基于生物启发反步级联控制方法的多AUV主从式编队

研究了自治水下机器人(AUV)在三维环境中主从式编队控制问题,提出一种基于生物启发反步级联控制方法.该方法利用领航者的位置信息以及期望的队形得到虚拟AUV的航行轨迹和速度信息,引入反步控制实现跟随AUV对虚拟AUV的轨迹跟踪,实现三维水下编队控制;利用生物启发神经网络有界性的特点,解决了速度跳变以及由此引起的驱动饱和问题.仿真结果表明,该方法实现了预期控制效果,并且有较好的有效性和实用性.     

鱼雷形水下机器人非线性航迹跟踪控制 

研究了欠驱动自主式水下机器人路径跟踪问题.在Serret Frenet移动坐标系下,基于虚拟目标机器人建立了路径跟踪误差动力学方程.在此基础上,结合水下机器人动力学方程,设计了基于Lyapunov稳定性理论和反步法技术的控制器.仿真结果表明,提出的非线性反馈控制律能够保证路径跟踪误差快速收敛到零,使机器人沿着参考路径航行.     

采用干扰观测器的水下滑翔蛇形机器人纵倾运动控制

针对水下滑翔蛇形机器人在实现滑翔运动时存在控制输入受限和外界未知干扰的问题,提出了一种基于Nussbaum函数和非线性干扰观测器的反步控制策略。通过对欠驱动水下滑翔蛇形机器人的垂直面运动进行分析和有条件的简化,得到了对应运动学及动力学方程组。采用Nussbaum函数与双曲正切函数相结合的方式处理系统控制输入饱和,避免了双曲正切函数存在的控制器奇异值,通过非线性干扰观测器实现对外界复合扰动的有效观测并进行补偿。设计了纵倾运动跟踪的反步控制器,针对反步法中虚拟项引发的计算膨胀,采用动态面方法来消除。基于Lyapunov稳定性理论设计了控制器,保证系统能够实现速度与位置信号量的全局一致稳定性。研究结果表明:所提方案相对传统反步法,在响应时间与误差收敛速度方面都有一定程度提高,且非线性干扰观测器对于复合扰动量观测性能良好;所设计的控制器可以有效实现机器人在外界未知干扰下纵倾运动的稳定跟踪,且具有较强的鲁棒性。     

欠驱动智能水下机器人的自抗扰路径跟踪控制

为削弱欠驱动智能水下机器人(AUV)在路径跟踪过程中遇到的外界环境干扰和载体内部信号传输干扰的影响,以某欠驱动AUV为研究目标,基于自抗扰控制技术以及在Serret-Frenet坐标系下建立的路径跟踪误差方程,结合水下机器人相关运动学及动力学方程,建立了二阶自抗扰路径跟踪控制器,并进行了与传统PID控制器的对比仿真实验.仿真实验包括水平面随机干扰下的圆路径跟踪和渐变干扰下的空间螺旋线跟踪.仿真结果表明,基于自抗扰控制技术的欠驱动AUV路径跟踪控制器能够实现相应的参考路径跟踪任务,同时,相比于传统PID控制器,自抗扰路径跟踪控制器能够更有效地抑制干扰造成的颤抖、超调等现象,具有更优的控制效果.     

基于反步法的欠驱动水下机器人鲁棒定深控制

针对舵桨联动式欠驱动水下机器人定深巡航任务,在运动学阶段设计关于垂向深度差的渐近视线制导角,从而将定深跟踪过程中垂向和俯仰的耦合控制转变为单一可控的俯仰控制,解决水下机器人垂向自由度上欠驱动特性.基于反步法技术在动力学阶段构建全系统李雅普诺夫函数,避免了运动学子系统与动力学子系统合成引起的复杂级联分析,提高了算法的艇载移植性.仿真结果表明:所设计的控制器对未知海流干扰具有一定的鲁棒性,能够确保欠驱动水下机器人准确跟踪期望的深度.     

