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%。     

柔性机械臂末端位置的模型参考自适应控制

用线性化模型的最优状态反馈方法构造参考模型，用Ｌｙａｐｕｎｏｖ稳定性理论推导了模太态跟踪的自然应控制率，用ＬＱＲ方法推导末端位置调节控制率，用模型状态跟踪和末端位置跟踪两级跟踪实现了一种单连杆柔性机械臂末端位置的自适应控制。仿真结果表明，该方法渐进稳定，定位准确。     

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.     

基于动态面控制的MIMO自适应神经网络控制

针对一类具有未知函数控制增益的多输入多输出(M IM O)非线性系统,基于后推设计方法和动态面控制技术,提出一种间接自适应神经网络控制方案.该方案通过引入1阶滤波器,消除了后推设计中由于反复对虚拟控制的求导而导致的复杂性问题,并避免了反馈线性化方法可能出现的控制器奇异性问题,参数估计无需使用投影算法.利用李亚普诺夫方法,证明了闭环系统半全局一致终结有界,通过适当选取设计常数,跟踪误差可收敛到原点的一个小邻域内.仿真结果表明了该方法的有效性.     

一种改进的柔性关节机械臂分级滑模控制

为实现多自由度柔性关节机械臂高精度定点控制和振动抑制,提出了一种改进的分级滑模控制算法.该算法借鉴分级滑模的思想,分别根据减速器输出角和关节角设计第一级滑模面,然后根据第一级滑动模态设计第二级滑模面.采用双幂次趋近律,使滑动模态无论是远离还是接近滑模面时都具有很快的趋近速度,而且控制力矩的抖振小,动态性能好.应用李雅普诺夫理论证明了所设计的控制器能够保证二级滑动模态有限时间有界稳定,进而一级滑动模态和系统状态也是有限时间有界稳定.数字仿真结果表明,所提控制算法与未改进之前相比,关节角的响应时间快1 s,并且提高了定点控制的精度,有效减小了抖振.     

谐波驱动系统自适应神经网络动态面控制

针对谐波驱动系统动力学模型中存在的非线性摩擦、柔性变形和外界未知干扰力矩等因素的问题,为了提高系统的位置跟踪精度,提出了一种基于径向基函数(RBF)神经网络的谐波驱动系统自适应动态面控制.采用LuGre摩擦模型描述系统的非线性摩擦特性,用RBF神经网络在线逼近摩擦参数变化和外界未知干扰力矩对系统的影响,并通过李雅普诺夫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:与普通动态面控制相比,本控制策略对摩擦参数变化和外界未知干扰力矩具有较强的鲁棒性,提高了系统的位置跟踪精度.     

考虑关节摩擦的机械臂系统变结构自适应控制

针对机械臂关节非线性摩擦因素影响,结合滑模变结构控制方法,提出一种考虑关节摩擦作用的机器臂系统变结构自适应控制方法。通过定义Lyapunov函数,获得了参数自适应律。在回归矩阵计算中,利用期望轨迹及速度替代关节实际轨迹及速度,有效节约了回归矩阵计算时间。仿真结果表明,该方法对系统不确定性和非线性关节摩擦等干扰具有很好的鲁棒性。     

基于神经网络的空间柔性机械臂PID快速学习控制

针对自由漂浮柔性空间机器人的轨迹跟踪问题,提出一种径向基函数（RBF）神经网络控制策略.首先建立漂浮基柔性空间机器人的非线性动力学方程,考虑到RBF神经网络良好的逼近能力,柔性臂的非线性逆动力学模型通过RBF网络来逼近,采用PID控制器与神经网络控制器来共同保证系统稳定性,其误差代价函数由PID控制器提供,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整来实现快速学习能力.仿真结果表明了这种RBF神经控制器能够达到较快的误差收敛速度.     

六关节检修机械臂动态碰撞检测

该六关节机械臂被用于蒸汽发生器的检修工作.为了实现在狭小的工作空间内无碰撞的安全工作,如何判断和避免碰撞是关键问题.针对发生碰撞的2种情况:机械臂各关节和检修工具与蒸汽发生器水室内壁、挡板面和管板面间的碰撞;机械臂各关节之间以及与检修工具间的碰撞,采用基于AABB盒和等效空间圆柱体相结合的网络包围法,对可能发生碰撞的部位进行了系统分析和研究,将机械臂的碰撞检测问题转化为空间解析几何问题,大大简化了问题的求解,得到了碰撞检测算法,并用Visual C++予以实现.通过仿真分析和实验证明了该方法的有效性.     

