一种机器人轨迹跟踪控制的迭代学习方法

针对机器人轨迹跟踪控制,提出了一种改进的D型迭代学习控制律.通过推导得出在机器人操作臂轨迹控制中的开环迭代学习控制律,得出的控制律除了利用机器人的关节位置及关节速度信息外,还引入了机器人的关节角加速度.另外,利用控制律中的机器人关节角加速度构成的学习律在二关节操作臂上进行了试验并且与Arimoto等提出的D型学习律进行了比较,结果表明所提出的控制律具有较高的学习速度.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

迭代学习控制的研究与应用

文章论述了迭代学习控制的基本原理,着重分析了迭代学习控制的算法,对学习律、收敛性、鲁棒性、初值及学习速度等问题的最新进展作了比较详尽总结,最后讨论了其工程应用和展望。     

时滞系统的PID型迭代学习控制

通过对智能控制、人工智能、自动控制和控制论的相互关系的分析和总结,提出了时滞系统中应用迭代学习控制的思想方法,给出了时滞系统PID型迭代学习算法,并在理论上证明了算法的收敛性     

基于迭代学习控制的下肢外骨骼康复训练机器人运动策略

将具有不依赖系统模型精度,并且能够通过不断学习实现高精度控制等优点的迭代学习策略应用于下肢康复训练机器人运动控制.通过分析人体下肢结构与运动特征,得到下肢外骨骼系统各关节的空间位置参数;采用拉格朗日法对下肢外骨骼康复训练系统进行动力学分析,设计迭代学习控制器.仿真结果表明：迭代学习控制策略能够实现高精度跟踪期望轨迹的目标.     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略.利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真.仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高.     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略。利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真。仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高。     

分数阶线性系统初值学习的PDα型迭代学习控制

针对分数阶线性时不变系统的随机初值问题,提出了基于初值学习的PDα型分数阶迭代学习控制算法,利用λ-范数,对控制算法的收敛条件进行了严格证明,并利用仿真实验进行验证.理论分析和仿真实验表明,系统初值不论如何取值,在该算法作用下,随着迭代次数的增加,都能实现系统输出对期望输出的精确跟踪.相比传统的PDα型控制算法,该算法解决了传统控制算法要求系统初值与期望初值相同的限制,消除了随机初值对系统的影响.     

柔性脚踝康复机器人自适应迭代学习控制

为解决气动肌肉驱动的脚踝康复机器人实际控制中,无模型自适应迭代学习控制在系统噪声干扰下或初始拟伪偏导选择不当会导致算法收敛速度过慢、控制效果差的问题,提出一种基于高阶拟伪偏导整定的无模型迭代学习控制方法,并设计基于零化神经网络误差递归的迭代学习控制律．通过引入系统观测数据对初始拟伪偏导进行修正,减少拟伪偏导初始值的选取对于算法收敛速度的影响;通过设计抗噪声零化神经网络控制律,减小系统噪声对控制性能的影响,进而实现噪声环境下柔性康复机器人的高性能轨迹跟踪．仿真实验结果表明在噪声环境下能够利用较少的迭代轮次降低最大跟踪误差．机器人实际控制实验结果表明：该方法能够在7次迭代后使气动肌肉平均跟踪误差控制在2%以内,并且在不同初始拟伪偏导条件下均能获得较好的收敛性和轨迹跟踪性能．     

飞行器航迹角系统有限时间跟踪自适应迭代学习控制

针对不确定飞行器航迹角系统航迹倾角的跟踪控制问题,给出了有限时间跟踪控制的自适应迭代学习控制(AILC)方法。通过控制输入量舵面偏角来控制飞行器航迹倾角,使得飞行器航迹倾角的跟踪误差在有限时间内收敛于零,其中引入了典型的收敛级数来处理模型中的不确定部分,并利用李雅普诺夫(Lyapunov)稳定性定理给出了严格的稳定性分析。最后通过数值仿真验证了该方法的有效性。     

控制时滞系统的遗忘因子迭代学习算法研究

提出遗忘因子是关于迭代次数的函数,简化了传统遗忘因子迭代学习控制算法的收敛条件,并给出了收敛性分析.将改进收敛条件的遗忘因子迭代学习控制算法应用于一类带控制时滞的线性系统,给出了仿真实例.仿真结果表明,在改进的收敛条件下,合理地选择遗忘因子函数,带遗忘因子的PD型迭代学习控制算法在研究的控制时滞线性系统应用之下具有一定的有效性和优越性.     

