考虑系统总和扰动的多关节机械臂 反步有限时间滑模控制

针对多关节机械臂轨迹跟踪控制中存在的模型参数摄动和外部有界扰动等不确定性因素影响问题,设计了一种考虑系统总和扰动的反步有限时间滑模控制算法,用于实现多关节机械臂轨迹跟踪控制任务。首先,利用严格反馈形式描述多关节机械臂的动力学模型,并将模型参数摄动和外部有界扰动等不确定性因素看成系统的总和扰动,进而设计非线性扩张状态观测器对系统总和干扰加以估计,以提高系统的鲁棒性能;其次,在传统反步法设计的基础上结合有限时间滑模控制技术,完成系统反步有限时间滑模控制器的设计;最后,应用Lyapunov稳定性理论证明了多关节机械臂的位置矢量能够实现对期望位置矢量的有限时间稳定跟踪。仿真对比结果表明设计反步有限时间滑模控制算法的有效性。     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题，提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰，简化机械臂动力学模型；其次采用反步控制方法为机械臂系统设计控制律，并为动力学模型中不确定参数设计自适应律；最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题，通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性，速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比，所提控制方法具有更好的机械臂轨迹跟踪控制性能，轨迹跟踪误差分别降低了30%、50%。     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

漂浮基空间机械臂抗死区与摩擦的动态面控制

针对存在关节力矩输出死区、摩擦与外部干扰的漂浮基空间机械臂系统,提出一种基于高斯模糊基的自适应动态面控制,使两关节铰能够跟踪期望运动轨迹.利用摩擦双观测器估计不可测的内部摩擦状态;设计动态面避免反演法带来的计算膨胀问题,简化计算;应用模糊逻辑函数逼近包含死区误差与外部干扰在内的动力学不确定项,并采用自适应律调整高斯基权值矩阵和LuGre摩擦参数.李雅普诺夫理论证明系统半全局最终一致有界.仿真结果为两关节铰的轨迹跟踪误差在仿真2 s之后均小于0.2°,表明控制方法有效.     

基于奇异摄动理论的机器人关节控制研究

针对机器人柔性关节存在位置控制精度低的问题,在考虑关节内部非线性摩擦和外界扰动等因素的情况下,建立柔性关节动力学模型,提出基于奇异摄动理论的干扰观测器滑模控制方法,利用该控制方法对关节控制系统进行Lyapunov稳定性分析和MATLAB仿真。结果表明,基于奇异摄动理论的干扰观测器滑模控制方法能够减小关节内部非线性摩擦和外界扰动对柔性关节位置和速度控制精度的影响;与传统的PD控制方法和未采用干扰观测器的控制方法相比,该控制方法能够缩短关节控制系统调节时间,且超调量低,能有效抑制关节振动和提高系统的控制精度。     

基于扩张状态观测器的机械臂分散自适应模糊控制

针对机械臂控制中各子系统间交联项难于处理的问题,提出了一种基于扩张状态观测器(extended state observer,ESO)和模糊策略的分散控制方法.将机械臂系统考虑为各关节交联子系统的集合,采用扩张状态观测器去实时估计机械臂各关节间的状态、耦合交联项及非线性项,利用模糊系统去逼近机械臂动力学模型中的建模不确定项,从而设计分散自适应模糊控制器以实现机械臂的轨迹跟踪控制,给出了控制器中参数的自适应更新律,并对该控制器进行了Lya-punov稳定性分析.最后将该方法应用于一个4自由度机械臂的轨迹跟踪控制中,仿真结果表明了该方法对处理耦合交联项及在各关节轨迹跟踪控制中的有效性.     

