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.     

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。     

基于环境参数自适应估计的液压机器人力控制

针对液压驱动四足机器人在约束空间力控制特点,提出鲁棒位置内环阻抗外环的复合控制策略,推导电液伺服作动器的数学模型,建立作动器的误差模型,基于误差模型及其不确定界进行位置内环μ控制器设计,给出环境参数的自适应估计器.在半实物仿真平台上进行力跟踪实验,实验结果表明:位置内环幅值超调和相位滞后分别小于10%和0.02s,验证了鲁棒位置内环控制器的有效性;基于自适应估计方法获得的环境参数设计的轨迹发生器及阻抗力外环的综合运用实现了系统的高精度力跟踪控制,验证了所提控制策略的有效性.     

机器人的鲁棒轨迹跟踪控制系统

用拉格朗日运动学建立机器人的动态模型.采用鲁棒控制法对两关节机械手的轨迹跟踪进行控制,仿真实验结果证明,鲁棒控制法对模型不精确或外部干扰对机器人产生的影响有很好的抑制作用,对机器人轨迹跟踪控制是有效的.     

基于非线性滑动模的机器人鲁棒自适应分散控制策略

提出了一类基于非线性滑动模的鲁棒自适应分散控制策略,用于不确定性机器人的轨迹跟踪.该控制器结构简单,由一个分散的补偿控制器、一个非线性反馈项和一个线性反馈构成,其实现只需了解系统的期望轨迹和各关节输出的位置及速度状态,而不需要详细的系统模型.其主要特点是基于一类饱和型函数提出了一类非线性补偿控制器和一类非线性滑动模的设计方法,能够消除现存文献在设计机器人分散控制器时做的所有限制性假定.基于Lyapunov理论的严格分析和计算机仿真均证明该控制策略能够有效地克服通常难于建模的摩擦力和外部扰动影响,并保证系统误差状态全局的渐近稳定.     

基于RBF神经网络的弧焊机器人轨迹跟踪控制方法

针对目前弧焊机器人的控制算法大多是基于关节空间的算法,而这种算法无法实现对机械臂末端位置的直接控制的问题,提出了基于笛卡尔空间的轨迹跟踪控制算法.首先运用RBF(radical basis function)神经网络技术对实际机械臂数学模型的建模误差和参数不确定性进行补偿,接着定义Lyapunov函数并运用HJI(Hamilton-Jacobi inequality)定理设计基于笛卡尔空间的机器人鲁棒控制器.在此基础上以二自由度机械臂为被控对象进行仿真研究,仿真结果表明,基于笛卡尔空间算法的轨迹跟踪控制算法误差小于基于关节空间的控制算法,在基于笛卡尔空间的控制算法的仿真中末端轨迹跟踪误差小于0.08 mm,神经网络能够有效地在线学习机器人的建模误差和参数不确定性.     

基于神经网络反步法的移动机器人路径跟踪控制

为实现非完整轮式机器人的路径跟踪控制,设计基于反馈增益的反步法控制器,通过控制器参数设计消除了机器人动态误差模型中的部分非线性项,采用神经网络对模型不确定项进行补偿,并利用自适应鲁棒控制器在线补偿神经网络的估计误差,优化了神经网络的学习性能。仿真结果表明:设计的控制器参数易于调节,可实现轮式移动机器人对任意曲线路径的精确跟踪。     

基于T-S模糊模型一类不确定非线性系统的H∞模糊鲁棒跟踪控制

研究一类不确定非线性系统模糊鲁棒跟踪控制的设计. 基于存在外界干扰的不确定非线性系统的T-S模糊模型, 考察被控系统跟踪参考信号的误差, 得出跟踪误差指数稳定的约束条件, 在跟踪控制与镇定控制一致的前提下研究了H_∞模糊鲁棒跟踪控制器的设计问题, 基于Matlab的LMI和FLC工具可实现对此问题求解. 仿真实例验证了算法的有效性.     

挖掘机器人模糊鲁棒控制的研究

为了实现挖掘机器人的轨迹跟踪控制,建立了挖掘机器人工作装置的四自由度拉格朗日动力学模型,设计了一个鲁棒控制器.控制律包括等效控制和辅助控制.等效控制保证闭环系统的控制输入基于期望的动力学模型,辅助控制保证动力学建模误差和不确定性存在时控制系统的鲁棒性以及跟踪误差趋于零.为了削弱控制输入的高频振荡,模糊控制被应用.将所设计的模糊鲁棒控制器用于仿真试验,给出了其轨迹跟踪效果及控制输入.     

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.     

一种简单的机器人鲁棒自适应轨迹跟踪控制算法

针对不确定性存在情况下的机器人轨迹跟踪 ,提出了一种鲁棒自适应轨迹控制算法 .控制算法是全局按指数收敛的 ,不需要知道机器人动力学模型 ,结构简单 ,计算量小 ,能使轨迹误差收敛到一任意小的区域内 .利用Lyapunov直接法分析了控制算法的稳定性和鲁棒性 .两关节直接驱动机器人的实验研究验证了算法的有效性 .     

