基于嵌入式环境的智能移动机器人跟踪控制

基于自主搭建的履带式移动机器人研究了一个P型迭代学习控制算法,它使移动机器人能够根据位置和速度偏差的大小及方向,实时控制其在运动过程中的变化趋势,以获得合适的学习增益矩阵,达到更好的控制效果.利用设计的P型迭代学习控制算法,对履带式移动机器人的路径规划与路径跟踪实现准确的控制.实验结果表明,迭代学习控制可使履带式移动机器人在路径跟踪控制过程中有更好的稳定性、准确性和快速性.     

非完整移动机器人的迭代学习控制

首先针对迭代初态偏移期望初态的情况,利用构造期望轨迹的办法给出了基于相对阶的迭代学习控制算法,然后借助于压缩映射原理与Gronwall-Bellman不等式给出了算法收敛性的证明.最后将得到的迭代学习控制律应用于非完整移动机器人的跟踪控制问题.MATLAB仿真结果表明了所给控制算法的有效性.     

不确定时滞系统的PD型迭代学习控制算法

针对不确定时滞系统,在网络时滞范围已知情况下,采用改进PD型迭代学习控制算法补偿网络时滞.在初态是严格重复时,给出这类系统的极限轨迹和迭代输出收敛于该极限轨迹的充分条件.并与P型迭代学习控制算法进行比较.仿真结果表明改进后的PD型迭代学习控制算法能够有效地补偿此类时滞.当网络时滞范围变窄时,能够更加精确跟踪极限轨迹.在相同迭代次数情况下,PD型迭代学习控制算法比P型迭代学习控制算法能更快收敛于极限轨迹.     

非线性系统开闭环PID型迭代学习控制的收敛性分析

针对一类参数未知非线性的迭代学习控制问题提出了一种开闭环PID型迭代学习控制律,这种迭代学习律同时利用了系统当前的跟踪误差和前次迭代控制的跟踪误差修正控制作用,给出了迭代学习控制算法收敛的充分性条件.分析表明,所给出的迭代学习控制律推广了现有的结果.     

一种可用于线性动态延迟控制系统的闭环比例型一阶给定超前迭代学习控制算法

讨论了迭代学习控制的基本概念,并给出了一种可用于线性动态延迟系统的比例型一阶给定超前迭代学习控制算法.理论分析证明,这种控制算法对于跟踪重复运动的轨迹具有良好的效果.     

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。     

移动机器人路径跟踪模糊整定的比例微分控制

针对数学模型复杂的移动机器人的路径跟踪问题,使用模糊整定的比例微分控制算法.该控制方法参考模糊控制的思想,将位置和方向误差分成若干个模糊集合,使比例微分控制器参数能够根据机器人的状态进行调节.仿真结果表明,该方法在机器人的路径跟踪控制中效果良好.     

工业过程稳态优化中一种改进的迭代学习控制

为了改善工业过程稳态控制的动态品质,对在重复性控制较为实用的PD型迭代学习控制算法进行改进,引入积分环节,以适应工业过程稳态控制;针对带有噪声的系统输出信号进行滤波,改进局部对称双积分型迭代学习控制算法,提出了基于递归最小二乘法(Recursive Least Squares,RLS)滤波的PID型迭代学习控制算法,以期过滤噪声的高频和低频分量,获得更为理想的系统输出.最后给出了相关的仿真试验结果.     

移动机器人运动控制系统设计及控制算法研究

提出了一种移动机器人的运动控制系统硬、软件结构 .此控制系统是由工业计算机 ,ADT85 0运动控制卡及相关传感器组成 ;其操作系统采用Windows98,用VC 6 .0开发 ,并应用模块化及Windows线程的多任务处理机制实现控制程序设计 ;根据状态反馈控制理论 ,设计了移动机器人路径跟踪控制算法 .实验论证了此控制系统及控制算法的有效性 .     

带遗忘因子的PD型迭代学习控制算法研究

摆脱传统遗忘因子迭代学习控制算法的算子估计证明方法,提出了遗忘因子是关于迭代次数的函数,简化了收敛条件,并给出收敛性证明和仿真实例.仿真结果表明,在本文改进的收敛条件之下,带遗忘因子的PD型迭代学习控制算法具有有效性,相比于通常算法,遗忘因子算法得到的误差跟踪曲线更平滑,在迭代误差跟踪方面具有一定的优越性.     

行走机器人控制策略与开闭环学习控制

主从式双腿协调控制用于异构双腿行走机器人可减少规划量,控制的关键是步态轨迹跟踪.仿生膝关节使机器人步态更加仿人;但仿生腿模型复杂,跟随人工腿步态控制困难.P型开闭环迭代学习控制结合开环和闭环学习控制优点,不依赖于模型,适用于复杂机器人轨迹跟踪控制.从开闭环结合角度,证明了算法收敛性.算法在虚拟样机上的仿真表明算法有效、鲁棒性好且收敛速度优于单独开或闭环学习控制.     

