轮式移动机器人轨迹跟踪控制方法

针对轮式移动机器人轨迹跟踪这一典型控制任务,提出了基于模糊控制规则的滑模控制方法。该方法采用等速趋近律,利用连续函数代替符号函数获得切换控制律,最后运用Lyapunov理论证明系统的稳定性。仿真结果表明该方法不但能够有效的跟踪机器人的参考轨迹,还能有效的减少在控制中的抖振现象。即使存在外界干扰的情况下,也具有良好的控制品质。     

基于反步法的SCARA机器人轨迹跟踪控制

针对SCARA机器人轨迹跟踪问题,提出了一种基于反步法的轨迹跟踪控制方法。利用反步法设计控制器的虚拟控制和实际控制量,基于李雅普诺夫稳定理论设计的控制律能够实现对机器人的轨迹跟踪,并确保闭环系统为全局稳定。仿真结果验证了算法的有效性,所设计的跟踪闭环系统一致全局渐近稳定,有效提高了轨迹跟踪控制精度,保证了跟踪误差信号的收敛。     

轮式移动机器人滑模轨迹跟踪控制

对质心与几何中心不重合的轮式移动机器人轨迹跟踪问题进行了研究.分析了轮式移动机器人运动学的数学模型,并在反演(backstepping)控制算法的基础上设计了变结构控制的切换函数,由此构造了具有全局渐进稳定性的滑模跟踪控制器.仿真结果表明了该方法的有效性和正确性.     

基于反步法的机器人鲁棒跟踪控制

针对不确定性机器人的跟踪控制问题,设计出了基于反步法的控制器。该方法首先将机器人动力学模型通过线性反馈得到了两个子系统,然后对每个子系统分别构造李雅普诺夫函数来保证渐近稳定,从而达到了对机器人系统跟踪误差渐近稳定控制的目的.最后以两关节机器人为例进行仿真,仿真结果表明基于反步法的控制器是有效的.     

基于自适应MPC的无人驾驶车辆轨迹跟踪控制

根据自适应模型预测控制相关原理,设计一种无人驾驶车辆的轨迹跟踪控制策略.基于车辆动力学模型,建立轨迹跟踪控制器,并设计目标函数与相关约束,利用自适应MPC(model predictive control)控制算法对其进行求解.在每一个控制时刻工作点,不断更新卡尔曼状态估计器相关增益系数矩阵以及控制器的状态来适应无人驾驶车辆当前的工作环境,以此补偿车辆的非线性以及状态测量噪声带来的影响.在MATLAB中搭建仿真模型并进行仿真验证,得出自适应MPC对于无人驾驶车辆的轨迹跟踪拥有较好的控制精度与鲁棒性,验证了该算法应用在轨迹跟踪控制层的有效性,为轨迹跟踪控制的研究提供了参考.     

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%。     

基于积分反步法的四旋翼飞行器轨迹跟踪控制

四旋翼飞行器的姿态动力学模型是多输入多输出(MIMO)、强耦合和非线性的。首先,对四旋翼飞行器动力学进行了数学建模。接着,提出了一种基于积分型的反步控制方法应用于四旋翼飞行器的稳定飞行及轨迹跟踪控制。通过引入跟踪误差的积分项,从而降低飞行器进行轨迹跟踪时的稳态误差。整个控制系统采用双闭环回路结构,内回路用于稳定飞行器的姿态角,而外回路用于控制飞行器的高度和水平方向的位移。最后,通过与传统的反步(Backstepping)控制法做实验对比,结果表明,应用积分反步(Integral Backstepping,IB)控制算法的飞行器能够较为精确地完成飞行器轨迹跟踪的任务。     

船舶航向跟踪系统自适应滤波反步终端滑模控制

针对船舶航向非线性系统,提出了一种基于自适应滤波反步法的终端滑模控制器. 系统由二阶非线性野本模型和舵机响应模型串联组成,考虑了模型不确定性和外部干扰等未知项,并由模糊系统对未知项进行在线逼近. 首先引入二阶低通滤波器,避免了对虚拟控制律的解析求导,从而简化了反步控制器的设计,而且滤波器的低通特性可大大减小测量噪声的影响;然后利用滤波反步法的结果设计了终端滑模面,并最终得到了使系统跟踪误差有限时间收敛的终端滑模控制器. 根据Lyapunov理论证明了闭环系统所有误差变量均是一致最终有界的. 仿真结果验证了所提方法的有效性.      

永磁同步电机的自适应反步滑模变结构的混沌控制

永磁同步电机的动力学特性表明在一定的条件下PMSM会呈现混沌特性行为.为了控制不良的混沌振动,设计了一个基于自适应反步法的滑模变结构非线性控制器.M atlab数字仿真表明,基于自适应反步法的滑模变结构控制器具有健全的控制性能,它能够消除混沌现象,并能把系统的跟踪误差和参数变化迅速地以指数规律收敛到零,使得系统具有较强的抗干扰性.     

基于改进反步法的四旋翼无人机轨迹跟踪控制

四旋翼无人机是一个欠驱动、强耦合、高度不稳定的非线性系统.无人机系统的鲁棒性和抗干扰能力是飞行控制的关键问题.在经典反步控制(classical backstepping control,CBC)方法的基础上,增加了误差积分和饱和函数,设计了积分饱和反步控制(integral saturation backstepping control,ISBC)策略,用于抵抗无人机飞行过程中受到的常值干扰和变值干扰.系统的稳定性由Lyapunov稳定性定理证明.在MATLAB/SIMULINK环境下做了轨迹跟踪仿真实验.仿真结果表明,相比CBC控制策略,ISBC控制策略对四旋翼无人机系统有更好的抗干扰能力和优越的鲁棒性.     

