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。     

机器人的鲁棒自适应轨迹跟踪控制

针对存在参数不确定和外界扰动的机器人系统,提出了一种基于模糊控制的鲁棒自适应跟踪控制器设计方法.该方法基于Lyapunov稳定性理论,整个闭环系统渐近稳定.通过二自由度机械臂系统的计算机仿真结果验证了该方法的有效性,可用于不确定性机器人系统轨迹跟踪鲁棒控制.     

打磨机器人自适应鲁棒约束跟踪控制

实际工作中的打磨机器人存在外部干扰或参数摄动等不确定因素,这些不确定因素有界但边界未知。针对这种不确定环境下的打磨机器人末端轨迹跟踪问题,文章提出一种自适应鲁棒约束控制方法。该方法将期望轨迹视为系统约束,利用约束跟踪的思想来解决轨迹跟踪问题,并将系统分为标称部分和不确定部分;针对标称部分,通过U-K(Udwadia-Kalaba)方程来求解约束力矩,使系统满足理想状态下的约束条件;针对不确定部分,设计一种泄漏型自适应律对不确定性边界进行估计,并根据估计的边界和约束误差来调节鲁棒控制项的增益,进而有效地补偿系统的不确定性。李雅普诺夫方法证明了该系统具有一致有界性和一致最终有界性,对简化后的打磨机器人进行末端轨迹跟踪控制的数值仿真实验结果验证了所提出方法的有效性。     

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．     

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．     

外骨骼机器人手指鲁棒跟踪控制

基于外骨骼机器人手指系统动力学,提出了机器人鲁棒μ控制器的设计方法。分析了系统模型的不确定性,将负载动力学作为系统的反馈不确定,建立了合理的被控对象标称模型。基于高速DSP实现鲁棒控制器的数字化,在μ控制器设计和数字实现过程中考虑了机器人系统的计算延时。通过实验评估采样延时对机器人控制器鲁棒性能的影响。实验结果表明,μ控制器能够抑制干扰和模型不确定对机器人系统的影响,系统具有很好的鲁棒稳定性和鲁棒性能。     

机器人鲁棒神经网络轨迹跟踪控制

对于具有外界扰动和参数不确定性的机器人系统轨迹跟踪问题,给出了一个新的鲁棒神经网络控制算法．为了解决因神经网络隐层神经元输出持续激励（PE）性质的丢失而可能造成的参数飘移问题,与大量在文献中使用的神经网络权重调节法则σ-修正方法不同,给出了一个新的调节法则．基于此权重调节法则的鲁棒神经网络控制器既可保证网络权重有界从而克服了参数飘移问题,又能得到系统跟踪误差渐近收敛到零．数值试验表明,所提算法可行有效．     

具有跟踪鲁棒性能的H∞最优预见控制

研究了一类不确定离散时间系统的鲁棒H∞预见控制问题。其中采用一种新的方法构造扩大误差系统,避免对时变的系数矩阵取差分,从而成功构造简化的扩大误差系统。然后针对所求得的不确定系统的扩大误差系统,通过引入带有预见作用的状态反馈,研究鲁棒H∞保成本控制问题,得到确保鲁棒H∞控制器存在的充分条件及H∞状态反馈控制器的设计方法。该条件可以通过求解一个线性矩阵不等式优化问题而实现。所得控制器回到原系统就得到带有预见作用的最优预见控制器。而且,通过引入积分器,实现闭环系统对目标值信号的鲁棒无静差跟踪。最后的数值算例说明了本文理论的有效性。     

一种鲁棒滑模自适应跟踪控制

对一类具有未知有界干扰与未知参数的单输入单输出最小相位线性离散系统，基于滑模变结构控制，设计了一种鲁棒滑模跟踪控制器，可使系统全局渐近稳定（即输入输出有界）.     

基于Backstepping方法的机器人鲁棒跟踪控制

把基于拉格朗日方程的,l关节包含不确定项的机器人化成两个子系统。用Backstepping方法首先对各个子系统设计李雅普诺夫函数和控制器,然后综合起来形成整个系统的李雅普诺夫函数和控制器,不但满足了稳定性的要求,又满足了一定的L2增益性能指标。     

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.     

