大型射电望远镜馈源1/30模型的轨迹跟踪控制

索驱动小车式无平台馈源支撑方案有望降低大型射电望远镜的造价。为验证其可行性,该文研究了馈源的轨迹跟踪控制问题,设计了利用馈源小车位置与索张力测量信息的双环路反馈控制器。位置反馈采用带误差预测的比例积分(PI)控制律,力反馈采用设置阈值的比例(P)控制律。建立了1/30馈源动力学相似模型,并进行了控制的试验验证。试验结果表明馈源在反馈控制下能够实现望远镜的跟踪观测运动,其位置误差均方根值为99～111mm,小于控制目标的500mm要求。试验充分支持了索驱动小车式无平台馈源支撑方案的可行性。     

湿式双离合器自动变速器换挡控制与仿真分析

建立了湿式双离合器自动变速器(dual clutch transmission,DCT)换挡过程系统动力学模型,针对湿式双离合器系统的高度非线性、难以建立精确数学模型等特点,设计了多规则因子模糊控制器。制定了湿式双离合器换挡过程控制策略,该控制策略通过综合控制发动机和离合器压力来完成换挡过程中的动力切换。基于Matlab/Simulink软件平台,建立了湿式DCT传动系统的仿真模型,对换挡过程进行了仿真。结果表明,该控制策略能够满足DCT换挡过程的要求,并且控制器的跟踪性能良好。最后,讨论了换挡控制的影响因素。     

基于操作空间的机械臂自适应模糊鲁棒控制

为提高动力学模型不确定的机械臂系统的跟踪精度, 提出了一种基于操作空间的自适应模糊的鲁棒轨迹跟踪控制方法。考虑存在未知的外部扰动和其他未建模动态, 引入GL(General Linear)矩阵及其乘法算子,利用模糊系统逼近任意非线性函数的能力对机械臂动力学进行前馈补偿, 通过鲁棒控制项抑制建模误差和有界扰动。该方法无需求解机械臂在操作空间的动力学模型。根据Lyapunov 稳定性理论证明了系统的稳定性,并通过仿真实验验证了所设计控制器能达到较好的轨迹跟踪效果。     

柔性串联机械臂的模糊自适应滑模控制系统设计

针对柔性串联机械臂传统控制方式的轨迹跟踪精度存在误差较大的缺陷,文章提出了一种结合柔性串联机械臂弹性动力学方程和模糊自适应滑模控制(sliding mode control,SMC)的控制方法。采用运动弹性动力学(kineto-elastic-dynamics,KED)法,结合系统的约束方程,建立了机械臂的弹性动力学方程,为系统提供控制对象模型;将模糊自适应算法与SMC控制器相结合,设计出一种新型SMC控制器,并运用Lyapunov函数验证该新型SMC控制器的稳定性;基于S-Function函数,建立机械臂的Matlab/Simulink仿真框图,对机械臂进行仿真分析。结果表明,模糊自适应SMC控制器具有轨迹跟踪精度高和稳态误差小的特点,验证了新型SMC控制器的有效性。     

基于DFL的地面运动基座轨迹跟踪控制

为解决地面运动基座的轨迹跟踪控制问题, 基于其动力学模型, 利用动态反馈线性化技术实现了系统的完全状态反馈线性化。根据线性系统理论设计轨迹跟踪控制器, 并采取时变控制器增益的方法在满足控制力矩饱和约束的同时取得了良好的跟踪效果。Matlab 仿真结果显示, 采用该方法设计的轨迹跟踪控制器可使系统跟踪期望轨迹, 采取时变控制器增益的方法可使系统在跟踪过程中既满足了控制力矩饱和约束, 取得了良好的跟踪性能。与其他设计方法相比, 该方法能很好地将控制力矩饱和的情况考虑在内, 控制器设计简单且具有良好的稳定性。     

基于曲率跟踪方法的轴上拖挂轮式移动机器人的运动控制设计

目的 针对轴上拖挂轮式移动机器人中的挂车对目标轨迹精确跟踪控制问题,提出了一种能够跟踪挂车理想运动轨迹曲线相对曲率的双环控制方法。方法 首先通过梳理轴上拖挂轮式移动机器人受到的非完整约束建立出运动学模型,并通过欧拉-拉格朗日方程建立其动力学模型;然后利用运动学方程推导出挂车的理想运动轨迹曲线的相对曲率和拖车与挂车理想偏航角之差之间满足的重要函数关系式;最后基于该核心关系式,利用姿态误差系统的外环速度控制器和动力学模型的内环比例积分反馈控制器组成的双环控制方法来实现给定的跟踪任务。结果 仿真结果表明,对于外环系统,外环速度控制器使得姿态跟踪误差在经过一段时间的变化后全都趋近于零,实际的姿态变量最终稳定地趋近于目标姿态变量;对于内环系统,内环比例积分反馈控制器使得速度跟踪误差经过短暂的调整后趋近于零,实际速度值最终稳定地趋近于参考的速度值。结论 设计的双环控制器可以有效地实现姿态跟踪和速度跟踪,能够使挂车精确地跟踪理想运动轨迹曲线,由于在姿态跟踪过程中引入了挂车运动轨迹曲线的相对曲率,该方法可以极大地提高轨迹跟踪的精确度。     

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.     

