移动机械手的整体运动学建模与控制

移动机械手由一个机械手固定安装在一个移动平台上构成.移动平台和机械手的不同物理特性使移动机械手的建模和协调控制成为机器人领域的难点之一.本文对移动机械手进行了运动学分析,给出了其整体运动学建模方法;针对移动机械手的非线性和强耦合特点,设计了PD反馈控制器;仿真实验证明该控制器具有良好的控制效果.     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

采用改进模糊PID控制的串联机械手追踪误差研究

针对串联机械手运动角位移跟踪误差较大问题,提出了改进模糊PID控制方法。创建串联机械手简图模型,给出机械手动力学方程式,设计了模糊PID控制系统。引用粒子群算法并对其进行改进,采用改进粒子群算法优化模糊PID控制器,将改进模糊PID控制器用于控制串联机械手角位移变化。采用Matlab软件对串联机械手角位移跟踪误差进行仿真验证,并且与传统PID控制器和模糊PID控制器仿真结果形成对比。仿真结果显示,串联机械手采用PID控制器和模糊PID控制器,其角位移跟踪误差较大,而采用改进模糊PID控制器,角位移跟踪误差较小。串联机械手采用改进模糊PID控制器,可以提高控制系统的稳定性,削弱机械手的抖动现象。     

六自由度并联平台特性分析及其电液位置伺服系统的CMAC神经网络控制

以六自由度运动平台为研究对象,分析了平台的运动学和动力学问题,采用了CMAC神经网络作为控制器,实现运动轨迹的跟踪。仿真表明所作的运动学、动力学分析是正确的,控制器具有较强的抗负载干扰能力和良好的鲁棒性。     

基于模糊神经网络的机械手轨迹跟踪控制系统

机械手系统是一个具备高度耦合、非线性等动力学特性且系统结构和参数在实际工作中存在诸多不可预知因素的多输入多输出系统.针对该系统设计了一种模糊神经网络的控制器,并结合粒子群算法和BP算法对FNNC的参数进行优化.通过试验仿真分析,验证了该方案对控制系统有较强的适应性、稳定性以及抗干扰性能,有效地解决了机械手的轨迹跟踪问题...     

定位平台非线性摩擦的神经网络补偿

提出了一种基于BP神经网络的机械伺服系统非线性摩擦的补偿方法，根据方法设计出一种将经典的PD控制与神经网络控制相结合的控制器，该控制器既有PD控制的优点，又能神经网络逼近非线性函数的能力，较好地补偿了系统中的非线性摩擦和外部扰动，应用Lyapunov稳定性定理，证明了系统的稳定性，并得到系统跟踪差的边界值，采用刚毛摩擦动力学模型，对X－Y定位平台进行仿真和实验，结果表明该控制器能够补偿系统的非线性因素，保证了系统的稳定，减少了跟踪误差，该方案控制效果明显优于PD控制，可用于工业设备的控制中。     

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。     

基于视觉传感器的移动焊接机器人测控系统

设计焊枪侧置的轮式移动焊接机器人并搭建基于虚拟仪器的移动焊接机器人测控系统.在分析移动焊接机器人特点的基础上,设计由PC,NI-PCI7344,NI-DAQ6015以及图像采集卡等组成的硬件系统结构,采用LabVIEW编程平台编制测控系统软件.设计自适应模糊控制器和高斯基模糊神经网络控制器对十字滑块和车轮进行协调控制.采用高斯函数作为模糊神经网络的隶属函数,利用BP算法实现模糊隶属函数和控制规则的在线修改.实验结果表明:该测控系统运行稳定可靠,其跟踪精度可始终控制在-0.4～0.4n'mm以内,满足实际焊接工程的需要.     

基于理想轨迹学习的机械手神经自适应控制

在机械手鲁棒控制的基础上,讨论了神经网络逼近误差界未知情形下机械手的神经网络直接自适应控制方法,这里神经网络用于补偿系统的不确定性,提高整个系统的跟随性能。提出设计方法的主要特点是神经网络控制器设计采用机械手待跟随的理想关节信号代替实际的机械手关节角、关节速度和关节角加速度作为神经网络的输入,此外神经网络的逼近误差界假设是未知的。给出了具体的系统设计算法,并证明了神经网络学习算法的收敛性和整个系统的全局稳定性。最后,一两连杆机械手的控制器设计仿真实例验证了提出算法的有效性。     

基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

神经网络鲁棒控制器应用于轧机缸位移闭环控制

针对轧机位置内环(APC)中存在着许多非线性不确定因素和慢时变参数的现象,提出一种神经网络鲁棒控制方法.这种控制方法采用线性模型与神经网络在线逼近非线性相结合共同辨识实际模型,在鲁棒控制的基础上加入神经网络逼近误差对系统进行控制,从而能有效的消除不确定性引起的控制误差.仿真研究表明,神经网络鲁棒控制器应用于APC的有效性及控制器的动态性能良好.     