具有边界扰动柔性机械臂的鲁棒自适应边界控制

针对边界未知扰动和系统结构参数均具有不确定性的柔性机械臂系统,为了抑制其振动和提高振动控制效果,通过对柔性臂的结构参数估计,采用自适应和边界控制技术,设计了带有边界扰动观测器的鲁棒自适应边界控制对柔性臂振动进行控制。所设计控制算法能补偿结构参数不确定性和避免了控制溢出,边界扰动观测器能抑制和跟踪边界未知扰动的影响。随后利用Lyapunov综合法对控制系统的稳定性和一致有界性进行了证明。仿真结果进一步验证了该控制算法对抑制柔性臂振动的有效性。     

柔性机械臂控制方法的研究

针对柔性机械臂的控制难点,在纵观柔性机械臂控制现状的基础上,提出了利用广义预测控制方法对柔性机械臂进行控制。实验结果表明,广义预测控制方法对柔性机械臂的控制是有效的。为柔性机械臂的进一步研究提供了理论指导及重要的前提条件。     

四自由度柔性关节机械臂的动力学分析

关节是机械臂的核心部件,在机械臂动力学中起着重要的作用,精确的关节动力学模型是机械臂系统设计、分析和控制的基础．以四自由度机械臂为研究对象,首先给出柔性关节机械臂的简化模型,然后运用Lagrange方法建立了考虑关节柔性和电气特性动力学方程．     

柔性基和柔性关节空间机器人双重自适应控制

为实现参数未知柔性基和柔性关节空间机器人的刚性运动控制及柔性振动抑制,提出一种基于非确定性等价原理的双重自适应控制方案.结合拉格朗日法、动量守恒原理及奇异摄动法,导出基座姿态受控模式下的系统动力学方程及其在双时间尺度下的快、慢变子系统.利用一类新型低通滤波信号对系统回归矩阵进行修正,针对慢变子系统设计一种可多参数调节的非确定性等价自适应控制策略,以实现参数未知工况下基座姿态及关节的轨迹跟踪.针对具有不确定性快变子系统,设计一种可使快变子系统渐近稳定、抑制基座和关节柔性振动的自适应控制策略.仿真结果验证了所提双重自适应控制方案在系统刚、柔性运动控制上的有效性.     

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抗扰预设定有限时间跟踪控制

针对一类具有模型不确定、未知非线性函数以及外部扰动的柔性关节机械臂系统,基于backstepping设计方法、自抗扰技术、预设有限时间性能函数,提出一种自抗扰预设定有限时间跟踪控制器的设计方法.该方法使用扩张状态观测器估计带有不确定性的未知函数,并使用跟踪微分器获得虚拟控制的微分信号来避免微分爆炸.控制器设计中使用预设有限时间性能函数,使机械臂系统的跟踪误差在一个指定的有限时间内按预设定的动态性能收敛到原点附近的小邻域内,且保证闭环系统所有信号一致最终有界.采用自抗扰策略使控制器具有很强的抗干扰性能.仿真结果验证了所设计控制器的有效性.     

柔性臂关节位置滑模变结构控制研究

研究了一种分级式柔性机械臂关节位置滑模变结构控制方案，首先推导了下位机关节位置伺服控制系统的数学模型，然后推导了在上位机上实现的滑模变结构控制率，并进行了实验研究。试验结果表明，该控制方案的弹性变形较少，有利于降低末端位置弹性振动。     

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%。     

双连杆柔性机械臂的主动控制

对柔性双连杆机械臂位置的主动控制进行研究,给出系统的动力学方程,采用非线性解耦反馈控制方法分别得出系统大范围运动方程和柔性臂的动力学方程,并采用机械臂逆动力学方法和LQR方法分别设计大范围运动控制律和压电作动器控制律.仿真结果表明,该控制方法能够有效地控制机械臂到达的指定位置,并且抑制柔性臂的弹性振动.     

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。