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.     

基于非线性状态反馈的机器人操作手的鲁棒控制

文章考查了一类具有非匹配不确定性的非线性系统的全局稳定性及其在机器人鲁棒控制中的应用．针对机器人存在参数不确定性以及外界干扰的情况，利用非线性鲁棒控制理论给出了鲁棒控制器，考虑不确定性存在情况下跟踪误差的全局渐进收敛性．最后给出了两连杆刚性机器人的仿真例子，验证了其控制效果。     

非结构型不确定性机器人的鲁棒控制

本文研究具有非结构型不确定性机器人的鲁棒控制问题，提出了一种新的鲁棒控制方案。控制器由两部分组成：第一部分为基于标称模型设计的计算力矩控制器；第一部分为基于Ｌｙａｐｕｎｏｖ方法设计的鲁棒补偿控制器，其作用是消除不确定性对跟踪性能的影响．本文证明了闭环系统的全局收敛性、仿真结果表明本方法对于存在外扰和模型不确定性的机器人系统是十分有效的。     

具有清晰暂态性能的机器人鲁棒自适应跟踪控制

基于不确定性机器人的轨迹跟踪问题,提出一种保证系统具有清晰暂态的鲁棒自适应控制策略,控制器由一个简单的线性ＰＤ反馈＋非线笥阻尼＋标量不确定性补偿控制器构成,不需传统的回归矩阵计算,能够有效地克服通常难于建模的摩擦力和外部扰动影响,只需了解系统的阶数和输出的位置及速度状态,保证全局的中全局一致最后有界,二自由度机器人的仿真证明了该法的有效 性。     

多关节机器人的自学习模糊全局滑模控制

针对模型不确定性多关节机器人的轨迹跟踪控制问题,研究多关节机器人全局滑模控制,为了削弱系统在滑动模态上的抖振,将模糊控制和全局滑模控制相结合,提出一种自学习模糊全局滑模控制方法.该方法利用模糊系统的输出代替全局滑模控制中的非连续开关切换量,并根据滑模变结构原理,设计自学习算法,动态调整模糊隶属函数的参数.通过对2关节机器人的仿真,结果表明在存在模型误差和外部扰动的情况下,该方法既能达到快速跟踪,又能很好地消除控制器的抖振.     

综合的机器人鲁棒自适应控制

研究了不确定性机器人轨迹跟踪的鲁棒自适应控制方法．利用机器人动力学参数变量分离方法,将系统的集中不确定性反映到一个集中的标量参数上,进而提出一种基于简单的计算力矩结构的综合鲁棒自适应控制策略,同时还设计了一个通用的非线性反馈增益和一个简单的自适应律,通过在线刷新一个集中的系统不确定性参数,最后保证系统达到全局指数意义的渐近稳定或全局一致最后有界．通过简化控制结构得出一种简单的鲁棒控制器．按照对控制参数的不同选择,可保证系统达到严格的全局一致最后有界、全局渐近稳定、全局指数稳定三种稳定性结果．理论分析和计算机仿真验证了控制律的有效性．     

仿人机器人的非奇异终端滑模控制

目前,仿人机器人代替人类在工业、矿山安全作业等方面起到了至关重要的作用,而机器人稳定性控制技术的进一步提高,则尽可能的避免了由于机器人操作失误所带来的危害.针对具有不确定性干扰的仿人机器人系统的轨迹跟踪控制问题,利用终端滑模控制方法,给出了设计的全局有限时间跟踪控制器.首先,利用拉格朗日法建立了5连杆仿人机器人的动力学模型,基于非奇异终端滑模控制技术并利用终端滑模设计思想,设计了轨迹跟踪滑模控制器.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,从而减少了系统的抖振问题;最后,仿真算例表明了该方法的有效性.     

全局稳定的机器人鲁棒自适应分散跟踪控制

提出一种全局稳定的鲁棒自适应分散控制策略,用于不确定性机器人的轨迹跟踪．该控制器由一个线性ＰＤ 分散反馈＋ 补偿不确定动力学的非线性自适应分散反馈构成．仅需要了解各关节输出的位置及速度状态,就能够克服通常难于建模的摩擦力和外部扰动影响,保证全局的渐近稳定．二自由度机器人的仿真证明了该法的有效性．     

基于非线性滑动模的机器人鲁棒自适应分散控制策略

提出了一类基于非线性滑动模的鲁棒自适应分散控制策略,用于不确定性机器人的轨迹跟踪.该控制器结构简单,由一个分散的补偿控制器、一个非线性反馈项和一个线性反馈构成,其实现只需了解系统的期望轨迹和各关节输出的位置及速度状态,而不需要详细的系统模型.其主要特点是基于一类饱和型函数提出了一类非线性补偿控制器和一类非线性滑动模的设计方法,能够消除现存文献在设计机器人分散控制器时做的所有限制性假定.基于Lyapunov理论的严格分析和计算机仿真均证明该控制策略能够有效地克服通常难于建模的摩擦力和外部扰动影响,并保证系统误差状态全局的渐近稳定.     