基于干扰观测器的欠驱动AUV自适应反演控制

针对未知外界干扰存在的情况,提出一种基于非线性干扰观测器(NDO)的自适应反演控制,用于改善欠驱动自治水下机器人(AUV)深度跟踪控制性能。首先对欠驱动自治水下机器人的垂直面模型进行有条件的简化,得到新的运动学及动力学方程,建立简化后模型的状态方程;其次根据系统状态方程构建非线性观测器,设计自适应反演控制器,输出控制量根据李雅普诺夫稳定原理推导得出,确保包含非线性干扰观测器及自适应反演控制器在内的控制系统的一致渐进稳定性。研究结果表明:所设计的非线性干扰观测器以及自适应反演控制器可以实现欠驱动自治水下机器人在存在外界未知干扰情况下深度轨迹跟踪,具有较强的鲁棒性。     

基于模糊干扰观测器的移动机器人自适应滑模跟踪控制

针对轮式移动机器人(Wheeled Mobile Robot, WMR)轨迹跟踪中存在的速度跳变和未知系统扰动,提出一种新型轨迹跟踪控制策略。该策略基于反演技术,分别设计WMR系统的运动学控制器和动力学控制器。在运动学控制器中,采用分流技术克服了轨迹跟踪初期的速度跳变问题;在动力学控制器中,将模糊干扰观测器与自适应滑模控制结合,有效解决了未知系统扰动对控制性能的影响,并且消除了传统滑模控制的抖振现象。通过Lyapunov稳定性理论,证明了该控制策略的稳定性。仿真研究表明,该控制策略具有较小的速度跳变,控制信号抖振较小,并对系统扰动具有强鲁棒性。     

欠驱动UUV三维轨迹跟踪的反步动态滑模控制

提出一种欠驱动无人水下航行器(UUV)反步自适应动态滑模控制方法.结合反步和自适应滑模控制技术设计UUV的位置、姿态和时变速度跟踪控制器,采用虚拟速度来代替姿态误差的控制策略,将姿态跟踪控制转化为速度控制,能够有效避免传统反步法控制律设计存在的奇异值问题.针对系统模型不精确及时变扰动问题,引入滑模控制技术进行自适应补偿估计,提高了欠驱动UUV在未知环境中的鲁棒性及自适应能力,并基于李雅普诺夫稳定性理论证明了该控制系统误差最终一致有界.仿真结果表明:提出的UUV三维轨迹跟踪反步动态滑模控制方法收敛、有效,能够实现在系统参数不精确及时变扰动情况下的三维轨迹精确跟踪控制.     

基于非对称模型的水下机器人全局指数镇定

针对水下机器人的水平面镇定控制问题,提出了一种基于非完全对称(前后不对称,左右对称)模型的全局指数镇定控制方法.建立了非完全对称水下机器人的运动模型,通过设计控制输入的反馈变换,得到简化的水下机器人镇定控制系统;基于非线性反步法,设计了水下机器人速度的虚拟输入,从而实现了位置和姿态角的镇定控制;通过对虚拟输入误差的镇定设计,得到了水下机器人系统的全局指数稳定控制律,并利用李雅普诺夫稳定性理论证明了所设计控制器的稳定性.最后通过仿真实验验证了所设计的反步镇定控制器的有效性和可靠性,同时通过与传统基于完全对称(前后、左右均对称)模型的水下机器人运动控制方法比较,验证了基于非完全对称模型控制算法的优越性.     

欠驱动船路径跟踪的反演自适应动态滑模控制方法

针对欠驱动水面船的路径跟踪控制系统,提出一种反演自适应动态滑模控制方法。该系统由船舶艏摇非线性响应模型和Serret-Frenet误差动力学方程组成,并考虑建模误差和外界干扰力等不确定性。经过简化处理,将原欠驱动系统的控制问题转化为非线性系统的镇定问题。同时,基于反步方法和动态滑模控制理论,设计自适应动态滑模控制器。通过理论分析,证明在该控制器作用下,路径跟踪控制系统是全局渐近稳定的。仿真试验表明:该控制器对系统参数摄动和外界干扰不敏感,具有强鲁棒性和自适应性。     

基于RBF神经网络的机器人的路径跟踪控制

文章针对双轮移动机器人的路径跟踪问题,提出了基于反演法的运动学控制和滑模动力学控制相结合的控制算法,运动学控制器解决位姿和跟踪速度之间的控制关系,动力学控制器解决机器人的姿态和控制电压之间的控制关系;为了减小传统运动学控制器的跟踪误差、提高路径跟踪控制的特性,采用RBF神经网络对控制器的不确定参数进行在线自适应学习。仿真结果表明,文中提出的基于RBF神经网络自适应算法比传统控制算法具有更优越的跟踪效果。     

