基于光滑二阶滑模的机械臂轨迹跟踪控制

针对机械臂系统具有的强非线性、强耦合、多输入多输出、不确定性等特点,提出一种多变量光滑二阶滑模轨迹跟踪控制方法,该方法能够有效地消除传统滑模控制中固有的抖振现象,并且具有较快的收敛速度.采用李雅普诺夫稳定性理论证明了所提方法具有有限时间收敛性.最后,将所提方法应用于存在模型不确定性以及外界干扰的两关节机械臂轨迹跟踪控制...     

机械臂模糊超螺旋二阶滑模轨迹跟踪控制

针对工业机械臂模型误差和外部干扰等不确定性因素对末端轨迹跟踪精度的影响,设计了一种新的模糊自适应超螺旋二阶滑模轨迹跟踪控制方法。基于机械臂动力学模型,设计一种新的非奇异终端滑模面,采用超螺旋算法设计二阶滑模控制律;为解决滑模控制只能在已知扰动边界的情况下对匹配扰动进行补偿问题,结合模糊推理算法实现对系统未知不确定性的在线补偿,采用Lyapunov理论证明了闭环控制系统的稳定性。仿真与实验对比表明：该控制方法可使机械臂在复杂不确定性因素下实现末端轨迹精确跟踪,并对系统抖振现象进行有效抑制。     

非完整移动机器人的自适应滑模轨迹跟踪控制

针对动力学模型描述的非完整移动机器人系统，研究了其在未知参数和不确定性干扰下的轨迹跟踪控制问题，基于反演技术和自适应滑模控制的思想设计了具有全局渐近稳定的轨迹跟踪控制律。谊控制律将系统分解为低阶子系统来处理，利用中间虚拟控制量和部分Lyapunov函数简化了控制器设计，并具有直观的稳定性分析．满足了移动机器人的轨迹跟踪要求，且具有设计方法简单、鲁棒性强的特点。仿真结果验证了所设计控制器的有效性和正确性。     

机械臂系统的一种自适应滑模控制方法

针对一类不确定性多输入多输出动态系统给出了一种新的自适应滑模控制方法，而后基于多刚体动力学建立了一个自由飞行机器人（FFR）的动力学模型，并应用此方法于FFR的控制，数学仿真实验验证了方法具有很好的鲁棒性和实用性。     

基于动态面的机械臂轨迹跟踪神经网络自适应算法

针对由直流电机驱动的多自由度机械臂轨迹跟踪系统,提出一种基于动态面反演的RBF神经网络自适应算法,该算法利用动态面反省控制技术,一方面解决系统的非匹配不确定性问题,另一方面有效地解决系统的“计算膨胀”问题,并通过RBF神经网络对系统中的外界扰动进行逼近,实现神经网络自逆应反凉控制,最后通过Lyapunov稳定性理论证明所得闭环系统的半全局一致最终有界。仿真结果证实该算法的有效性。     

欠驱动机械臂无源-自适应迭代学习控制

针对一类欠驱动串联机械臂,基于其动力学方程的变换,提出了一种分步控制策略。该策略首先利用全驱动关节与欠驱动关节之间的动力学耦合,驱使欠驱动关节达到理想位置进而对其进行锁定。由于欠驱动关节理想夹角的随机性,使得锁定欠驱动关节后的机械臂成为一结构不确定系统。针对此类系统,结合迭代学习和耗散控制理论,提出了一种无源-自适应迭代学习控制方法,使其能够进行轨迹跟踪。通过对三连杆机械臂的仿真验证了其有效性及实用性。     

基于神经网络的机械臂分散自适应跟踪控制

提出了一种适用于机械臂的基于神经网络的分散自适应轨迹跟踪控制方法。将机械臂的轨迹跟踪控制系统考虑为由多个非线性关联组成的不确定性复杂系统,采用分散控制方法进行控制器设计。在对每一子系统设计控制器时,采用直接反馈线性化,利用控制器构建伪线性系统,并引入神经网络自适应环节消除干扰、关联及逼近误差,从而使所提出的控制方法能够保证系统状态有较高的跟踪精度,且算法简单,易于实现。仿真表明,该算法能保证较高的跟踪效果。     

空间电磁对接轨迹跟踪的自适应控制

面向在轨服务的空间电磁对接技术能克服传统基于推力器对接所固有的不足,应用前景广阔。航天器对接是一个相对距离逐渐减小的过程,应用于控制器设计的解析远场电磁力模型具有强非线性,且模型误差随相对距离的减小而逐渐增大。基于Lyapunov稳定性理论开展空间电磁对接轨迹跟踪控制器的自适应设计,通过控制参数在线修正以消除模型的不确定性以及外界干扰的影响;开展控制参数整定分析,证明了自适应控制策略的渐近稳定性。理论分析及仿真结果表明,空间电磁对接的自适应控制策略是可行的,并且具有渐近稳定性。     

掘进机器人截割臂建模与控制

分析了掘进机器人截割臂的结构特点及动力学特性,建立了截割臂横摆动力学模型.利用了滑模控制算法对参数变化和扰动不灵敏特点,对截割臂横摆角度和长度控制进行了研究,并利用自适应技术对不确定负载进行在线估计.对截割臂横摆角速度跟踪控制和水平截割控制进行了仿真.仿真结果表明该方法是可行的,对煤岩特性变化具有较好的鲁棒性.研究结论为掘进机器人的煤岩截割控制及快速断面成形问题提供了重要的理论指导.     

