综合电机特性的柔性关节空间机器人全阶滑模控制

研究柔性关节空间机器人轨迹跟踪及关节柔性振动主动抑制问题.导出综合电机特性的动力学模型,且基于奇异摄动理论将其分解为快、慢变子系统.针对快变子系统,采用速度差值反馈控制;针对慢变子系统,提出一种基于径向基神经网络的全阶滑模控制.其中径向基神经网络用于逼近系统未知非线性项,全阶滑模兼备结构简单、鲁棒性强等优点的同时,还能克服抖振问题.系统数值仿真结果证明了所提方案的有效性.     

基于奇异摄动理论的机器人关节控制研究

针对机器人柔性关节存在位置控制精度低的问题,在考虑关节内部非线性摩擦和外界扰动等因素的情况下,建立柔性关节动力学模型,提出基于奇异摄动理论的干扰观测器滑模控制方法,利用该控制方法对关节控制系统进行Lyapunov稳定性分析和MATLAB仿真.结果表明,基于奇异摄动理论的干扰观测器滑模控制方法能够减小关节内部非线性摩擦和...     

边界层厚度可变的柔性关节空间机器人两级滑模控制

针对空间机器人关节的快速跟踪控制问题,提出一种边界层厚度可变的两级滑模控制方法. 首先对研究对象建模,运用拉格朗日法推导出系统的动力学方程. 考虑其刚柔混合特性,结合奇异摄动理论,将系统分解为快、慢变两个子系统,对快变子系统设计了速度差值反馈控制方法,对慢变子系统设计了两级滑模控制方法,并引入边界层厚度可变的饱和函数来解决系统的振荡问题. 最后利用数值仿真进行了验证.     

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。     

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.     

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.     

基于终端滑模的多关节机器人跟踪控制

针对具有不确定性干扰的多关节机器人系统的轨迹跟踪控制问题,利用终端滑模控制方法,给出了全局有限时间跟踪控制器设计;首先,根据多关节机器人动力学模型的特点,基于非奇异终端滑模控制技术并利用滑模设计思想,设计了轨迹跟踪滑模控制器;在该控制器的作用下,跟踪误差不仅能够在有限时间内从任意初始状态到达滑动面,而且也能在有限时间内沿着滑模收敛到原点;其次,由于所设计的控制器的非连续性,将会使得系统产生抖振现象;针对这个问题,利用修正的饱和函数来代替控制律中的符号函数,从而消除了系统的抖振问题;最后,仿真算例表明了该方法的有效性。     

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.     

自由浮动空间柔性机械臂轨迹跟踪与振动抑制

针对带有效载荷的3连杆全柔性空间机械臂,讨论了对有效载荷运动轨迹跟踪的快速终端滑模控制和连杆柔性振动主动控制问题.基于假设模态法、拉格朗日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,推导了一种自由浮动空间柔性机械臂操作刚性有效载荷的动力学模型.在此基础上,采用奇异摄动法将系统模型分解为慢变和快变2个子...     

自由漂浮双臂空间机器人关节空间轨迹跟踪的变结构滑模控制

利用多刚体系统动力学的方法对载体位置、姿态均不受控制的浮动基双臂空间机器人系统的运动学、动力学作了分析,并结合系统的动量守恒及动量矩守恒关系建立了系统的动力学方程.以此为基础,对双臂空间机器人关节追踪关节空间期望轨迹的控制问题作了研究.考虑到双臂空间机器人系统的结构复杂性及某些参数的变动性,根据具有较强鲁棒性的变结构滑模控制理论,设计了轨迹跟踪控制的变结构滑模控制方案.此控制方案的优点在于:在操作过程中不需要对双臂空间机器人载体的位置、姿态进行主动控制,因此将大大减少位置、姿态控制装置的燃料消耗.通过对该机器人系统的仿真计算,证实了文中提出的变结构滑模控制方案的有效性.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。     

不确定扰动情况下耦合Duffing混沌系统的广义投影同步的神经滑模控制

针对两自由度耦合Duffing混沌系统的广义投影同步控制的问题,提出了一种神经滑模控制器的设计方法.基于RBF神经网络构造系统的滑模控制器,设计自适应更新率对神经网络的网络权值进行在线调节,形成滑模控制器切换增益的自适应更新,利用Lyapunov方法证明了受控系统的稳定性.数值模拟结果表明,所设计的神经滑模控制器不但能有效降低响应系统的抖振,改善受控系统的动态品质,而且具有鲁捧性,在不确定扰动情况下仍能较好地控制驱动系统和响应系统间的混沌广义投影同步.此外,该控制器允许任意调整参数λi(i=1,2,3,4)的值得到不同类型的混沌广义投影同步.     