采用跃度模型和干扰估计的并联式加注机器人分散鲁棒控制

针对液压驱动型并联式加注机器人的空间轨迹跟踪控制问题,提出了一种基于机器人跃度模型和关节扰动估计的分散鲁棒控制策略。通过并联机器人的跃度反解模型将系统基于笛卡尔空间的理想期望轨迹映射为各独立关节的期望轨迹,同时将关节间的耦合交联项处理为各驱动单元的时变外部干扰,进而将并联机器人分解成一组受有界外部扰动关节子系统的集合。针对各独立关节,算法通过反步方法融合了扩张状态观测器和鲁棒控制器,其中扩张状态观测器主要用来实现对关节中匹配不确定性与不匹配不确定性(包括外部扰动和非线性建模误差)的精确估计和补偿,鲁棒控制器用于抑制扰动中超出观测器带宽的快速时变项和其他误差项。通过构造Lyapunov函数从理论上验证了整个闭环系统的稳定性。实验结果表明,提出的控制器能准确估计和补偿各关节子系统中存在的匹配与不匹配不确定性,同时系统具有良好的轨迹跟踪性能和较强的抗干扰能力。     

基于干扰观测器的非奇异快速终端滑模控制方法

针对多关节机械臂难以实现对目标轨迹的高精度跟踪控制的问题,提出了一种基于非线性干扰观测器的非奇异快速终端滑模控制方法。首先,结合了传统的快速终端滑模控制和非奇异终端滑模控制,不仅可以使跟踪误差在有限时间快速收敛至零且对机械臂建模误差和外界干扰具有强鲁棒性。其次,针对控制输入抖振严重的问题,通过引入非线性干扰观测器技术和饱和函数方法,从而降低了抖振。最后,以三自由度机械臂为研究对象在Matlab/Simulink环境下进行了对比仿真实验,结果表明,相比于现有的线性滑膜和非奇异快速终端滑模控制方案,在存在建模误差、外界干扰和关节摩擦等不确定性的情况下,所设计的控制方法不仅解决了控制输入抖振较大的问题且实现了各关节对期望轨迹的高精度快速跟踪,从而验证了所提出的基于非线性干扰观测器的非奇异快速终端滑模控制方法的有效性和可行性。     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov稳定性理论证明了闭环系统的所有误差最终一致有界。仿真结果表明,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

基于模糊滑模反步控制的自动装卸钻杆机械臂轨迹跟踪研究

针对现有矿井自动装卸钻杆机械臂运动轨迹跟踪方法精度低而导致施工效率低下的问题，综合应用模糊滑模控制与反步控制理论，提出模糊滑模反步控制钻杆机械臂轨迹跟踪法。采用扰动观测器对扰动信号进行估算，采用模糊理论描述滑模面与运动点的广义距离，以降低滑模控制中由速度瞬变所引起的抖振，并采用模糊滑模反步控制法对由系统扰动造成的误差进行补偿。针对钻杆机械臂的两个重要关节进行了运动仿真与试验测试。结果表明：两个关节的轨迹跟踪误差比模糊滑模控制分别减小了28.2%和22.6%。模糊滑模反步控制法有效降低了钻杆机械臂关节运动轨迹误差，极大提高了运动稳定性和响应能力。     

基于ESO和反步法的四旋翼飞行器轨迹跟踪控制

针对欠驱动四旋翼飞行器提出了一种基于扩张状态观测器(ESO)和反步法的轨迹跟踪控制策略.在外界环境干扰和系统参数摄动等不确定性的影响下,保证空间位置和偏航角可以快速平滑地跟踪给定信号.根据系统严格反馈的结构特点,采用反步法设计内外环路的控制器;为避免控制过程中的复杂计算,采用ESO对系统的复合干扰进行在线实时估计,并在控制律中进行实时补偿;为避免反步控制导致的"微分爆炸"问题,减小对系统模型的依赖性,采用了动态面策略,以及为提高系统的鲁棒性,引入了滑模面.稳定性分析表明闭环控制系统是全局渐进稳定的.仿真结果验证了所提控制方法的有效性和鲁棒性.     

