被动模式下肢外骨骼机器人的步态轨迹跟踪控制

针对被动模式下肢外骨骼机器人的步态轨迹跟踪控制问题,提出一种自抗扰控制(active disturbance rejection control,ADRC)策略.将系统未建模动态、系统间动态耦合和外部扰动视为总干扰,设计扩张状态观测器(extended state observer,ESO)进行估计,采用前馈方式进行补偿,从而抑制干扰的影响.通过设计的误差反馈控制器,实现对期望步态轨迹的跟踪控制,并给出ESO误差有界以及闭环系统稳定性的证明.仿真结果表明,所提的ADRC策略能准确跟踪步态轨迹,相比于比例积分微分(PID)控制和计算力矩控制方法,该策略不仅能保证良好的跟踪效果,还能有效抑制干扰.     

自抗扰控制技术的改进和应用

传统自抗扰控制器(active disturbance rejection control,ADRC)中的扩张状态观测器为李雅普诺夫意义下的渐近稳定,存在收敛速度不能保证的缺点.针对这一问题,将高阶滑模观测器理论引入到ADRC算法中替代扩张状态观测器,提出了一种跟踪精度更高、速度更快且具有更强抗扰能力的改进型ADRC器.并以四旋翼飞行器为研究对象,给出了不同情况下的传统ADRC器与引入高阶滑模观测器改进后的ADRC器的仿真对比.仿真结果表明通过引入高阶滑模观测器改进之后的自抗扰控制器具有更理想的控制效果.     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(active disturbance rejection controller, ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从5种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

基于自抗扰控制的SWATH船纵向运动控制

针对具有非线性、强耦合性及参数不确定性的小水线面双体船(small water-plane area twin hull,SWATH)纵向运动多变量控制系统,采用自抗扰控制(active disturbance rejection control,ADRC)多变量解耦控制方法设计鲁棒镇定控制器.ADRC主要特点是实时估计对象模型摄动和外扰的总和作用量,并在控制回路中加以补偿,实现对象的实时动态反馈线性化.建立了某型号SWATH纵向运动ADRC多变量解耦控制系统,并与线性二次型调节器控制效果进行比较.数值仿真表明,该控制器对模型的不确定性和外部扰动具有较好的鲁棒性和适应能力.     

遗传自抗扰在收卷张力控制系统中的应用

针对分切机收卷过程中存在的非线性、时变性、干扰性等问题,结合遗传算法(genetic algorithm,GA)和自抗扰控制器(auto disturbance rejection control,ADRC),建立一个稳定的收卷张力控制器.通过遗传算法全局寻优的特点,在线调整自抗扰控制器的重要参数,实现张力系统的自适应调节.在MATLAB/Simulink工具中建立基于遗传自抗扰控制器和常规PID(proportion integration differentiation)控制器的仿真模型,仿真及实验结果表明:该控制器相较于PID控制,抗干扰性强、鲁棒性高,维持了张力的稳定,有效提高了收卷质量.     

高速高精度电子齿轮箱自抗扰控制研究

针对展成法加工齿轮切削力呈周期性变化引起刀具与工件的相对位姿偏差,导致工件齿轮加工误差的问题,文章提出一种基于自抗扰控制(active disturbance rejection control, ADRC)的主从式电子齿轮箱(electronic gearbox, EGB)控制方法。首先,分析滚齿加工过程中机床各运动轴之间的联动关系,建立斜齿轮加工运动控制数学模型,确立主从式EGB结构模型;其次,建立EGB中各轴跟踪误差与工件齿轮齿廓偏差、齿距偏差和螺旋线偏差之间的数学关系,采用交叉耦合控制(cross-coupling control, CCC)补偿方式求解出各运动轴的补偿量,对从动轴进行补偿;然后,构建基于传统比例积分微分(proportional integral derivative, PID)控制和扩张状态观测器(extended state observer, ESO)的ADRC-EGB,评估EGB从动轴所受的干扰并进行补偿,提高其同步精度和鲁棒性。最后,在开放式实时半实物仿真平台开展滚齿加工运动模拟实验。结果表明该EGB控制结构相较于传统EGB具有更高的同步控制精度和抗...     

智能船舶路径跟踪自抗扰模型预测控制

针对智能船舶在航行过程中为抵抗多源时变环境干扰与模型不确定性的影响,常引起控制力发生突变,致使执行装置难以响应、船舶无法准确跟踪期望路径的问题,提出了一种自抗扰模型预测控制算法．该方法基于自抗扰控制思想,设计修改型扩张状态观测器(MESO)对系统的状态和总未知扰动进行估计,并基于估计值设计鲁棒补偿的模型预测控制算法(RC-MPC)．本文方法基于MESO,将复杂的船舶路径跟踪系统转化为含有干扰的线性仿射系统;同时,为避免鲁棒模型预测控制导致结果保守,设计了观测误差鲁棒补偿算法,提高了控制器的干扰抑制能力,增强了系统对模型失配的鲁棒性．结果证明了该自抗扰模型预测控制级联系统具有全局一致渐近稳定性,仿真实验验证了算法的有效性．     

