基于神经网络PID的AUV控制方法研究

针对水下机器人各自由度之间存在较强的耦合和非线性特征，其精确的数学模型很难获得的问题，建立了水下机器人空间运动的数学模型，并根据实际需要和控制器设计的方便进行了适当简化，得到了水下机器人自由度运动模型．在此基础上，使用了基于神经网络的PID控制方法．结合水下机器人六自由度水动力模型，建立了基于BP网络的PID的水下机器人控制器，并进行了仿真环境下的试验．试验结果表明，以上控制方法较为适合水下机器人的运动控制．     

多翼自治水下机器人动力学建模与姿态控制

为了提高多翼自治水下机器人姿态自主控制的稳定性和控制性能,设计了基于多翼水下机器人全参数控制模型的姿态控制系统.首先对多翼自治水下机器人进行运动学和动力学分析,建立多翼自治水下机器人的全参数运动控制模型;在此基础上建立多翼自治水下机器人整体控制系统,设计基于线性二次型最优控制的多翼自治水下机器人姿态控制器;最后进行多翼自治水下机器人姿态控制仿真实验.结果表明:在给定的外界干扰下,多翼自治水下机器人能够快速稳定跟踪目标姿态,所建立的控制器以及控制模型能够满足多翼水下机器人姿态的自主控制需要,达到设计目标.     

欠驱动AUV自适应神经网络反步滑模跟踪控制

针对存在参数不确定性和外界未知干扰的欠驱动自主水下航行器(AUV)三维路径跟踪问题,提出一种基于神经网络的反步滑模控制策略.首先,利用虚拟向导的方法建立了欠驱动AUV三维路径跟踪误差模型;其次,基于李雅普诺夫稳定性理论,利用反步法和滑模控制方法设计一种自适应鲁棒控制器,并设计一种在线调节增益切换函数以降低系统抖振,同时采用径向基函数(RBF)神经网络控制技术对AUV系统中不确定参数以及外界非线性干扰进行自适应补偿估计,而后利用李雅普诺夫稳定性理论证明了整个闭环系统的稳定性;最后,针对一种新型飞翼式欠驱动AUV进行数值仿真实验,结果表明所设计控制器可以实现对三维路径的精确跟踪,并对外界非线性干扰具有良好的鲁棒性.     

基于自适应阻抗控制的轮足式机器人隔振控制研究

轮足式机器人在行进过程中不可避免要与环境发生交互,在环境信息（刚度与位置）未知与时变的情况下,传统的阻抗隔振力控制方法由于目标阻抗模型的参数固定,存在鲁棒性较差的问题.在阻抗控制的基础上,基于Lyapunov稳定性定理设计了自适应阻抗控制器.该方法通过一个位置补偿量来间接调整阻抗参数,使系统稳态误差为零,提高了控制方法对未知多变环境的适应性;针对机器人轮式运动通过不同减速带的隔振问题进行了实验,证实了自适应阻抗控制方法的优越性.      

基于非对称模型的水下机器人全局指数镇定

针对水下机器人的水平面镇定控制问题,提出了一种基于非完全对称(前后不对称,左右对称)模型的全局指数镇定控制方法.建立了非完全对称水下机器人的运动模型,通过设计控制输入的反馈变换,得到简化的水下机器人镇定控制系统;基于非线性反步法,设计了水下机器人速度的虚拟输入,从而实现了位置和姿态角的镇定控制;通过对虚拟输入误差的镇定设计,得到了水下机器人系统的全局指数稳定控制律,并利用李雅普诺夫稳定性理论证明了所设计控制器的稳定性.最后通过仿真实验验证了所设计的反步镇定控制器的有效性和可靠性,同时通过与传统基于完全对称(前后、左右均对称)模型的水下机器人运动控制方法比较,验证了基于非完全对称模型控制算法的优越性.     

仿生水下机器人的增强学习姿态镇定

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性.     

水下机器人-机械手系统自适应抗扰控制方法

针对开架式水下机器人在其作业过程中易受到脐带缆、机械手和海流等扰动影响的问题,为减小改扰动对艇体姿态的影响,文中对开架式水下机器人设计了一种基于模型的自适应抗扰控制方法,并分别对脐带缆和机械手引起的扰动进行了建模分析,具体建立了一种以全局运动学控制环和扰动力补偿项为主的自适应抗扰控制.在SY-Ⅱ开架式水下机器人平台上进行了S面控制和自适应抗扰控制的对比实验.结果表明,脐带缆和机械手的扰动力会对水下机器人的姿态产生较大影响,通过对扰动力的实时估算和补偿,在定深定向、轨迹跟踪实验中,基于模型的抗扰控制方法表现出更高的控制精度,在姿态保持实验中,与S面控制方法相比,自适应抗扰控制展现了较好的鲁棒性,系统轨迹更平稳,具有更强的稳定性.     