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.     

不确定移动机械臂的反演滑模轨迹跟踪控制

针对一类受复杂不确定影响下的非完整移动机械臂轨迹跟踪问题,建立包含模型误差和外界扰动的不确定动力学模型,提出一种基于反演设计的滑模控制方法。该方法首先采用输入-输出非线性反馈进行系统线性化,建立包含总体不确定性的等价系统;然后,基于李雅普诺夫直接法两步反演设计幂次趋近率滑模控制器,有效抑制系统有界不确定性,减小滑模抖振,保证闭环控制系统渐进收敛,从而实现对参考轨迹的快速精确跟踪。仿真结果表明,该方法跟踪速度快,精度高。     

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).     

递阶式虚拟结构非完整机器人的编队控制

提出一种递阶虚拟结构编队控制方法,将机器人编队按空间分布划分为簇,并定义某段时间内该簇(虚拟结构)的参考轨迹,将虚拟结构的运动转化为各机器人的期望轨迹,然后基于反步思想,并通过设计移动机器人误差跟踪系统的Lyapunov函数来设计动态反馈控制器,实现了对参考轨迹的全局渐近跟踪.最后通过对给定直线和圆轨迹的编队跟踪试验,验证了该控制策略的有效性.     

低轨飞行器跟踪控制算法模型设计

低轨飞行跟踪控制有2种模式:已知运行轨迹的运行情况跟踪和随动飞行器跟踪.对已知运动轨迹的飞行器跟踪,主要是获取飞行器的运行轨迹参数,用以判断飞行轨迹是否偏离原来的设定,通过调节接收器的跟踪位置以获取传输的数据;随动跟踪的运行轨迹未知,跟踪算法和设备状况有关,控制过程算法要求高.就一跟踪系统对已知轨迹低轨飞行器的跟踪控制算法模型进行了设计,在应用上取得了较好的效果.     

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     

液压挖掘机工作装置模型及控制的试验研究

对某型液压挖掘机的工作装置进行3自由度的动力学分析，利用拉格朗日方法建立其动力学方程；并在该动力学方程的基础上给出挖掘机铲斗轨迹控制方法；介绍控制系统的软件、硬件、反馈检测装置、轨迹控制器以及为了对挖掘机进行计算机控制所进行的相关改造；给出PID控制的框图、铲斗轨迹跟踪控制表达式；对其铲斗轨迹跟踪控制进行三自由度的测试试验；由于试验挖掘机所采用的控制阀为电液比例阀，有较大的死区，为了保证控制精度，给出了死区补偿的试验方法以及PID参数设置方法和数值。研究结果表明：在所给定的PID参数下，铲斗跟踪的设定水平直线长度为2．500m，对铲斗水平跟踪速度为136mm／s，其精度可以控制在110mm之内，非直线度最大为4．2％。     

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。     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

Model-free adaptive control of space manipulator under different gravity environment

Due to the release of gravity in the space environment, the dynamic characteristics of the space manipulator have changed compared with that of the ground, which results in the change of its tracking precision. This paper presents a model-free adaptive control(MFAC) strategy to track the desired trajectory under different gravity environment. A dynamic transformation method and full form dynamic linearization(FFDL) approach are selected to dynamicly linearize the system, which can better eliminate the complex dynamics that may exist in the original system. The controlled object uses the two degrees of freedom of space manipulator and the controller only depends on the desired angle and torque of each joint of the space manipulator. Moreover, the proof of stability is also provided. Finally, simulation results are presented to demonstrate the effectiveness of the proposed strategy. It is shown that the proposed approach can achieve better trajectory tracking performance under different gravity environment without changing the control parameters, and the tracking precision can be significantly improved as compared with the proportional differential(PD) control results.     

具有未知侧滑和打滑的WMR强化学习自适应神经网络控制

利用反演设计,提出一种强化学习自适应神经网络轮式移动机器人(WMR)轨迹跟踪控制方法.首先在极坐标下建立WMR的轨迹跟踪误差模型,并基于此设计运动学控制器.然后,针对WMR动力学系统,设计自适应神经网络控制器.结合强化学习机制,同时对系统未知侧滑、打滑和模型不确定性进行优化补偿,并引入鲁棒控制项来消除补偿误差的影响,进一步提高了控制效果.所提控制方法使得闭环系统稳定,且最终一致有界收敛,其有效性通过数值仿真结果得到了验证.