一类沸腾式流化床系统的自抗扰控制

沸腾式流化床系统具有多变量耦合、大时滞、大惯性的特点,而自抗扰控制器(activedisturbance rejection control,ADRC)可以将多回路耦合看作干扰进行实时估计并加以补偿.为此在分析该类系统动态特性的基础上,设计了具有解耦能力的完全分散自抗扰控制器.针对含时滞的回路,并联加入误差的比例,改进了ADRC的控制效果;根据实际对象的控制要求,进行负荷给定值扰动和给煤量扰动仿真实验,与加入静态解耦环节的PI控制效果进行比较.结果表明,对于文中所述的一类多变量系统,本文所设计的自抗扰控制系统结构简单、参数整定方便,并且可以获得良好的控制效果和较强的鲁棒性.     

无人直升机自抗扰自适应轨迹跟踪混合控制

为满足无人直升机高精度轨迹跟踪的控制需求,并降低直升机动力学模型误差对飞行控制器飞行控制效果产生的影响,提出自抗扰自适应直升机混合控制.该控制器的内环控制采用模型跟随自适应控制,通过使用动量反向传播算法(MOBP)对该内环控制参数进行实时优化.通过使用自抗扰控制(ADRC)对直升机的水平速度进行控制.仿真结果表明,该混合控制器能够实现直升机对预定轨迹的跟踪.相对PID和级联ADRC控制,该控制器具有更好的抗扰性和鲁棒性.通过在200 kg级的专业植保无人直升机XV-2上搭载所提出的控制器,使其自主飞行轨迹跟踪控制的均方根误差在0.6 m以内.     

四轴飞行器串级ADRC轨迹跟踪控制

四轴飞行器是一个欠驱动系统,具有非线性、强耦合、易受干扰等特点,为此本文设计了一种串级自抗扰控制器(ADRC),并采用改进粒子群算法进行控制器参数自整定。串级ADRC的外环为位置控制环,内环为姿态角控制环。为避免外环产生的高频信号噪声不利于内环控制,外环采用线性ADRC,而内环采用非线性ADRC。Simulink仿真结果表明,该方法对四轴飞行器轨迹跟踪具有良好的控制效果,并能有效抑制外部干扰。     

基于ADRC的微型直流电机柔性伺服控制系统研究

服务机器人机械手的高灵活性、良好的环境适应性以及柔性是非常重要的性能指标,建立基于自抗扰控制算法(ADRC)的微型直流电机柔性伺服控制系统,研究提高其响应快速性、稳定性以及抗扰动性的方法.在Matlab Simulink平台上进行传统PID算法和ADRC算法的仿真研究,并对两种算法的仿真结果进行比较,证实ADRC算法的跟踪性能、抗扰动性能以及鲁棒性能均优于传统PID算法.为了进一步进行验证,设计了微型直流电机柔性伺服控制系统硬件,进行干扰试验以及柔性控制实验,实验结果验证了伺服控制系统软件和硬件设计的合理性以及ADRC算法的有效性.     

欠驱动智能水下机器人的自抗扰路径跟踪控制

为削弱欠驱动智能水下机器人(AUV)在路径跟踪过程中遇到的外界环境干扰和载体内部信号传输干扰的影响,以某欠驱动AUV为研究目标,基于自抗扰控制技术以及在Serret-Frenet坐标系下建立的路径跟踪误差方程,结合水下机器人相关运动学及动力学方程,建立了二阶自抗扰路径跟踪控制器,并进行了与传统PID控制器的对比仿真实验.仿真实验包括水平面随机干扰下的圆路径跟踪和渐变干扰下的空间螺旋线跟踪.仿真结果表明,基于自抗扰控制技术的欠驱动AUV路径跟踪控制器能够实现相应的参考路径跟踪任务,同时,相比于传统PID控制器,自抗扰路径跟踪控制器能够更有效地抑制干扰造成的颤抖、超调等现象,具有更优的控制效果.     

一阶大时滞对象降阶自抗扰控制的鲁棒稳定性

针对一阶惯性大时滞对象,研究了Smith预估器结合降阶线性自抗扰控制(reduced-order linear active disturbance rejection control,RLADRC)的稳定性和鲁棒性问题.根据劳斯判据得到了使系统稳定的参数选择可行域,并通过数值仿真进行验证;然后基于频域响应分析了稳定可行域内系统的相角裕度范围;最后比较了降阶自抗扰预估控制与单独降阶自抗扰控制对被控对象参数摄动的鲁棒性,并基于蒙特卡罗实验证明了降阶自抗扰预估控制的动态性能更好、鲁棒性更强.这些结论可用于Smith预估器和降阶自抗扰预估控制器参数的设计.     