基于指令滤波的电液伺服系统输出反馈控制

针对电液伺服系统模型中存在不匹配的不确定非线性和状态不可测的问题,提出一种基于指令滤波的输出反馈控制算法.该控制算法有效融合了扩张状态观测器和指令滤波技术,实现了对系统模型状态及时变干扰的估计,解决了状态不可测和不确定非线性在线估计的问题,实现了对干扰的主动补偿.在控制器的设计过程中,利用指令滤波器避免了反步设计中的"微分爆炸"问题.基于Lyapunov函数证明了所设计控制器的稳定性且证明了所有信号均有界,实验结果验证了所设计控制器的有效性.     

低速摩擦伺服系统的近似有限时间稳定跟踪控制

针对系统状态不可测且存在不确定性的低速摩擦伺服系统,研究其有限时间稳定跟踪控制问题,提出一种具有动态主动补偿特性的非线性反馈控制方法,使低速摩擦伺服系统近似实现有限时间稳定跟踪。同时,为了解决跟踪系统部分状态未知及不确定性问题,设计了扩张状态观测器。仿真结果验证了该控制方法及扩张状态观测器的有效性。     

基于海流观测的欠驱动AUV自适应反演滑模轨迹跟踪

欠驱动自主水下航行器AUV在定深的海域中航行,其模型水动力参数存在不确定性,同时还遭受海流等外来因素干扰,对欠驱动AUV的轨迹跟踪精确带来极大的挑战.本文研究海流环境中欠驱动AUV水平方向上的轨迹跟踪控制问题,通过定义固定坐标系和随体坐标系间的转化关系,将海流速度引入欠驱动AUV运动学和动力学方程,建立海流环境中欠驱动AUV的运动学模型和动力学模型;结合期望轨迹得到欠驱动AUV的轨迹跟踪误差方程.在控制器的设计过程中引入自适应率,得到AUV水平面轨迹跟踪的自适应反演滑模轨迹跟踪控制器(ABSMC),同时为降低海流因素对AUV航行轨迹带来的偏差,设计海流观测器对环境中海流速度进行估计.仿真结果表明,该控制器可实现对由水动力参数不确定和外界时变干扰共同组成的系统总不确定性的估计,并弥补传统反演滑模控制理论中需要精确的模型参数和扰动信息的不足,且海流观测器可提升AUV轨迹跟踪的精度.在理论上证明了由海流观测器和轨迹跟踪控制器共同组成的AUV级联控制系统为全局渐进稳定;仿真对比结果显示所提出的基于海流观测的自适应反演滑模控制器能够克服欠驱动AUV模型中水动力参数不确定性、海流干扰及其他未知干扰的影响,跟踪性能优于基于海流观测的反演轨迹跟踪控制器(BTC).     

基于神经网络及综合电机特性的柔性关节空间机器人全阶滑模控制

研究了载体位置、姿态均不受控的自由漂浮柔性关节空间机器人机械臂轨迹跟踪及关节柔性振动主动抑制问题,利用系统动量、动量矩守恒关系及第二类Lagrange法,并综合考虑关节驱动电机特性,导出了其全系统动力学模型;然后基于奇异摄动理论将该动力学模型分解为描述机械臂刚性运动的慢变子系统及描述关节柔性振动的快变子系统,并结合关节电机输出力矩与电枢电流的关系,将对控制力矩的设计转化为对电流控制的设计。之后,针对关节柔性振动快变子系统,采用速度差值反馈控制方案对其进行了振动主动抑制;针对机械臂刚性运动慢变子系统,则基于RBF神经网络提出了一种全阶滑模控制方案;其中RBF神经网络用于逼近由系统不确定参数带来的未知非线性项,全阶滑模控制方案的引入在于使控制系统在兼备传统滑模控制方案鲁棒性强特点的同时,还能克服抖振问题。最后,系统数值仿真结果说明了所提方案的有效性。     

基于输出反馈的电液作动器自适应指令滤波控制

针对电液作动器跟踪控制中存在的结构化和非结构化的不确定问题,本文提出了一种输出反馈自适应鲁棒指令滤波跟踪控制方法.该方法结合了改进的LuGre摩擦补偿技术和自适应鲁棒指令滤波控制技术.自适应法则用来处理结构化不确定性;控制器鲁棒设计用来解决非结构化不确定性.除了位置信号外,速度、压力和摩擦力值均来自观测器,来自观测器的模型误差通过鲁棒设计进行补偿.指令滤波控制技术用来解决经典反步控制中固有的“复杂性爆炸”问题.控制器可以保证系统渐进稳定.通过对比实验证明了该方法在跟踪性能上的有效性.     

