基于DRNN的机器人轨迹跟踪自适应控制

针对模型未知和动力学非线性机器人轨迹跟踪,提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法．该方法在ＰＤ动态反馈控制的基础上,引入神经网络辨识器（ＮＮＩ）在线逼近对象的非线性动力学,并设计出神经网络自适应控制器（ＮＮＣ）来补偿机器人动力学非线性造成的误差．仿真结果表明该控制方案具有良好的跟踪性能和较强的鲁棒性．     

具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

具有未知死区和增益符号的自适应神经网络控制

针对一类具有未知死区和未知控制增益符号的单输入单输出非线性系统,根据滑模控制原理,并利用Nussbaum函数的性质,提出两种自适应神经网络控制器的设计方案. 通过引入示性函数,提出一种简化死区模型,取消了死区模型的倾斜度相等的条件. 通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响. 理论分析证明闭环系统是半全局一致终结有界. 仿真结果表明该方法的有效性.     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

模糊逻辑及神经网络动态摩擦和死区补偿的机器人滑模变控制

针对机器人中存在非线性不确性项LuGre动态摩擦和非对称死区的问题,提出采用模糊RBF神经网络及模糊逻辑分别对动态摩擦及死区进行补偿,且实时、自适应训练非线性动态摩擦项及非对称死区项的参数,实现对实际机器人系统准确再现的滑模变鲁棒控制算法,并论证了该算法的Lyapunov稳定性。通过在2自由度机器人上的仿真,证明该算法提高了机器人轨迹跟踪精度、控制力矩及摩擦力矩两者的稳定性。同时发现了该机器人控制力矩的脉冲式补偿误差、摩擦模型中存在类菱形吸引子、缺乏死区补偿将导致控制系统极限环振荡等非线性动力学现象,以及死区逆模型中ε的估计对系统的精度有决定性作用。     

全方向康复步行训练机器人具有死区补偿的反步有限时间控制

为了解决死区影响全方向康复步行训练机器人系统的跟踪精度问题,提出了一种具有死区补偿的反步有限时间控制方法。考虑系统的未知死区,利用自适应方法估计死区宽度,获得死区信息并对其进行补偿,从而有效抑制了死区对系统跟踪性能的影响,避免了系统发生极限环振荡。为了防止机器人初始运动阶段产生较大的跟踪误差而影响康复者的安全,提出了反步有限时间控制方法,确保跟踪误差系统在有限时间内达到稳定。基于Lyapunov有限时间稳定理论,给出了误差系统的稳定条件及稳定时间。与速度和加速度同时约束的控制方法进行了仿真和实验对比,结果表明:所提的控制器设计方法可使系统的跟踪误差在大约8s后趋向于0,机器人在有限时间内实现了对指定轨迹的稳定跟踪,解决了速度和加速度同时约束的控制方法不能使机器人稳定地跟踪训练轨迹、无法解决系统死区的问题;所提的有限时间控制方法能使系统误差快速收敛,有效解决了死区对系统性能的影响,提高了机器人的跟踪精度和安全性。     

一种新的重复自适应摩擦补偿方法及其在高精度伺服系统中的应用

针对高精度转台直流力矩电机系统中存在的非线性动态摩擦及周期性波动力矩扰动,为提高转台位置的跟踪精度,提出了一种新的重复自适应摩擦补偿方法,将重复控制机制引入到基于自适应控制的摩擦补偿策略中.电机中摩擦模型采用摩擦参数非一致性变化的LuGre动态模型.该方法的控制律包含一个参数自适应律、等效PD控制律和一个重复控制律.其中,参数自适应律用来估计未知模型参数并予以补偿,而插入的重复控制器用来提高系统运动曲线的跟踪性能.Lyapunov方法证明该补偿方法保证了闭环系统全局稳定性和对期望位置信号的渐近跟踪.最后,通过对高精度伺服系统的仿真研究证明了该改进补偿方法的有效性.     

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.     

漂浮基空间机械臂抗死区与摩擦的动态面控制

针对存在关节力矩输出死区、摩擦与外部干扰的漂浮基空间机械臂系统,提出一种基于高斯模糊基的自适应动态面控制,使两关节铰能够跟踪期望运动轨迹.利用摩擦双观测器估计不可测的内部摩擦状态;设计动态面避免反演法带来的计算膨胀问题,简化计算;应用模糊逻辑函数逼近包含死区误差与外部干扰在内的动力学不确定项,并采用自适应律调整高斯基权值矩阵和LuGre摩擦参数.李雅普诺夫理论证明系统半全局最终一致有界.仿真结果为两关节铰的轨迹跟踪误差在仿真2 s之后均小于0.2°,表明控制方法有效.     