基于模糊神经网络的滑模控制算法

提出了一种基于模糊神经网络的积分滑模控制算法。该算法利用模糊神经网络系统来代替传统的等效控制项,消除了其对数学模型的依赖;切换控制项则采用积分型变切换增益,有效地削弱系统抖振。该算法以永磁同步电机伺服系统为对象进行仿真研究。仿真结果表明,该方法控制精度高,鲁棒性强,有效提高了系统的控制性能。     

基于二阶Adaline网络的滑模变结构控制器

针对一般神经网络滑模控制系统在线训练时间长、实时性差的问题,提出一种自适应神经滑模变结构控制系统。该系统主要由二阶Adaline网络辨识器、滑模控制器和变结构二阶学习算法估值器组成。其中二阶Adaline网络是对原Adaline网络的改进,在其输入样本向量中增广了有关样本的二次项,相当于用时变二次多项式去逼近非线性系统,既有原Adaline网络训练速度快的优点,又具有一定非线性逼近能力;滑模控制器根据辨识误差自适应调整趋近律中的增益参数;而变结构二阶学习算法首先对递推近似Newton法进行简化,然后将其改造成一种新型的变结构算法,具有较快的收敛速度。针对同一非线性系统,采用常规神经滑模变结构控制存在较小的抖振,平均调节误差为0.0913;而采用自适应神经滑模变结构控制很快趋于平稳,几乎消除高频抖振,平均调节误差为0.0109。仿真结果证明了该方案的有效性。     

基于模糊分数阶滑模控制的永磁同步电机控制

针对传统一阶滑模控制中存在的抖震和模糊控制系统静差问题,结合滑模控制和模糊控制的优点,引入分数阶微积分理论,提出基于模糊分数阶滑模控制的永磁同步电机速度控制系统,给出模糊分数阶滑模控制器的设计方法,并对该控制器的性能进行了分析.仿真和实验表明,文中提出的模糊分数阶滑模控制系统不但具有较好的控制性能,而且具有对外部负载扰动的鲁棒性.     

基于神经网络的三相Vienna整流器全局快速终端滑模控制

针对Vienna整流器采用传统PI控制输出电压超调大,功率因数低,当系统参数发生变化时难以收敛,对交流侧输入电流干扰大等问题,提出一种基于神经网络的全局快速终端滑模控制策略。针对系统参数在实际环境中发生摄动和受到外界扰动,重新建立系统的不确定模型,将不确定项合并为总扰动并利用所建立自适应神经网络对其进行估计,并运用Lyapunov定理证明该非线性控制系统在系统参数摄动及外界扰动中可实现有界稳定。仿真结果表明:利用该方法提高了Vienna整流器功率因数,有效优化了输出电压超调高的问题并且有效降低了系统的谐波污染。最后搭建了实物样机,实验结果验证了上述结论的正确性。采用文中方法电压未出现超调,并且稳态响应时间减少了69%,切换负载电压波动减少了87%,动态响应时间减少了84%,谐波含量减少了68%。     

燃料电池空气供应系统自适应神经网络滑模控制

聚合物电解质膜燃料电池(polymer electrolyte membrane fuel cell, PEMFC)空气供应系统易受参数不确定性和外部干扰的负面影响,难以实现高精度数学建模和鲁棒控制.设计了一种自适应神经网络滑模控制器,用于将PEMFC空气供应系统过氧比调节至其最优参考值,以维持最大系统输出净功率并避免氧饥饿.利用径向基函数神经网络在线逼近系统的未建模动态,而无需对外部干扰与模型参数摄动的界的先验信息.由Lyapunov理论分别推导出神经网络权值和滑模增益的自适应律,以保证闭环系统稳定性.仿真结果表明,所设计的控制器不仅改善了过氧比控制的动态行为,还有效减弱了控制输入的大幅超调和抖振.     

基于整车的半主动油气悬架滑模控制研究

以提高平顺性为目的,针对油气悬架整车设计了以天棚阻尼为参考模型的滑模控制系统,对4个悬架的阻尼力分别进行控制,建立了非线性半主动油气悬架的七自由度整车模型,使被控车辆振动响应能够跟随参考模型.在Matlab环境中对滑模控制系统的性能进行了验证,仿真车辆以54km/h的速度行驶于D级路面,与被动油气悬架相比,模型参考滑模控制系统能够有效衰减簧载质量的垂向振动、俯仰振动和侧倾振动.结果表明,基于油气悬架整车的模型参考滑模控制系统对路面激励和车辆参数变化具有较强的鲁棒性,适合应用于非线性油气悬架阻尼控制.     

基于函数联接神经网络液压驱动机械手的自学习控制

针对两自由度液压驱动机械手的轨迹跟踪控制问题,分析研究了神经网络自适应控制的特点,在此基础上提出了基于函数联接神经网络液压驱动机械手的自学习控制结构与控制算法·其控制结构着重智能知识的加强;控制算法以PD形学习规则为基础,运算结果不是直接参与控制,而是根据控制器作用于系统之后所产生的误差及其微分对控制器作出评价和修正·仿真和实验研究都取得了比较好的控制效果·