变负载柔性机械臂复合学习控制

针对末端负载质量变化的柔性连杆机械臂运动轨迹跟踪控制问题,提出了一种结合径向基神经网络(RBFNN)和干扰观测器(DOB)的复合学习控制方法。利用RBFNN逼近连杆柔性引起的非线性不确定性,构造DOB实时估计包括负载变化、非线性摩擦、RBFNN逼近误差等效应的集中干扰,将两者用于控制器的前馈补偿设计以提升系统跟踪性能,同时设计鲁棒反馈控制律保证系统的稳定性。通过Lyapunov稳定性理论证明了所提控制方法可保证跟踪误差的有界性和闭环系统的稳定性。基于柔性机械臂平台的对比实验结果表明:所提控制方法在不同负载下可以保持跟踪精度在0.5%以内,负载变化引起的误差变化不超过2%;与仅使用神经网络的控制方法相比,跟踪性能提升了24.7%。     

多连杆柔性关节机器人的神经网络自适应反演控制

针对模型不精确的多连杆柔性关节机器人的关节运动控制问题,提出一种新的神经网络自适应反演控制算法.该控制算法借鉴单连杆柔性关节机器人的一种神经网络自适应反演算法,在反演过程中,将系统非线性未知项与已知项分开并利用径向基神经网络在线逼近非线性未知项;对这种单连杆柔性关节机器人的神经网络自适应反演算法进行改进,构造出新的非线性项,并对转子惯性矩阵的估计转化为对转子惯量矩阵对角元素的估计;根据李雅普诺夫函数的稳定性设计出适用于多连杆柔性关节机器人的控制律与参数自适应律,从而实现多连杆柔性关节机器人的关节轨迹跟踪控制.仿真试验结果表明,与一般的比例-微分控制算法相比,该算法具有更好的轨迹跟踪性能.此外,神经网络节点数取值较小时,该算法也能够保证一定的轨迹跟踪精度.     

分块建模关节机器人的PI鲁棒滑模控制

为实现机器人关节位置镇定和轨迹跟踪控制,控制律的设计须针对确定的机器人动力学模型,由于机器人结构参数、作业环境的外界干扰及结构振动等不确定性因素的存在,会造成机器人动力学模型不确定.为此,设计3个RBF神经网络分别对不确定机器人模型中的3个不确定项进行分块建模,得到机器人估计模型,神经网络的权值采用自适应算法.针对机器人估计模型设计PI鲁棒滑模控制律.将所设计的控制器用于三关节机器人的三个关节的力矩控制,研究结果表明:三关节均约在1 s时达到期望位置和跟踪期望轨迹,镇定误差和跟踪误差也快速、稳定地趋于零.通过定义基于积分型的Lyapunov函数,利用Lyapunov稳定性理论证明了控制系统是全局渐近稳定的.     

基于模糊自抗扰技术的机械臂轨迹跟踪控制

考虑机械臂动力学模型中存在未建模动态、摩擦力矩、外部干扰等不确定性因素,为了提高系统的轨迹跟踪控制性能,设计了模糊自抗扰控制器。利用自抗扰技术中的扩张状态观测器能够对系统内外部扰动进行实时估计的特性,观测系统的不确定性因素,应用跟踪微分器提高系统动态响应性能,同时结合模糊控制技术对非线性误差反馈控制加以改进,从而实现了误差反馈增益的优化自整定。仿真结果验证了该控制器的强鲁棒性和有效性。