基于旋转电弧传感机器人立焊焊缝的跟踪

摘要： 为了实现机器人对立焊焊缝的准确跟踪,提高焊接的质量和效率,减少焊接工人的劳动强度,对采样电流进行组合滤波,利用“绝对差法”对第1个采样点到第32个采样点进行线性回归,拟合直线的斜率作为偏差,以偏差和偏差的变化率作为模糊控制器的输入,经过输入量的模糊化、模糊推理和输出量的清晰化,控制水平滑块伸缩跟踪立焊焊缝.通过路径规划,使焊枪从上倾45°变成下倾45°.利用基于水平滑块伸缩跟踪焊缝与路径规划组合的方法对立焊焊缝进行跟踪.实验结果表明：利用该算法,基于旋转电弧传感机器人跟踪立焊焊缝的可靠性好,精确度高.     

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。     

基于神经网络参数优化的迭代学习控制算法

针对迭代学习控制用于轨迹跟踪时存在收敛速度慢的问题,提出用RBF网络优化迭代控制器参数的算法.在每一次迭代学习过程之后利用RBF网络对当次输出的数据进行优化计算,拟合出最优的学习增益,使迭代学习算法具有较快的收敛速度,在单关节机器人中进行仿真验证了方法的有效性.     

基于Lyapunov稳定性的爬壁机器人路径跟踪双环滑模控制

针对爬壁机器人路径跟踪控制问题,提出一种双环滑模控制算法。该算法是以建立的爬壁机器人运动学模型为基础,设路径跟踪偏差信息为滑模切换函数,结合backstepping思想设计了控制率,通过Lyapunov函数验证其稳定性,实现了外环位置和内环姿态的准确跟踪。对于环境的不确定性,采用提高内环增益大于外环的方法解决。将设计的双环滑模控制器与一般滑模控制进行轨迹跟踪仿真比较,并对直线轨迹跟踪进行了实验验证,结果表明:本文设计的路径控制器能较快达到零误差跟踪,整个控制过程和过渡过程准确且平滑,所以该算法可有效提升爬壁机器人工作水平。     

基于三点定位的机器人路径跟踪算法

为了实现在多环境因素制约下的机器人路径跟踪,提高其精度,文章提出了基于三点定位的机器人路径跟踪的算法,详述了定位原理和方法,阐述了实现机器人路径跟踪的方法.试验表明,该路径跟踪方法具有精度高,绝对误差小等特点.     

室内移动机器人路径规划研究

路径规划是自主移动机器人的研究重点。针对传统的A*算法搜索出的路径存在途径危险区域,未考虑机器人外形尺寸、路径不平滑等问题,提出了一种改进A*算法的路径规划方法。在新的栅格化环境地图中,通过改进的搜索策略进行路径搜索;并对路径点删减和优化,通过分段多项式曲线平滑路径。实验仿真结果表明,新方法生成的路径满足移动机器人的动力学和运动学特性,且更符合室内移动机器人的轨迹跟踪和运动控制,该方法简单有效。     

履带式移动机器人动力学模型及其反馈控制

履带结构被广泛地应用在移动式机器人的设计当中。为提高其反馈控制模型的精度,该文详细分析了履带式机器人的受力特点,提出了一种适于进行控制器设计的履带机器人模型,并在此基础上,按照反馈线性化的思想,提出了一种履带式机器人稳定路径跟踪控制器的设计方法,同时给出了方法的非奇异条件。该文提出的控制系统模型和路径跟踪方法,为履带式机器人控制系统设计提供了理论依据。     

全方位移动避障实时轨迹控制算法的研究

针对机器人避障轨迹控制过程中存在的路径优化以及如何躲避大障碍物或者是多障碍物的情况,本文提出一种基于狄克斯特拉算法与贝塞尔曲线的机器人移动避障实时控制改进算法,该算法引入机器人与目标终点路径的速度分量,采用狄克斯特拉算法进行移动轨迹路径优化,进而采用贝赛尔曲线修订优化路径,以此满足动态约束条件.仿真结果表明:相对于改进人工势场算法,本文构建的改进算法使得机器人移动时间缩短,机器人避障运动规划明显改善,具有较强的鲁棒性.     

火灾预警巡检机器人轨迹跟踪控制

针对如何减小火灾预警巡检机器人在目标轨迹跟踪过程中产生的角度和距离偏航问题,提出一种基于Backstepping的轨迹跟踪快速响应控制算法。首先根据机器人行驶偏差与轮速之间的关系,推导出移动机器人运动学模型,利用Backstepping构造出跟踪控制器,在控制器中引入虚拟反馈函数,调节控制器的跟踪效果;然后借助Lyapunov稳定性理论证明收敛性;最后,借助仿真实验和实物验证算法的有效性。研究结果表明所提出的轨迹跟踪控制方法可以使机器人减少轨迹跟踪过程中的误差,并最终使系统趋于稳定。