采用多项式结构的机器人鲁棒自适应控制

提出了一种新颖的鲁棒自适应控制策略,采用简单的多项式结构,不需传统的回归矩阵计算,而唯一需要了解的只是系统的阶数和输出的位置及速度状态,能够有效地克服通常难于建模的摩擦力和外部扰动影响,最后保证全局的指数稳定或全局一致最后有界．二自由度机器人的仿真证明了该法的有效性．     

一种简单的机器人鲁棒自适应轨迹跟踪控制算法

针对不确定性存在情况下的机器人轨迹跟踪 ,提出了一种鲁棒自适应轨迹控制算法 .控制算法是全局按指数收敛的 ,不需要知道机器人动力学模型 ,结构简单 ,计算量小 ,能使轨迹误差收敛到一任意小的区域内 .利用Lyapunov直接法分析了控制算法的稳定性和鲁棒性 .两关节直接驱动机器人的实验研究验证了算法的有效性 .     

机器人的鲁棒轨迹跟踪控制系统

用拉格朗日运动学建立机器人的动态模型.采用鲁棒控制法对两关节机械手的轨迹跟踪进行控制,仿真实验结果证明,鲁棒控制法对模型不精确或外部干扰对机器人产生的影响有很好的抑制作用,对机器人轨迹跟踪控制是有效的.     

具有未建模动态系统的鲁棒自适应控制

本文针对一类具有未建模动态的离散线性系统提出了一种新的鲁棒自适应控制算法。此算法由一带有相对死区的最小二乘参数估计方案和一带有模型误差反馈的广义最小方差控制器构成。本文证明了：此算法不仅能保证在有未建模动态存在时闭环系统是鲁棒稳定的，而且还能保证系统的平均跟随误差趋于零。仿真结果表明：采用本文方法即使用低阶模型设计仍能获得满意的控制效果。     

具有磁滞类间隙系统的鲁棒自适应控制

针对具有未知磁滞类间隙的非线性系统,提出一种鲁棒自适应控制(ARC)算法。采用连续时间动态微分方程描述此非线性特性,利用投影算子对参数进行估计。鲁棒自适应控制律由3部分组成,即模型补偿项、鲁棒控制项和鲁棒反馈项。仿真结果验证了该方法的可行性。     

雷达卫星鲁棒逆最优自适应姿态跟踪控制

针对存在外界扰动和模型参数不确定性的雷达卫星姿态跟踪控制问题,提出了一类基于修正的罗德里格斯参数描述的雷达卫星鲁棒逆最优自适应控制器设计新方法．通过Backstepping方法和构造相应李雅普诺夫函数,设计了鲁棒逆最优控制器,避免了直接求解哈密顿一雅克比一贝尔曼偏微分方程,使控制器相对于选取的具有鲁棒性的代价函数最优,并以较小的L：增益,实现对外界扰动的输入一状态稳定和鲁棒性;针对系统参数不确定性设计自适应参数更新律,对参数进行自适应学习,有效降低参数不确定对系统的不利影响．仿真结果表明：该方法能有效抑制模型不确定参数和外界未知扰动的影响,在保证姿态跟踪精度的同时,能增强系统鲁棒性．     

不确定轮式机器人动力学鲁棒路径跟踪控制

使用预知期望几何路径函数描述跟踪误差,将路径跟踪问题转化为输出调节问题,基于机器人的动力学模型运用输入输出线性化方法得到运动学-动力学混合控制律,再使用反步法得到动力学控制律;基于类Lyapunov方法设计不确定参数自适应律,保证在未知定常参数情况下跟踪误差仍能够渐近收敛.最后给出了渐近稳定性的证明,数字仿真证实了该控制方案的有效性.     

离散系统的鲁棒自适应控制

本文提出一种鲁棒间接自适应极点配置控制器，它利用相对死区技术使得控制器对一类未建模动态误差和恒定了界扰动具有鲁棒性。文中详细地分析了闭环系统的稳定性和收敛性，找到了保证佤渐近稳定的充分条件。