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。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法。首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊规则的优化调整;最后,分别采用多目标PSO算法和改进多目标PSO算法优化轨迹跟踪模糊PID控制器获得了2个优化目标的向量集合,并对比分析了优化结果。实验结果表明,所设计的改进多目标PSO算法具有更优的非支配解集,验证了该算法优化机器人轨迹跟踪模糊PID控制器的有效性和优越性。     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

基于MATLAB/Simulink的二连杆机器人的PID控制与仿真

主要研究了一类二连杆机器人应用PID控制理论进行轨迹追踪的控制方法。该文首先给出二连杆机器人进行动力学模型,进而利用MATLAB/Simulink仿真环境,构造出PID控制模型框图,使用Interpreted MATLAB Function嵌入代码。通过改变PID参数进行仿真,该文分析了不同PID参数对二连杆机器人关节转角误差的影响,使机器人末端实际轨迹实现了很好的跟踪效果。     

被动模式下肢外骨骼机器人的步态轨迹跟踪控制

针对被动模式下肢外骨骼机器人的步态轨迹跟踪控制问题,提出一种自抗扰控制(active disturbance rejection control,ADRC)策略.将系统未建模动态、系统间动态耦合和外部扰动视为总干扰,设计扩张状态观测器(extended state observer,ESO)进行估计,采用前馈方式进行补偿,从而抑制干扰的影响.通过设计的误差反馈控制器,实现对期望步态轨迹的跟踪控制,并给出ESO误差有界以及闭环系统稳定性的证明.仿真结果表明,所提的ADRC策略能准确跟踪步态轨迹,相比于比例积分微分(PID)控制和计算力矩控制方法,该策略不仅能保证良好的跟踪效果,还能有效抑制干扰.     

2自由度腕关节康复机器人的代理滑模控制方法

针对传统机器人控制方法未考虑运动过程安全性能的问题,采用了一种基于代理的滑模控制方法对气动肌肉驱动的穿戴式2自由度腕关节康复机器人进行位置控制.该方法结合滑模控制与PID控制的优点,既保证了位置控制的跟踪精度,又确保了运动过程的安全性.对康复机器人的轨迹跟踪实验表明:该方法可以取得很好的跟踪效果,并且对扰动的屈从性和系统的安全性有明显的提高.     

挖掘机器人工作轨迹跟踪智能控制

针对挖掘机器人工作装置及其液压驱动系统模型非线性强的特点，研制出一个基于知识的、多模式综合的轨迹跟踪控制系统。该系统具有“砰－砰控制”、维持控制、非线性死区补偿控制和模糊PID参数自适应控制等模式。根据工作轨迹跟踪误差和误差变化率的反馈，系统会基于知识，智能地选用或换用合适的控制模式，实现平稳和高精度的轨迹跟踪控制。为了提高液压执行器的性能，采用负荷传感负流量控制策略提高先导电液比例阀的操作性能，并结合液压泵的交叉功率传感控制减少液压能耗。     

高速运动机器人动力学及控制策略研究

机器人高速运动时关节柔性会对关节轨迹造成较大影响,必须对其造成的振动加以研究和控制。文章通过简化机器人的柔性关节,从动力学角度对机器人高速工作过程进行仿真,分析关节柔性及其大小对关节轨迹的影响;采用奇异摄动复合控制策略,将高速机器人系统分为快、慢2个独立子系统,分别为其设计控制器,加和后作为整个系统的控制输入。控制系统仿真结果表明,该控制策略能够实现轨迹的精确跟踪和振动的有效抑制。     

具有线性位置解的3-CRU并联机器人轨迹跟踪

针对现有单一的线性伺服控制时机器人运动平台的跟踪轨迹精度较差的问题,基于前馈力矩补偿和滑模变结构控制相结合的控制策略,对具有线性位置解的3-CRU并联机器人的轨迹跟踪进行了相关研究．采用拉格朗日方程建立了该机器人的包含建模误差和外部干扰的动力学模型并辨识了机器人的动力学参数,设计了在线性伺服控制基础上前馈力矩补偿与滑模变结构控制相结合的控制策略．通过实验对比,证明采用上述控制策略不仅提高了机器人动平台的轨迹跟踪精度,而且增强了机器人系统的鲁棒性．同时,线性的位置正解方程这一特性使得机器人驱动滑块的位置误差传递到运动平台上不会呈指数型累积增长,从结构上保证了机器人运动平台的轨迹精度．     

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.     

