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。     

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.     

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.     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题，提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰，简化机械臂动力学模型；其次采用反步控制方法为机械臂系统设计控制律，并为动力学模型中不确定参数设计自适应律；最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题，通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性，速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比，所提控制方法具有更好的机械臂轨迹跟踪控制性能，轨迹跟踪误差分别降低了30%、50%。     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。     

基于迭代学习的三自由度机械臂轨迹跟踪控制

针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题,提出一种变增益迭代学习控制律.利用拉格朗日法建立动力学方程,设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析,通过Matlab的Simulink仿真模块,构建三自由度机械臂控制系统仿真图,进行闭环定常PD(Proportion Differentiation)型和闭环变增益PD型迭代学习控制器的三自由度机械臂对比仿真试验.仿真结果显示,基于变增益迭代学习的三自由度机械臂在干扰的状态下,能较短时间内收敛到期望轨迹.     

多机械臂系统无模型自适应神经网络同步控制

针对模型未知的多机械臂系统,利用多个独立的RBF神经网络,对每个子机械臂系统进行逼近,基于图论原理定义了每个子系统之间的同步耦合关系,结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程,随机械臂工作任务的变化可以实现对其动力学模型的实时逼近,摆脱了数学模型的限制,扩大了控制器的应用范围,在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪,并且系统在载荷发生改变等不确定的情况下依然能够实现同步,提高了控制器的鲁棒性。最后通过Lyapunov稳定性分析和Matlab仿真对所设计的同步控制器进行了验证。     

柔性关节机械臂的自适应命令滤波输出反馈控制

针对柔性关节机械臂轨迹跟踪控制中存在模型摄动、外界干扰以及部分状态信息不可测等问题，提出一种基于自适应神经网络观测器的命令滤波输出反馈控制方法。首先，给出含不确定性的柔性关节机械臂动力学方程，并选用RBF神经网络设计自适应律，在线逼近由模型摄动及未知干扰带来的不确定性项；然后，设计自适应神经观测器以对系统不可测状态进行实时估计，并将估计值用于反馈控制，解决部分状态信息不可测的问题；最后，基于Lyapunov理论设计反步跟踪控制器，并引入二阶命令滤波器获得中间虚拟控制量的导数，避免反步递推过程中“计算爆炸”的问题。仿真结果表明，当系统存在模型摄动和外界干扰时，所提自适应命令滤波反步控制方法与传统反步控制方法和误差补偿命令滤波控制方法相比，无需连杆的角速度以及电机轴的转角和角速度等状态信息，且轨迹跟踪精度分别提升78%和35%。     

基于混合型伸缩因子的机械臂控制优化研究

为了实现三关节机械臂的轨迹跟踪控制,提出了一种变论域模糊控制方法,设计了一种不依赖被控对象精确数学模型的变论域模糊控制器。该控制器引入一种新的混合型伸缩因子,选择机械臂期望关节角度与实际关节角度的差值作为偏差,利用偏差和偏差的变化作为输入量来自动调整论域。运用MATLAB软件对采用该控制器的三关节机械臂轨迹跟踪控制进行仿真分析,并与采用指数型伸缩因子的变论域模糊控制器的仿真结果进行对比。结果表明,所设计的混合型伸缩因子的变论域模糊控制器在机械臂轨迹跟踪中的控制精度更高,稳态误差小,且响应速度快、无超调。     

基于干扰和输出受限的电机驱动机械臂轨迹跟踪控制

对于一类由直流电机驱动的机械臂,考虑了在干扰和输出受限下的轨迹跟踪控制问题。在干扰有界的条件下,设计了一个干扰观测器来估计干扰。为了防止违反约束条件,基于机械臂系统的结构特性,引入了一个障碍Lyapunov函数,然后设计了一个矢量形式的可调轨迹跟踪控制器,使跟踪误差可充分小,同时输出不能违反其约束界限。最后通过对一个拟人机械臂的仿真结果,验证了所提方案的有效性。     

基于模糊滑模反步控制的自动装卸钻杆机械臂轨迹跟踪研究

针对现有矿井自动装卸钻杆机械臂运动轨迹跟踪方法精度低而导致施工效率低下的问题，综合应用模糊滑模控制与反步控制理论，提出模糊滑模反步控制钻杆机械臂轨迹跟踪法。采用扰动观测器对扰动信号进行估算，采用模糊理论描述滑模面与运动点的广义距离，以降低滑模控制中由速度瞬变所引起的抖振，并采用模糊滑模反步控制法对由系统扰动造成的误差进行补偿。针对钻杆机械臂的两个重要关节进行了运动仿真与试验测试。结果表明：两个关节的轨迹跟踪误差比模糊滑模控制分别减小了28.2%和22.6%。模糊滑模反步控制法有效降低了钻杆机械臂关节运动轨迹误差，极大提高了运动稳定性和响应能力。     