分块建模关节机器人的PI鲁棒滑模控制

为实现机器人关节位置镇定和轨迹跟踪控制,控制律的设计须针对确定的机器人动力学模型,由于机器人结构参数、作业环境的外界干扰及结构振动等不确定性因素的存在,会造成机器人动力学模型不确定.为此,设计3个RBF神经网络分别对不确定机器人模型中的3个不确定项进行分块建模,得到机器人估计模型,神经网络的权值采用自适应算法.针对机器人估计模型设计PI鲁棒滑模控制律.将所设计的控制器用于三关节机器人的三个关节的力矩控制,研究结果表明:三关节均约在1 s时达到期望位置和跟踪期望轨迹,镇定误差和跟踪误差也快速、稳定地趋于零.通过定义基于积分型的Lyapunov函数,利用Lyapunov稳定性理论证明了控制系统是全局渐近稳定的.     

RLED机器人神经网络在线辨识及控制器设计

对考虑模型误差和外界干扰信号等不确定性因素在内的电驱动刚性机器人系统,运用神经网络和基于Lyapunov函数的逆向递推法提出一类自适应跟踪控制器.神经网络用于辨识机器人系统中包括电流一阶导数在内的复杂非线性项和不确定性因素;而基于Lyapunov函数的逆向递推法则保证了控制系统的鲁棒稳定性和干扰抑制性能.通过系统稳定性分析可以得到控制器参数的选取原则,以进一步提高控制系统品质.数值仿真结果表明所设计的控制器具有良好的鲁棒性和跟踪精度.     

一类互联机器人系统鲁棒跟踪控制器设计

针对一类带有不确定性的互联机器人系统,利用Lyapunov方法,设计了一个非线性鲁棒跟踪控制器.这个控制器能够保证被控互联机器人系统的位置向量与速度向量渐近地跟踪已知的轨迹.最后的仿真结果表明了该控制方法的有效性.     

基于单目视觉的移动机器人伺服镇定控制

针对轮式移动机器人的单目视觉伺服镇定问题,在深度信息、机器人坐标系与摄像机坐标系间平移参量未知、摄像头光轴具有固定倾角的情况下,建立了移动机器人在摄像机坐标系下的运动模型.针对该模型提出了一种基于平面单应矩阵分解的鲁棒自适应控制方法,保证了误差的全局指数收敛.仿真和实验结果表明:所设计的控制器可以保证移动机器人指数收敛到期望的位姿,同时所设计的鲁棒自适应控制器对参数不确定性具有一定的鲁棒性.     

基于定量反馈理论的工业机器人关节控制方法

工业机器人系统由大量的关节驱动装置来实现自身运动和各种动作,机器人的关节控制是工业机器人系统控制中最基本和核心的控制过程.针对机器人关节控制的非线性、时变性和不确定性的特点,研究应用定量反馈理论(QFT)对工业机器人的关节进行控制的方法,并使得设计的控制器具备较好的抗干扰性和鲁棒性.通过分析验证可知,使用QFT设计的控制器完全能够满足设计要求,十分适合于工业机器人关节控制,且易于工程实现.     

一种前馈补偿和模糊滑模相结合的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等问题,将扰动力分为确定性扰动和不确定性扰动、摩擦力分为线性和非线性部分,并在此基础上提出了一种前馈补偿和模糊滑模相结合的鲁棒控制器.机器人自身结构的相关量、确定性扰动以及摩擦力的线性部分,可以通过控制器的计算力矩和前馈补偿部分进行有效控制,并通过模糊滑模控制器来克服外界的不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.在HIT四自由度柔性机械臂上进行了控制器的相关实验,实验结果表明,该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

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.     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

基于滑模控制的ROV深度方向轨迹跟踪研究

未知海流等外界干扰,系统的不确定性信息对小型ROV深度控制造成不利影响。针对该问题,本文首先建立小型ROV深度方向运动数学模型,在理想和有干扰的情况下设计相应地滑模变结构控制器来实现水下机器人的位置轨迹的跟踪,利用李雅普洛夫定理在理论上证明了所设计的控制器是稳定的。仿真结果验证了跟踪控制系统的全局渐进稳定性,及对有界外部扰动的鲁棒性。     

改进PSO算法在水下机器人S面运动控制参数整定中的应用

从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制器.针对粒子群优化(PSO)算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进,引入变学习因子和惩戒因子,更好地协调全局和局部搜索能力,有利于快速找到全局最优点,提高了PSO算法在水下机器人S面运动控制器参数整定中的优化能力.通过水下机器人的运动控制仿真试验,验证了该方法的可行性和优越性.     

Riccati方程在机器人控制系统中的应用

对于机器人不确定系统,不但考虑自身不确定性,也考虑外界不确定性。对于这样的系统基于L2增益得到-Riccati方程,通过研究该Pdccati方程,证明了文章所设计的控制器对于具有外界不确定性的机器人系统具有很好的鲁棒性。