扰动电压观测器与线性补偿策略相结合的死区补偿方法

为克服逆变器死区时间及开关的导通压降等非线性特性对永磁同步电机(PMSM)无传感器控制系统检测精度的影响,提出一种将扰动电压观测器与线性补偿策略相结合的新型死区补偿方法,对逆变器死区效应带来的不良影响进行抵消.搭建基于脉振高频电压注入算法的PMSM无传感器控制系统模型,分别加入新型死区补偿方法与普通线性死区补偿方法,并进行Simulink仿真分析.实验结果表明：加入新型死区补偿后,系统电流钳位现象得到缓解,转速估计误差减小20%左右,转子位置估计更为准确,证实了新型死区补偿方法的有效性.     

基于神经网络的多四旋翼保性能编队控制

针对多四旋翼编队飞行过程中存在的参数和外界扰动不确定性导致编队系统不稳定问题,设计了一种多四旋翼分布式神经自适应动态面协同编队控制方法。采用学习维数低、实时性强的最小参数学习神经网络观测器,实现对四旋翼位置回路和角度回路未知非线性干扰的快速平滑学习与补偿。利用预设性能控制方法将原先受约束的同步误差经转换函数变换为不受约束的误差,解决协同编队中的位置一致性控制问题,确保各四旋翼位置跟踪同步误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域。仿真实验表明,所提多四旋翼协同抗干扰编队方法在较大扰动环境下仍能达到良好的控制效果。     

基于输出反馈的电液作动器自适应指令滤波控制

针对电液作动器跟踪控制中存在的结构化和非结构化的不确定问题,本文提出了一种输出反馈自适应鲁棒指令滤波跟踪控制方法.该方法结合了改进的LuGre摩擦补偿技术和自适应鲁棒指令滤波控制技术.自适应法则用来处理结构化不确定性;控制器鲁棒设计用来解决非结构化不确定性.除了位置信号外,速度、压力和摩擦力值均来自观测器,来自观测器的模型误差通过鲁棒设计进行补偿.指令滤波控制技术用来解决经典反步控制中固有的“复杂性爆炸”问题.控制器可以保证系统渐进稳定.通过对比实验证明了该方法在跟踪性能上的有效性.     

交流伺服控制系统电机参数闭环辨识方法研究

通过分析永磁同步电机d-q坐标轴数学模型,提出一种交流伺服控制系统闭环辨识电机交直轴电感、定子电阻、转子磁链的方法,分析了非正弦磁通造成的电机模型误差、功率器件的开关死区和编码器的电机转子位置反馈延时等对参数辨识精度的影响,并给出了相应的补偿方法。实验结果表明,补偿后闭环辨识得到的电感随电流的变化曲线与有限元分析结果基本吻合,辨识出的电阻和磁链与实际测量和计算值偏差很小,证明了该文参数辨识及补偿方法的有效性。由于所辨识到的参数是控制电机运行时的等效参数,因此该文方法对控制器及电机的设计改进提供了依据。     

基于小增益定理的非线性系统的自适应动态面控制

针对一类具有未知死区的严格反馈不确定非线性系统,基于输入状态稳定理论和小增益定理,利用T-S模糊系统的逼近能力,提出一种自适应模糊控制方案.该方案取消了死区模型参数上下界已知的假设和虚拟控制增益要求可微的假设;利用动态面控制技术,将一阶滤波器引入后推设计中避免了传统后推方法中对虚拟控制反复求导而导致的计算复杂问题.通过构造2个耦合的子系统满足输入状态稳定条件,利用小增益定理分析证明闭环系统半全局一致终结有界,且选取适当的设计常数,跟踪误差可收敛到零的一个小邻域内.     

一类非线性系统综合自适应模糊控制

针对一类非线性系统把模糊控制、模糊逻辑逼近及模糊滑模控制相结合，提出一种综合自适应模糊控制方法．基于李亚普诺夫函数系统参数的自适应律，不需要最小逼近说差平方可积条件，而且利用模糊滑模控制补偿模糊系统的逼近最差及外部干扰对输出跟踪误差的影响，理论证明了闭环系统稳定，跟踪误差收敛到零或零的一个小邻城内．仿真表明了算法的有效性。     

通信延迟下自适应容错控制及其在航天器编队中的应用

为解决编队系统存在的参数模型变动范围不可预测、执行器部分失效等问题,设计提出了一种自适应鲁棒容错编队控制方法。给出航天器相对位置非线性动力学模型,设计了自适应鲁棒容错控制器,并且分别设计自适应律估计故障大小、质量和外界扰动上界,同时分析了闭环系统的Lyapunov稳定性,给出系统稳定所需要的条件。数值仿真结果表明,提出的控制方法能实现编队跟踪控制的目标,位置跟踪稳态误差小于1.5×10^-3m,速度跟踪稳态误差小于1.8×10^-5m,验证了所提出方法的有效性。     

基于模糊补偿的深海作业级远程操控潜水器#br# 自适应位姿控制

摘要： 针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响，设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩，并分析了干扰力/力矩的变化特性，利用模糊逻辑系统(FLS)进行逼近，设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器；同时，为了消除逼近误差的影响，设计了稳健自适应控制律.结果表明：FLS能够以较高的精度逼近ROV所受到的干扰力/力矩；所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.