可重构机械臂自适应反演模糊滑模控制

为解决可重构机械臂各关节的位置跳变所导致的速度跳变问题,本文提出了基于生物启发策略的自适应反演快速终端模糊滑模控制方法.首先,利用模糊系统的万能逼近属性去估计机械臂各子系统中的不确定项及子系统间的耦合关联项;其次,在设计反演控制器时,引入生物启发模型,将由机械臂位置跳变所导致的虚拟速度跳变限制在一定范围,得到虚拟的中间变量,从而用它去代替控制律中的轨迹跟踪误差,保证了位置跳变时其轨迹跟踪输出依然平滑.该方法在不改变控制参数的前提下可解决不同构形可重构机械臂的位置跳变问题,最后通过对不同构形可重构机械臂的仿真验证了所述结论.     

基于自适应反步法的自主水下机器人变深控制

为实现自主水下机器人(AUV)的高精度变深控制,基于AUV垂直面的运动学和非线性动力学模型,提出了神经网络自适应迭代反步控制方法,设计了运动学和动力学控制器.文中首先考虑AUV非线性模型的攻角和水动力阻尼系数的不确定性,设计神经网络控制器来对纵倾运动中的非线性水动力阻尼项和外界海流干扰作用进行在线估计,并基于Lyapunov稳定性理论设计神经网络权值的自适应律,保证系统闭环信号的一致最终有界.最后通过两组仿真实验,比较了所设计的控制器在设定控制器增益参数下的系统响应和在扰动作用下的变深控制性能,结果表明,所设计的控制器具有较小的稳态误差和较高的跟踪精度.     

面向无缆水下机器人水下对接的轨迹跟踪控制

针对欠驱动无缆水下机器人(autonomous underwater vehicle,AUV)的特点,面向水下对接的应用需要,在考虑其非完整约束的条件下,对水下机器人的非线性系统的可控性进行深入分析,并推导如何将非线性系统通过反馈变换转换成链式模型,在此基础上提出一种使用近似线性化的全状态反馈进行三维链式控制器设计的方法。最后,为了验证轨迹跟踪控制器的控制性能,在Matlab仿真环境下进行了实验,结果表明该方法可以实现路径跟踪误差的全局渐近稳定,验证了其有效性和合理性。     

无人翼伞飞行器路径跟踪反步控制方法

为实现无人翼伞飞行器的曲线路径跟踪控制,提出了一种基于模拟对象的可变增益反步跟踪控制方法.首先,基于模拟对象跟踪建立翼伞飞行器的路径跟踪误差模型;其次,针对模型设计了可变增益反步跟踪控制器,通过合理设计增益参数,消除了部分复杂非线性项,避免了传统反步法中虚拟量的高阶导数问题,简化了控制器形式,以有利于工程实现;然后,根据Lyapunov理论设计反馈补偿项,在保证稳定性的同时提高了系统的鲁棒性;最后,将控制器应用于无人翼伞飞行器平面曲线的跟踪控制中.仿真与实验结果表明,所设计的控制器可以实现曲线路径的准确跟踪,且具有很好的鲁棒性.     

欠驱动AUV自适应神经网络反步滑模跟踪控制

针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)三维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV三维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对三维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.     

欠驱动双足机器人稳定行走控制与策略

为了解决欠驱动双足机器人行走的控制问题,提出一种欠驱动平面双足机器人稳定步行控制方法和策略.首先,分析带有身体惯量的倒立摆模型的动力学特性,根据动力学模型和姿态信息,设计姿态稳定控制器,维持机器人身体姿态的稳定.然后,根据欠驱动量的动力学方程和行走速度反馈,设计行走速度稳定控制器.通过调整摆动腿步长的策略,实现速度稳定的连续行走.最后,在双足机器人上开展实验,验证了该控制方法和策略的有效性.     

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。     

基于反步法的机器人鲁棒跟踪控制

针对不确定性机器人的跟踪控制问题,设计出了基于反步法的控制器。该方法首先将机器人动力学模型通过线性反馈得到了两个子系统,然后对每个子系统分别构造李雅普诺夫函数来保证渐近稳定,从而达到了对机器人系统跟踪误差渐近稳定控制的目的.最后以两关节机器人为例进行仿真,仿真结果表明基于反步法的控制器是有效的.