Adaptive trajectory tracking control of two-wheeled self-balance robot

Wheeled mobile robot is one of the well-known nonholonomic systems.A two-wheeled self-balancerobot is taken as the research objective.This paper carried out a detailed force analysis of the robot andestablished a non-linear dynamics model.An adaptive tracking controller for the kinematic model of anonholonomic mobile robot with unknown parameters is also proposed.Using control Lyapunov function(CLF),the controller's global asymptotic stability has been proven.The adaptive trajectory trackingcontroller d...     

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。     

一种新的移动机器人路径跟踪控制策略

阐述了移动机器人路径跟踪控制的原理,分析了移动机器人的位姿误差,通过对误差矢量进行降维处理提出了一种有效的跟踪控制策略.     

基于滤波滑模控制的空间柔性机器人系统控制仿真研究

针对一种刚柔结合的空间冗余度机器人,基于拉格朗日法、假设模态法和系统动量守恒对柔性连杆进行近似描述,忽略高阶弹性振动模态,借助Maple软件,推导了一种自由浮动空间柔性冗余机器人操作刚性负载的动力学模型,该方法提高了建模的正确性.并在此基础上,鉴于自由浮动空间机器人系统的结构复杂性和参数变动性,运用具有较强鲁棒性的滑模变结构控制对该动力学模型实现了轨迹跟踪控制,较好地抑制了柔性杆弹性振动,并减小了对本体的影响.最后进行了自由浮动三自由度柔性冗余度机器人的动力学控制仿真,仿真结果验证了上述控制方法的有效性.     

基于前馈补偿的关节机器人轨迹跟踪控制研究

针对关节机器人的轨迹跟踪控制问题,利用前馈控制的思想,设计了常规PID控制前馈补偿项,有效提高系统的跟踪性能。将该方法应用于GR-II型两关节机器人系统,仿真实验表明该控制方法能保证系统良好的轨迹跟踪性能,并能有效抑制干扰,与常规PID控制效果对比,有更好的控制性能。     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调...     

一种非完整移动机器人有限时间跟踪控制算法

针对非完整移动机器人的轨迹跟踪控制问题提出了一种有限时间控制算法 .与基于非连续状态反馈的有限时间控制算法相比 ,该控制算法更适合于工程应用 .设计了 2个连续状态反馈的控制律分别渐近镇定前向角和平面坐标跟踪误差 .由此得到的闭环系统是齐次的并且具有负的齐次度 .结合齐次系统的有限时间稳定性结果和Lyapunov方法 ,证明了在这些控制律作用下 ,对满足一定角速度条件的期望轨迹 ,非完整移动机器人能够实现全局跟踪 ,并且能够在有限时间内完全跟踪上期望轨迹 .仿真结果表明了该方法的有效性 .     

基于克隆选择算法的优化迭代学习控制

将改进的克隆选择算法用于求解迭代学习控制中的优化问题,提出一种基于克隆选择算法的优化迭代学习控制.通过一个特殊设计的高斯变异操作,采用实数编码的克隆选择算法不但可以解决迭代学习控制中的非最小相位和非线性问题,而且可以很好地处理系统输入的约束问题.此外,由于更多的先前信息被编码进克隆选择算法中,减小了搜索空间,从而大幅提高了算法的收敛速度.仿真结果表明,对于所选线性和非线性被控对象该策略都能够取得满意的收敛效果.