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。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,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BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

考虑横纵向误差协调的智能汽车路径跟踪控制研究

针对传统轨迹跟踪控制方法应用场景局限,精度不高的问题,为实现车辆横纵向联合控制从而提升无人驾驶汽车在结构化场景下的轨迹跟踪效果,本文建立了自然坐标系下的车辆跟踪误差模型,设计基于LQR与PID相结合的车辆横纵向耦合控制器。在横向控制层面,为消除系统稳定误差,通过引入前馈控制量实现系统的整体稳定,减小车辆在实际运行过程中产生的横向误差,提升控制过程的稳定性;在纵向控制层面,运用PID控制策略进行调节,实现车辆的实际速度与规划速度,实际位置与规划位置之间的精确匹配。通过MATLAB/Simulink与Carsim搭建联合仿真平台,针对日常泊车、驶入主路以及超车多种工况进行仿真验证。仿真结果表明：本文所设计的横纵向联合控制器将车辆的轨迹跟踪误差控制在可接受范围之内的同时,轨迹跟踪效果满足乘客对车辆乘坐舒适性的要求,故本文设计的控制器具备一定的稳定性和准确性。     

双足机器人的滑模控制

作者利用牛顿 欧拉法建立了12自由度双足机器人的动力学模型,并建立了双足机器人的滑模控制模型·采用比较简单的李亚普诺夫函数对滑模控制的稳定性进行了分析,并利用滑模控制方法对双足机器人的12个关节自由度进行了加速度补偿控制·通过在各关节自由度上加入给定范围的随机误差来代替双足机器人结构参数、转动惯量及摩擦力等因素对各关节自由度运动所造成的误差·仿真实验结果显示双足机器人的各关节自由度的角位移和角速度的误差都比较小,达到了预期的控制效果·仿真实验结果也证实滑模控制方法能够用于12自由度双足机器人的轨迹跟踪控制·     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

FUZZY LOGIC CONTROLLER FOR SEAM TRACKING OF ARC_WELDING ROBOT *

本文研究一种用于弧焊机器人焊缝跟踪的模糊控制器（ＦＬＣ）,介绍了该智能控制器的结构和原理．所设计的模糊控制器具有积分功能,在机器人关节位置控制中表现出良好的控制特性,实现焊炬对焊缝的精确跟踪．与基于机器人动力学模型的传统ＰＩＤ控制器相比,ＦＬＣ明显地提高了控制性能．文中给出了计算机仿真和实际焊接实验结果．     

半结构环境中电力作业机器人机械手鲁棒轨迹跟踪控制

在输电线路高电压、强电磁干扰的恶劣半结构环境下,为有效抑制扰动信号及各种不确定性因素对电力作业机器人机械手轨迹跟踪精度和运动稳定性的影响,提出了一种基于H∞控制理论的机器人机械手鲁棒轨迹跟踪运动控制方法.通过机器人控制体系结构的分层,利用拉格朗日法并结合关节电机电枢电压方程对机器人的不同动力学行为进行了动力学建模,获取了机器人动力学行为和动力学参数的映射模型,在此基础上推导出了扰动及不确定性因素情况下关节运动控制的状态空间表达式,并以此构建立了机械手H∞轨迹跟踪控制模型,利用线性矩阵不等式（LMI）求解了相应的轨迹跟踪H∞控制器,最后通过仿真实验验证了H∞控制的有效性.现场作业试验进一步验证了该控制方法的工程实用性,同时该控制方法具有通用性好、适应性强、易于扩展的显著特性.      

机器人机械手的鲁棒性稳定跟踪控制

为工业机器人机械手提出了一种稳定跟踪控制法．这种控制方法由前馈控制器、反馈控制器组成．前馈控制根据期望轨线用计算力矩法得到；反馈控制由线性ＰＩＤ控制项和非线性ＰＤ控制项组成，这种控制方法能使跟踪误差逐渐趋近于零．最后，给出了ＰＵＭＡ５６０机器人的计算机仿真实验验证此控制方法的有效性     

步态训练机器人控制系统仿真研究

步态训练机器人是一种可以模拟在不同路况下行走的机器人．针对控制系统能够适应不同路况的要求,设计了一种适应负载、速度变化的变参数PID控制器,并建立了控制系统模型．在MATLAB环境下,对控制系统进行了仿真分析．仿真结果表明,平地行走、上楼梯和下楼梯3种步态轨迹的跟踪曲线均具有良好的运行特性;控制器适应了速度、负载变化的影响,满足机器人对不同路况模拟的各项要求．该研究为步态训练机器人对不同路况的进一步模拟研究奠定了基础．     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.