一类不确定非线性系统的神经网络鲁棒反推镇定控制

对一类不确定非线性系统,将反推控制和神经网络相结合,研究了其鲁棒渐近镇定控制问题。与通常研究中被控对象仅局限于严格反馈形式相比较,研究对象更具一般性。基于反推控制方法来构造镇定控制器,利用神经网络来逼近控制器构造过程中产生的不确定项,并提出一种新的自适应算法来在线调节神经网络权值。通过一步步适当地选取虚拟控制器的参数和神经网络权值的自适应律,最终得到的控制器使得整个闭环系统是全局渐近稳定的。     

不确定非完整移动机械手的鲁棒控制

为解决一类系统惯性参数不精确知道且受摩擦力和外界干扰力的不确定非完整移动机械手的跟踪控制问题 ,首先通过消去约束反力 ,将所讨论的控制问题转化成易于解决的等价控制问题 ;然后 ,通过适当的状态变换将系统转化成一种标准型 ;最后 ,利用该标准型的特点提出了解决不确定非完整移动机械手跟踪控制问题的鲁棒控制器。该文所提出的控制器不但能使闭环系统的状态渐近趋于给定的期望轨迹 ,而且具有计算简单的特点。为验证所提出控制律的有效性 ,对一类特殊的不确定移动机械手进行了数字仿真 ,仿真结果验证了所提出控制律的有效性。     

时滞神经网络的鲁棒控制器

对不确定变时滞神经网络系统的鲁棒控制器的设计进行了分析.通过构建李亚普诺夫泛函并结合线性矩阵不等式方法及有关不等式技巧给出了不确定时滞神经网络的输出反馈鲁棒控制器的设计方法,提出了易于实现的鲁棒控制器设计的代数判据,其结论与满足一定条件下系统的变时滞大小无关.最后给出了实例并进行了仿真,实验结果表明所设计的鲁棒控制器的有效性.     

一类结构不确定系统的摄动反馈分析与设计

对一类对象和控制器同时具有结构不确定摄动的闭环系统的鲁棒稳定性分析与设计问题进行了研究。利用Riccati不等式、H∞ 范数及矩阵分解等方法 ,得到了系统不确定参数的一种鲁棒稳定摄动界。进一步给出了已知系统参数摄动界时的标称控制器的设计方法。     

基于神经网络的永磁同步电机的鲁棒控制

提出一种基于神经网络的永磁同步电机的鲁棒控制策略·基于此策略设计了神经网络PID速度控制器,使速度控制器能实时在线调整,由一种混合型神经网络作为辨识器,利用神经网络的学习特性实现对永磁同步电机系统不确定性的鲁棒控制·为了加快响应速度,提高响应性能,采用多步预测性能指标函数下的反传算法·仿真和实验结果表明,所提出的控制方法明显优于一般永磁同步电机系统的控制方法,具有较强的鲁棒性·     

轮式移动机器人滑移补偿鲁棒控制

提出了滑移补偿鲁棒控制策略. 首先建立包含滑移因素的移动机器人运动学模型,其中滑移量以附加的有界扰动形式引入. 借助链式系统理论,将带有滑移扰动的系统运动学模型转化成为一个标准的受扰链式模型,利用该模型的数学结构可以方便地设计变结构鲁棒控制器. 由稳定性分析可知,滑移补偿鲁棒控制器可以保证法向控制误差的收敛以及姿态误差有界. 仿真实验表明,设计的滑移补偿鲁棒控制器可以有效地消除滑移因素对轨线控制精度的负面影响,提高移动机器人在复杂地形条件下的可操作能力.     

一类切换系统的鲁棒控制

考虑了一类标称系统存在共同Lyapunov函数的非线性不确定切换系统的鲁棒镇定问题·不确定性不满足匹配条件,分别设计出了经过状态反馈和输出反馈鲁棒控制器·在不确定项满足一定的限定条件下,使不确定闭环系统仍然具有共同Lyapunov函数,从而在任意的切换策略下,确保闭环系统在其平衡点处是渐近稳定的·最后的仿真说明了文中结论的正确有效性·     

一类时滞系统内模控制器设计

针对时滞不确定性被控对象,引入灵敏度函数和滤波器设计内模控制器。利用控制理论中频域分析的方法对控制系统的鲁棒性能和品质性能进行分析,得出频域约束条件,整定内模控制器参数,使控制系统在满足闭环稳定的前提下,同时还满足性能指标的要求。仿真研究表明:该控制器与传统的Cohen-Coon和CHR控制方法相比具有较好的控制性能和鲁棒性,且调整参数少,适合于工程实际应用。     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．