基于一阶低通滤波器滑模反步法的直流电机位置控制

针对直流电机位置控制系统在负载扰动情况下存在控制精度低、响应速度慢和鲁棒性差的问题,提出了基于一阶低通滤波器滑模反步法的直流电机位置跟踪控制算法.通过滑模反步法进行虚拟控制实现直流电机实际位置控制.利用一阶低通滤波器计算虚拟控制项的导数,消除微分膨胀,使控制器设计简单,但同时造成了相位滞后.通过前馈环节对一阶低通滤波器造成的相位滞后进行补偿.考虑位置跟踪、虚拟控制和滤波误差设计线性动态滑模面,改进滑模变结构控制律的切换控制项,提高滑模趋近速度,同时降低系统输出抖振.定义了Lyapunov函数,证明系统稳定性.仿真实验对比了比例积分微分(proportion integration differentid,PID)控制和传统滑模控制算法,结果表明,该方法能够快速、准确地跟踪给定位置信号,同时具有较好的鲁棒性.     

带测量噪声干扰的无人驾驶汽车路径跟踪控制

提出了一种带有Kalman滤波器的最优预测控制结构,用于无人驾驶汽车的路径跟踪控制.无人驾驶汽车对道路环境与车体状态的感知一般通过GPRS、雷达、摄像机、陀螺仪等获得,测量过程往往带有噪声.带有Kalman滤波的最优预测控制器,与不考虑噪声干扰的最优预测控制器相比,产生比较平滑的控制序列,减少了机械损耗.     

基于反步滑模法的四旋翼飞行器的轨迹跟踪

研究了四旋翼飞行器的轨迹跟踪控制问题。首先根据经典的动力学模型建立惯性坐标系下带有扰动的四旋翼方程。其次将系统划分为姿态子系统和位置子系统,对姿态子系统的轨迹跟踪控制,采用反步控制与滑模控制相结合的方法,根据飞行器的欠驱动和强耦合特性,利用反步控制方法实现位置子系统的轨迹跟踪控制。然后对系统进行稳定性分析。最后通过仿真实验结果验证所提出控制方法的有效性。     

基于滑模变结构控制的液压伺服系统超低速轨迹跟踪

为了实现液压伺服系统大摩擦力矩下的超低速轨迹精确跟踪,分析了系统中存在的非线性摩擦特性及摩擦模型.针对中空液压电机液压伺服系统,设计了基于趋近率的滑模变结构控制器,进行了阀控中空液压电机伺服系统实验研究.结果表明:滑模变结构控制方案较PD控制策略具有更好的动、静态特性以及对参数变化和外界干扰的鲁棒性,实现超低速下的大摩擦力矩补偿.     

考虑道路曲率的多约束高速无人驾驶汽车横向跟踪控制方法

为了提高模型预测控制(model predictive control, MPC)方法在高速无人驾驶汽车横向跟踪中的有效稳定控制,建立考虑横摆、侧滑和曲率等因素的高速车辆动力学模型,提出基于三次贝塞尔曲线的连续自适应分段拟合法以获取道路曲率,然后设计考虑车辆滑移稳定性约束、道路环境约束和轮胎纵横向耦合力约束,以车辆高速跟踪过程中的航向偏差、横向偏差以及滑移率等二次型最优为目标进行求解的MPC控制器。仿真案例基于MPC方法,搭建CarSim/SimuLink联合仿真模型,研究高附着路面恒定高速和低附着路面变速2种仿真工况。研究结果表明：车辆在恒定高速工况下以不同的车速在不同曲率的道路行驶时横向跟踪误差在0.6 m以内,优化的前轮转向角最大值为0.1 rad,横摆角速度-横向速度相平面也在包络线之内,车辆在大曲率路径跟踪时,平均横向跟踪误差0.221 9 m,平均横摆角速度为0.180 8 rad/s,较不考虑道路曲率/滑移稳定性约束的跟踪效果显著提升;低附着路面小曲率/大曲率路径变速工况下,车辆考虑轮胎耦合力的前轮转向角约束较未考虑时的横向跟踪误差显著减小(其中低附着路面小曲率路径工况的...     

工业机器人轨迹跟踪的自适应模糊变结构算法

为提高工业机器人的轨迹跟踪控制性能,提出了一种自适应模糊变结构控制算法,即对滑模区中趋近运动的趋近律进行重新设计,新设计的趋近律能够随着机器人轨迹跟踪误差的改变而做出相应变化,从而使设计后系统的抖振减小,滑模过程中的趋近运动得到改善,控制性能也得到提高.针对该算法设计了自适应模糊变结构控制器,并与其他方法做了实验对比分析,结果表明该算法的响应速度、跟踪精度等更优.     

反步法及其在自适应控制中的应用

本文针对一类严参数反馈系统或经过变换可化为该种类型的非线性系统,基于反步(backstepping)递推设计方法,进行了自适应控制的设计。在此过程中,我们获得了对参数进行修正的规则。应用Lyapunov稳定性理论证明,该自适应控制器可保证整个非线性系统的鲁棒稳定性。和有关文献中提出的设计自适应控制器所应用的方法相比,反步法引进了虚拟控制的概念,通过适当的引入虚拟控制,使得系统误差具有期望的渐近形态,从而实现整个系统的渐近镇定。     

并联机器人轨迹跟踪积分变结构控制的研究

根据并联机器人控制的特点，将积分变结构控制理论应用于半联机器人的轨迹跟踪，同时引入了趋近律。给出了积分变结构控制规律。仿真表明，该方法对并联机器人轨迹跟踪具有很好的控制效果。     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的