基于观测器设计的移动小车自适应轨迹跟踪控制研究

提出了一种基于观测器设计的自适应轨迹跟踪控制算法，在无法准确测量移动机器人位姿的情况下，基于其完整动力学模型，实现机器人轨迹跟踪控制问题。方法考虑了实际参数的移动机器人完整动力学模型，将位姿观测器和自适应控制策略相结合，设计了一种移动机器人完整的自适应观测器轨迹跟踪控制策略。仿真结果表明该控制策略的正确性和有效性。     

一种移动机器人自适应轨迹跟踪控制算法研究

针对轮式移动机器人的轨迹跟踪问题,提出了一种基于运动学模型的自适应轨迹跟踪控制算法。在分析经典轨迹跟踪控制律缺点的基础上,算法中引入了机器人位姿误差的纵坐标误差以加速机器人的轨迹逼近速度,并采用人工场和位姿误差协同作用来共同完成机器人的导向控制。该控制律结构简单,鲁棒性强。仿真实验表明该方法使移动机器人具有更理想的逼近轨迹。     

3-RRRT型并联机器人自适应神经网络滑模控制

研究3-RRRT型搬运并联机器人的一种基于RBF神经网络的直接自适应滑模控制方法.根据机器人的系统动力学模型特点,基于Lyapunov函数的综合设计方法和滑模控制理论,利用RBF神经网络与自适应技术相结合,提出了一种控制律,然后利用MATLAB进行了系统控制仿真.结果表明,采用这种直接自适应神经网络滑模控制方法3-RRRT型并联机器人在有周期干扰的情况下,达到了较高的控制精度,其闭环系统具有较强的自适应性和鲁棒稳定性.     

基于强化学习的指挥控制Agent适应性仿真研究

应用人工智能中的学习技术来赋予战争模拟系统中的智能Agent适应能力，是基于CAS理论的战争复杂性研究的基础内容之一。面对战争系统中复杂动态的环境，传统的监督学习方法不能很好满足智能Agent实时学习的要求。而强化学习却可以很好的适应这种动态未知的环境。文章引入强化学习技术对战争系统中指挥控制Agent的适应性进行建模仿真研究。实验结果表明强化学习技术能很好的满足指挥控制Agent无师在线实时学习的要求，从而为战争模拟系统中的智能Agent的适应性机制提供良好的建模手段。     

基于径向基函数网络的强化学习在机器人足球中的研究

与监督学习从范例中学习的方式不同，强化学习不需要先验知识，而是具有从经验中学习的能力，将强化学习应用在大状态空间中，必须应用函数逼近的方法，如使用径向基函数网络建立输入和输出的映射关系。本文对基于径向基函数网络的强化学习在机器人足球这样的动态的多智能体环境中的应用进行了研究。实验结果证明了研究方法的可行性。     

液压伺服并联机器人的自适应鲁棒跟踪控制

针对液压伺服并联机器人存在参数不确定性及外界干扰的特点，通过构造一合适的储能函数，设计了一种自适应鲁棒跟踪控制器，利用所选取的评价函数，可以将外界干扰有效地抑制在任意希望的给定指标以下。所设计的闭环系统对参数变化具有完全的自适应性，并实现了系统轨迹的渐近跟踪，仿真结果表明了该方法的有效性。     

基于Backstepping的机器人鲁棒跟踪控制

针对机器人跟踪控制问题，提出了基于Backstepping方法下的滑模变结构控制律，并利用低通滤波器(LPF）削弱了滑模控制中出现的抖振现象，该控制律能保证轨迹跟踪误差的快速收敛性及对外部扰动和参数不确定性的鲁棒性。仿真实例证实了理论分析结果的正确性。     

自主移动机器人中基于强化学习的噪声消解策略

基于行为的自主移动机器人在获取外界信息时不可避免地会引入噪声，给其系统性能造成一定的影响。提出了一种基于过程奖赏和优先扫除(PS-process)的强化学习算法作为噪声消解策略。针对典型的觅食任务，以计算机仿真为手段。并与其它四种算法——基于结果奖赏和优先扫除(PS-result)、基于过程奖赏和Q学习(Q-process)、基于结果奖赏和Q学习(Q-result)和基于手工编程策略(Hand)进行比较。研究结果表明比起其它四种算法，本文所提出的基于过程奖赏和优先扫除的强化学习算法能有效降低噪声的影响，提高了系统整体性能。     

3-RRRT并联机器人解耦的反演自适应动态滑模控制

针对3-RRRT型搬运机器人提出一种解耦的反演自适应动态滑模控制方法,以提高控制精度和鲁棒稳定性。首先利用非线性补偿方法将系统解耦成线性系统,运用一阶动态滑模设计新的滑模面,然后利用基于李亚普诺夫函数的Backstepping控制设计方法和自适应控制技术,设计了全局渐近稳定的系统控制器,最后利用MATLAB进行了系统控制数值仿真,结果表明,对3-RRRT型并联机器人的这种强耦合的、具有不确定性的非线性系统,采用该解耦的反演自适应动态滑模控制方法,可以达到理想的控制精度,并能保障系统的鲁棒稳定性。