冗余驱动并联机器人多目标控制方法

冗余驱动并联机器人的关节自由度增加了运动的灵活性，但也增加了碰撞的风险.在多目标控制中，需要对其进行有效的避障控制，以保证机器人在执行任务时的安全性和稳定性.针对这一问题，提出冗余驱动并联机器人多目标控制方法设计.利用拉格朗日法对机器人运动特性展开分析，构建机器人运动方程；在径向基函数(Radial Basis Function, RBF)神经网络的基础上，采用自适应方法建立滑模控制器，并基于李亚普诺夫稳定性对滑模控制器展开修正，提高控制器的稳定性；应用连通性屏障控制和避障屏障控制策略，实现机器人的运动控制.实验结果表明，本文方法能够实现精准避障，且控制误差小、效率高、效果稳定.     

AUV模型解耦水平运动多控制器联合控制

为了解决自治水下机器人(AUV)的水平面轨迹跟踪控制问题,提出一种基于解耦模型的多控制器联合控制方法.建立AUV水平面三自由度运动模型并进行模型解耦,将每个自由度都只保留主变量,模型中的交叉耦合项和模型不确定性都当做外干扰项来考虑;对解耦后的AUV运动模型进行轨迹跟踪控制器的设计,针对AUV各个自由度的特点,为轴向和侧向运动设计自适应反演滑模控制器,为艏向运动设计带有干扰观测器的自适应终端滑模控制器;通过公式推导,利用李雅普诺夫理论证明了系统稳定性和误差的收敛性.仿真实验证明:所设计的轨迹跟踪控制器具有较强的鲁棒性能,系统能够实现对平面轨迹的精确跟踪且能够在规定的有效时间内实现对艏向角的精确跟踪.     

水下机器人改进S面控制及系统半实物仿真

针对S面控制器参数调整困难的问题,研究了改进的粒子群优化(MPSO)算法,自寻优确定S面控制器的控制参数,实现了S面控制器参数优化计算的快速收敛,避免了局部峰值的徘徊.同时,针对某水下航行器的运动控制系统,设计了控制半实物仿真系统,阐述了仿真系统的总体结构和水下机器人空间运动的非线性数学模型.仿真结果真实可靠地反映了水下机器人运动过程,验证了本文控制器对机器人的控制效果,对实际下水实验提供重要参考.     

冷凝器清洗机器人动力学分析及自适应控制

设计了水下冷凝器清洗机器人的机械和电气系统,考虑到浮力、水流阻力等因素的影响,建立了冷凝器清洗机器人的水下动力学模型.针对工作环境复杂的特点,提出了一种自适应控制策略,该控制律结构简单,鲁棒性强,能够对系统中的未知和不确定性因素进行有效补偿.设计过程采用了Lyapunov方法,保证了控制系统的稳定和收敛.仿真结果表明,该控制器性能稳定,具有良好的轨迹跟踪能力,同时也验证了本文建立模型的合理性.     

基于干扰观测器的欠驱动AUV自适应反演控制

针对未知外界干扰存在的情况,提出一种基于非线性干扰观测器(NDO)的自适应反演控制,用于改善欠驱动自治水下机器人(AUV)深度跟踪控制性能。首先对欠驱动自治水下机器人的垂直面模型进行有条件的简化,得到新的运动学及动力学方程,建立简化后模型的状态方程;其次根据系统状态方程构建非线性观测器,设计自适应反演控制器,输出控制量根据李雅普诺夫稳定原理推导得出,确保包含非线性干扰观测器及自适应反演控制器在内的控制系统的一致渐进稳定性。研究结果表明:所设计的非线性干扰观测器以及自适应反演控制器可以实现欠驱动自治水下机器人在存在外界未知干扰情况下深度轨迹跟踪,具有较强的鲁棒性。     

建筑幕墙安装机器人的位置/力混合控制方法

针对建筑领域幕墙安装过程中所面临的幕墙质量变化、接触环境改变以及机器人动力学参数漂移等问题,提出了基于阻抗模型和自适应补偿的机器人位置/力混合控制方法。分析了幕墙受力,建立了幕墙与环境之间的接触力模型,获得了机器人-幕墙-接触环境的综合动力学方程;为解决幕墙与环境接触时的力控制问题,在设计控制器时建立了幕墙位置与接触力之间的阻抗关系,同时通过李雅普诺夫稳定性理论构造了自适应控制器来补偿未知不确定项,使幕墙轨迹跟踪阻抗外环生成的参考轨迹。对不同任务时的幕墙安装过程进行多组仿真实验,结果表明:所提方法均能实现高精度的幕墙位置跟踪,误差精度小于0.2 mm,同时可以使幕墙与环境之间有稳定的接触力,并具有一定的鲁棒性。     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

全驱动AUV动力定位系统滑模控制研究

针对自主水下机器人(autonomous underwater vehicle,AUV)动力定位控制易受浪流扰动影响的问题,提出了一种基于扩张状态观测器的全驱动AUV动力定位系统滑模控制(sliding mode control,SMC)方法.结合团队设计的"探海Ⅰ型"自主水下机器人,建立AUV空间运动模型,以滑模控制...     