基于线性变参数H∞反馈的机器人迭代学习控制器设计

提出了一种基于线性变参数（LPV）H∞反馈的迭代学习控制器,用于不确定性机器人的高精度轨迹跟踪,此控制器包括反馈部分和前馈部分,其中反馈部分设计为LPVH∞控制,前馈部分设计为高阶PD型迭代学习控制,在满足一定的收敛条件下,证明了该控制器的跟踪误差界正比于系统初始误差系统输出干扰项界,仿真结果不仅验证了此控制器随机器人关节位置变化始终具有干扰衰减、鲁棒稳定的性能,而且还验证了此控制器具有高精度轨迹跟踪的性能。     

非线性不确定组合系统基于观测器的鲁棒分散镇定

讨论了一类组合系统的变结构鲁棒观测器的设计及这类系统基于估计状态反馈分散镇定问题。所设计的变结构观测器使得观测误差渐近趋于零 ,同时基于估计状态所设计的鲁棒分散控制器确保闭环系统是渐近稳定的     

非线性不确定组合系统基于观测器的鲁棒分散镇定

讨论了一类组合系统的变结构鲁棒观测器的设计及这类系统基于估计状态反馈分散镇定问题,所设计的变结构观测器使得观测误差渐近趋于零,同时基于估计状态所设计的鲁棒分散控制器确保闭环系统是渐近稳定的。     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

全局稳定的机器人鲁棒自适应分散跟踪控制

提出一种全局稳定的鲁棒自适应分散控制策略,用于不确定性机器人的轨迹跟踪．该控制器由一个线性ＰＤ 分散反馈＋ 补偿不确定动力学的非线性自适应分散反馈构成．仅需要了解各关节输出的位置及速度状态,就能够克服通常难于建模的摩擦力和外部扰动影响,保证全局的渐近稳定．二自由度机器人的仿真证明了该法的有效性．     

海上舷梯末端点位置终端滑模镇定控制

针对海上舷梯末端点位置镇定控制问题，通过运动学反解，计算出补偿海浪引起的船舶摇荡运动对舷梯末端点位置的扰动，保证舷梯末端点位置在惯性坐标系下保持不变的舷梯关节期望位置；综合考虑舷梯动力学模型参数不确定及海浪引起的船舶摇荡运动对舷梯的扰动力，构造扩张状态观测器(ESO),估计由参数不确定及海浪引起的船舶摇荡运动对舷梯的扰动力组成的总扰动；进一步，设计基于ESO的终端滑模关节位置跟踪控制律，保证舷梯的关节位置跟踪其期望位置。理论分析证明了所构造的ESO的状态估计误差有界和所设计的基于ESO的终端滑模控制律使舷梯的关节位置跟踪误差在有限时间内收敛至零，从而保证舷梯末端点位置在惯性坐标系下保持不变。仿真结果验证了设计控制律的有效性。     

空间机器人关节轨迹运动的一种鲁棒变结构控制方法

讨论了载体位置与姿态均不受控制的自由浮动两杆空间机器人系统的控制问题 .系统动力学分析结果表明 ,结合系统动量守恒及动量矩守恒关系得到的系统动力学方程将为系统惯性参数的非线性函数 .借助于增广变量法 ,即通过适当扩展系统的输入与输出可以得到一组控制方程 ,它们可以表示为一组适当选择的惯性参数的线性函数 .在此基础上 ,对于机械手末端载荷参数不确定但误差范围可确定的情况 ,设计了关节空间轨迹跟踪的鲁棒变结构控制方案 .仿真运算 ,证实了方法的有效性 .     

非完整移动机器人的神经网络滑模自适应轨迹跟踪控制

针对非完整移动机器人的轨迹跟踪控制问题,提出了一种鲁棒项系数自调整的神经网络滑模自适应控制策略。首先由反推法设计运动学控制器;其次,基于滑模控制设计动力学控制器,利用径向基神经网络(RBF)自适应逼近系统非线性不确定性上界,实现鲁棒项系数自调整,克服了传统滑模控制鲁棒项设计需要已知系统不确定性上界的缺陷,实现了速度跟踪。李亚普诺夫稳定性定理保证了闭环系统的稳定性及跟踪误差的渐近收敛。仿真结果进一步验证了所提方案的可行性。     

平面二自由度冗余驱动并联机器人的鲁棒控制

运用拉格朗日动力学方法建立了具有冗余驱动的二自由度平面并联机器人的数学模型.采用鲁棒轨迹跟踪控制器,使得对于存在初始误差以及模型误差有界的情况跟踪误差一致终值有界.根据给定的期望轨迹及系统参数进行了动力学仿真,仿真结果证明了此方法是有效的,并显示出了冗余驱动的一些优点.