不同轴距车辆路径跟踪研究

针对不同轴距车辆路径跟踪鲁棒性,提出了基于滑模自抗扰控制的平行泊车路径跟踪算法.该算法利用线性滑模控制设计自抗扰控制律中的误差反馈环节,改善了自抗扰控制器的结构,能适用于不同轴距车辆.线性自抗扰控制器能够观测和补偿由于不同车辆轴距引起的不确定性和车辆受到的外界干扰.在假定低车速和小侧偏角情况下,控制器的设计考虑非线性运动学模型及运动学约束.仿真结果表明,基于滑模自抗扰控制的路径跟踪控制算法能够将不确定性部分观测出来并且补偿掉,保证了不同轴距车辆很好地跟踪规划的理想泊车轨迹.     

基于免疫自整定的自抗扰控制研究

结合自抗扰(ADRC)和生物免疫的控制思想设计了免疫ADRC控制器。设计的免疫ADRC控制器保留了传统ADRC控制器的结构,并运用生物免疫机制实现了自抗扰控制器中非线性状态误差反馈(NLSEF)的参数自整定。这样设计的控制器可以提高传统控制系统的抗干扰能力,优化了控制器性能。设计的免疫ADRC算法可适用于N阶对象,仿真部分以二阶运动模型为例。仿真实验表明,免疫ADRC既可以保存传统ADRC快速跟踪和有效观测的优点,又能在此基础上增强系统的抗扰能力,提高了系统的稳定性。     

不确定机械臂的组合自适应迭代学习轨迹跟踪

针对一类同时含未知时变和未知定常参数、并带有可重复时变干扰的不确定机械臂系统,为精确跟踪期望轨迹并加快跟踪误差的收敛速度,提出了一种具有抗扰能力的机械臂组合自适应迭代学习控制算法.对未知定常参数和未知时变参数,分别采用时域和迭代域的参数自适应迭代学习律,并基于估计参数设计了机械臂的自适应迭代学习轨迹跟踪控制律.利用相似李亚普诺夫函数证明了轨迹跟踪误差的收敛性.针对二自由度关节式机械臂的仿真结果表明,应用所提算法可实现精确的轨迹跟踪,并加快迭代学习的收敛速度.     

SHAPF线性自抗扰直流侧电压控制方法

并联混合型有源电力滤波器(shunt hybrid active power filter,SHAPF)是抑制中高压配电系统谐波的有效方法,本文根据线性自抗扰控制技术(linear auto disturbance rejection control technique,LADRC),设计出了SHAPF的直流侧电压控制系统.基于LADRC的控制器能够估计出系统所有不确定因素和外部干扰等引起的总扰动并进行补偿,补偿性能良好,其算法简单,易于实现,具有一定的工程应用价值.仿真结果验证了基于LADRC的控制策略的有效性.     

二阶系统自抗扰控制的扩张状态观测器的改进

线性扩张状态观测器(linear extended state observer,LESO)是线性自抗扰控制(linear active disturbance rejection control,LADRC)的核心部件,其自身性能对控制效果至关重要.通过增加两个调节因子,对二阶系统LADRC的LESO性能进行改进.改...     

静止无功发生器的自抗扰控制策略

针对传统线性比例积分(proportional integral, PI)控制的静止无功发生器(static var generator, SVG)响应速度慢、调节时间长、对扰动较为敏感等问题,提出静止无功发生器的自抗扰控制(active disturbance rejection control, ADRC)策略。根据自抗扰控制器的数学特征和静止无功发生器的数学模型,采用扩张状态观测器(extended state observer, ESO)对静止无功发生器模型的变量耦合项和外部扰动进行观测并补偿,设计静止无功发生器的自抗扰电流环控制器。在Matlab/Simulink完成静止无功发生器的扰动与补偿仿真,仿真结果表明,扩张状态观测器可以快速跟踪系统总体扰动,并且与传统的PI控制器相比,自抗扰控制器可有效地抑制无功电流的波动、减小调节时间。实验验证所提控制策略的有效性。     

动力翼伞系统耦合补偿控制策略研究

动力翼伞系统是具有强非线性、强耦合特性的系统,其精确控制比较困难.动力翼伞系统具有两个控制通道,控制的难度在于纵向推力对下偏控制存在着非线性的强耦合作用,在受到风场干扰时会导致系统耦合加剧,从而在控制过程中引起较大偏差,甚至导致系统失速.本文提出了一种基于耦合补偿的自抗扰控制策略,并将该非线性耦合关系设计为扩张状态观测器中的已知扰动,从而提高了控制器的跟踪性能.在动态耦合补偿的基础上改进控制律,将非线性动力翼伞系统设计成易于控制的独立积分器,从而提高横向轨迹跟踪控制器的抗干扰性和控制跟踪性能.通过仿真实验可验证该控制策略优于传统的自抗扰控制（active disturbances rejection controller,ADRC）和PID控制.