汽车驾驶机器人的自适应执行器故障补偿控制设计

针对汽车驾驶机器人可能发生的不确定执行器故障无法驱动机械腿正常工作,进而影响汽车行驶过程中的安全性,提出一种基于Backstepping的自适应容错控制方法.利用Backstepping对机械腿进行控制,针对各故障情况分别设计故障补偿控制器,通过定义故障指示函数将多设计加权融合成一个综合控制器.基于自适应方法对综合控制器参数进行更新.基于Matlab/simulink仿真验证此方法的有效性.结果表明:该控制方法能保证执行器在发生不确定故障时,汽车驾驶机器人控制系统仍稳定运行,并渐近跟踪给定的控制指令.     

小型4轴矢量推进式水下机器人定深控制技术

针对传统水下航行器低速航行时姿态控制效率低、机动性差的缺点,设计并构建了一款4轴矢量推进式水下机器人,使其在低速航行时仍然具有高可控性与高机动性. 依据该机器人的结构特点和运动特性,提出了一种基于自适应滑模控制的适合矢量推进式水下机器人纵向深度控制的高可靠性方法,并构建了鲁棒控制器,且配以平滑饱和函数,有效改善机器人控制的暂态品质和震颤现象,解决了该机器人建模时因动态系统高维、多输入、高度耦合、强非线性而产生的较大建模误差问题. 仿真结果表明,机器人的深度、俯仰角能迅速稳定在期望值附近.      

采用干扰观测器的水下滑翔蛇形机器人纵倾运动控制

针对水下滑翔蛇形机器人在实现滑翔运动时存在控制输入受限和外界未知干扰的问题,提出了一种基于Nussbaum函数和非线性干扰观测器的反步控制策略。通过对欠驱动水下滑翔蛇形机器人的垂直面运动进行分析和有条件的简化,得到了对应运动学及动力学方程组。采用Nussbaum函数与双曲正切函数相结合的方式处理系统控制输入饱和,避免了双曲正切函数存在的控制器奇异值,通过非线性干扰观测器实现对外界复合扰动的有效观测并进行补偿。设计了纵倾运动跟踪的反步控制器,针对反步法中虚拟项引发的计算膨胀,采用动态面方法来消除。基于Lyapunov稳定性理论设计了控制器,保证系统能够实现速度与位置信号量的全局一致稳定性。研究结果表明:所提方案相对传统反步法,在响应时间与误差收敛速度方面都有一定程度提高,且非线性干扰观测器对于复合扰动量观测性能良好;所设计的控制器可以有效实现机器人在外界未知干扰下纵倾运动的稳定跟踪,且具有较强的鲁棒性。     

基于自适应反步法的自主水下机器人变深控制

为实现自主水下机器人(AUV)的高精度变深控制,基于AUV垂直面的运动学和非线性动力学模型,提出了神经网络自适应迭代反步控制方法,设计了运动学和动力学控制器.文中首先考虑AUV非线性模型的攻角和水动力阻尼系数的不确定性,设计神经网络控制器来对纵倾运动中的非线性水动力阻尼项和外界海流干扰作用进行在线估计,并基于Lyapunov稳定性理论设计神经网络权值的自适应律,保证系统闭环信号的一致最终有界.最后通过两组仿真实验,比较了所设计的控制器在设定控制器增益参数下的系统响应和在扰动作用下的变深控制性能,结果表明,所设计的控制器具有较小的稳态误差和较高的跟踪精度.     

恒压网络静液传动系统的神经网络滑模控制

根据恒压网络条件下的静液传动系统的特点,建立用于转速控制的二自由度动力学模型.针对恒压网络静液传动系统的参数摄动和不确定性,选择液压泵/马达的角速度和角加速度为控制变量,设计一种神经网络自适应滑模控制器,采用径向基函数神经网络(RBFN)取代滑模切换控制部分,利用其在线学习功能,对系统的不确定因素进行自适应补偿,应用李亚普诺夫稳定性理论推导网络权值的在线自适应率,保证闭环控制系统的稳定性.在模拟试验台上进行了阶跃信号和斜坡信号的转速控制响应分析,并与常规PID控制以及基于神经网络的PID(NNPID)控制进行对比.试验结果表明:所设计的控制器具有良好的控制效果,能使系统具有良好的跟踪性和强的鲁棒性,有效地消除高频抖振现象.