迹跟踪误差更小,动态控制效果更好。