变负载柔性机械臂复合学习控制

针对末端负载质量变化的柔性连杆机械臂运动轨迹跟踪控制问题,提出了一种结合径向基神经网络(RBFNN)和干扰观测器(DOB)的复合学习控制方法。利用RBFNN逼近连杆柔性引起的非线性不确定性,构造DOB实时估计包括负载变化、非线性摩擦、RBFNN逼近误差等效应的集中干扰,将两者用于控制器的前馈补偿设计以提升系统跟踪性能,同时设计鲁棒反馈控制律保证系统的稳定性。通过Lyapunov稳定性理论证明了所提控制方法可保证跟踪误差的有界性和闭环系统的稳定性。基于柔性机械臂平台的对比实验结果表明:所提控制方法在不同负载下可以保持跟踪精度在0.5%以内,负载变化引起的误差变化不超过2%;与仅使用神经网络的控制方法相比,跟踪性能提升了24.7%。     

基于改进型广义双曲正切模型的机器臂控制算法研究

针对存在复杂干扰情况下的机械臂轨迹跟踪控制问题,采用了一种基于双曲正切模型的鲁棒自适应控制方案。利用高解释性的改进型广义模糊双曲正切模型的全局逼近特点,设计一种自适应控制器用于机器人轨迹跟踪控制;同时以解一个线性矩阵不等式方程来保证系统的鲁棒稳定性。通过Lyapunov理论验证设计的控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近稳定。仿真实验表明此控制算法具有较高的跟踪精度和较强的鲁棒性。     

非线性系统神经模糊自适应控制的问题与策略

针对具有未知动力学的机械臂系统 ,提出一系列神经模糊自适应控制方法。提出神经模糊动态逆稳定自适应控制方法 ,该方法使用动态神经模糊系统逼近非线性动态系统 ,设计的动态逆控制器可以通过参数的设定保证闭环系统在初始控制段的动态性能 ,而无需事先要求机械臂状态位于某一紧集的假设。结合延时神经模糊网络 ,引入降维观测器估计输出重定义后机械手的速度矢量 ,从而建立了非线性系统的控制器观测器设计的新方法。采用了动态逆和“Back-stepping(后退 )”的技术 ,将以上方法成功推广到了考虑执行电机动力学特性的柔性连杆机械臂问题上     

漂浮基空间机械臂姿态与末端爪手协调运动的模糊变结构滑模控制

讨论了载体姿态受控、位置不受控制情况下,漂浮基空间机械臂载体姿态与末端爪手协调运动的控制问题.结合系统动量守恒关系,分析、建立了空间机械臂系统运动的Jacob i关系及完全能控形式的系统动力学方程.在此基础上,应用变结构滑模控制理论设计了空间机械臂载体姿态与末端爪手惯性空间轨迹协调运动的变结构滑模控制方案;为了克服上述变结构滑模控制器抖振的缺点,附加设计了一个模糊控制器,以根据系统的控制输出来动态调节变结构滑模控制器等速趋近率的系数,从而达到既保证系统具有快速响应又能消除原有控制器具有抖振缺点的目的.系统数值仿真运算,证明了上述控制方案的有效性.     

无末端力传感器的可重构机械臂分散力控制

针对存在关节摩擦和外扰的可重构机械臂系统在受限空间内的力控制问题,提出一种无需使用力传感器即可同时控制受限空间内机械臂力和位置的分散阻抗内环/力外环控制方案.采用模糊系统逼近机械臂系统中的不确定项及子系统间的耦合关联项,通过基于模糊预测的力外环控制器为内环的阻抗控制器提供参考轨迹,并利用模糊系统逼近实际的接触力.该方案为没有力传感器情况下的可重构机械臂的力控制提供了一种可能的解决方案,且模糊预测调节参考轨迹的阻抗内环控制使机械臂具有一定的柔顺性,能较好地实现机械臂由自由空间向受限空间的过渡.通过对2自由度平面机械臂和3自由度机械臂的仿真验证了该方法的有效性.     

基于模糊自抗扰技术的机械臂轨迹跟踪控制

考虑机械臂动力学模型中存在未建模动态、摩擦力矩、外部干扰等不确定性因素,为了提高系统的轨迹跟踪控制性能,设计了模糊自抗扰控制器。利用自抗扰技术中的扩张状态观测器能够对系统内外部扰动进行实时估计的特性,观测系统的不确定性因素,应用跟踪微分器提高系统动态响应性能,同时结合模糊控制技术对非线性误差反馈控制加以改进,从而实现了误差反馈增益的优化自整定。仿真结果验证了该控制器的强鲁棒性和有效性。     

基于动力学模型的工业机器人导纳控制研究

提出了一种基于动力学模型的导纳控制算法,用来实现机器人末端力和位置的柔顺控制,可以在速度模式下控制机器人运动,以保证无外力接触时的轨迹跟踪精度.首先,根据牛顿-欧拉法建立机器人动力学模型;然后,通过粒子群算法辨识动力学模型参数,得到完整的动力学模型;在此基础上,计算机器人末端位置误差和外力,利用设计的导纳控制器实现机器人的柔顺控制,用Matlab的Simulink仿真模块验证了基于动力学模型导纳控制的有效性和可靠性.仿真结果表明:机器人末端没有与环境接触时,具有较高的跟踪精度;与环境接触时,机器人末端会产生位置误差和外力,从而实现机器人的柔顺控制.     

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.