基于操作空间的机械臂自适应模糊鲁棒控制

为提高动力学模型不确定的机械臂系统的跟踪精度, 提出了一种基于操作空间的自适应模糊的鲁棒轨迹跟踪控制方法。考虑存在未知的外部扰动和其他未建模动态, 引入GL(General Linear)矩阵及其乘法算子,利用模糊系统逼近任意非线性函数的能力对机械臂动力学进行前馈补偿, 通过鲁棒控制项抑制建模误差和有界扰动。该方法无需求解机械臂在操作空间的动力学模型。根据Lyapunov 稳定性理论证明了系统的稳定性,并通过仿真实验验证了所设计控制器能达到较好的轨迹跟踪效果。     

自由浮动空间柔性冗余度机械臂姿态稳定控制

讨论了自由浮动柔性冗余度空间机械臂的姿态稳定控制问题.采用假设模态法对柔性连杆的变形进行近似描述,忽略高阶弹性振动模态,然后利用拉格朗日法建立空间柔性冗余度机械臂系统的动力学模型.在此模型基础上利用奇异摄动法把系统分解为快慢2个子系统,设计慢变子系统的模糊滑模控制器,以保证轨迹误差的渐近跟踪.对快变子系统则采用最优控制...     

考虑未知负载的机械臂任务空间模糊跟踪控制

针对机械臂任务空间控制中动力学参数及负载均未知,导致末端轨迹跟踪难以实现的问题,提出了一种自适应模糊控制器(AFC)设计方法。采用一个滤波器滤除由末端位置微分获得的速度信号中的噪声;根据关节速度与Jacobian矩阵估计末端速度,并将估计误差引入控制器设计;通过另一个滤波器对误差函数进行处理。控制律由两部分组成,第一部分是一个模糊逻辑系统的输出,用来逼近机械臂动力学模型中包含摩擦等在内的非线性环节;第二部分是一个鲁棒项,用来减小系统外部扰动及模糊逼近误差带来的影响。通过Lyapunov方法设计控制器并证明了闭环系统的稳定性。Matlab环境下的对比仿真表明,本文所提方法下,机械臂末端跟踪轨迹平滑,且保持较高的跟踪精度。     

基于扩张状态观测器的机械臂分散自适应模糊控制

针对机械臂控制中各子系统间交联项难于处理的问题,提出了一种基于扩张状态观测器(extended state observer,ESO)和模糊策略的分散控制方法.将机械臂系统考虑为各关节交联子系统的集合,采用扩张状态观测器去实时估计机械臂各关节间的状态、耦合交联项及非线性项,利用模糊系统去逼近机械臂动力学模型中的建模不确定项,从而设计分散自适应模糊控制器以实现机械臂的轨迹跟踪控制,给出了控制器中参数的自适应更新律,并对该控制器进行了Lya-punov稳定性分析.最后将该方法应用于一个4自由度机械臂的轨迹跟踪控制中,仿真结果表明了该方法对处理耦合交联项及在各关节轨迹跟踪控制中的有效性.     

大型空间柔性组合航天器动力学建模与控制

航天器在轨组装制造和在轨服务维护任务中,捕获航天器通过空间机械臂捕获目标航天器后,整个系统构成一个大型空间柔性组合航天器.本文首先建立了综合考虑机械臂关节、臂杆和航天器太阳翼等柔性部件振动影响的组合航天器动力学模型,采用非线性扭簧模型描述柔性关节,采用假设模态法和有限元法描述柔性臂杆和太阳翼,通过动量守恒和拉格朗日方法推导了柔性组合航天器的动力学方程.然后设计了柔性组合航天器轨迹跟踪与振动抑制复合控制系统,采用奇异摄动方法对组合航天器动力学模型进行了降阶分解,在快慢两种不同时间尺度内分别独立设计了控制器.最后通过数值仿真验证了建模和控制方法的有效性.仿真结果表明,本文所建动力学模型精确有效,能够准确反映柔性组合航天器的运动学和动力学特性;复合控制方法能够保证组合航天器在实现机械臂精确轨迹跟踪控制的同时有效抑制柔性部件振动,具有工程实用性.     

基于改进型广义双曲正切模型的机器臂控制算法研究

针对存在复杂干扰情况下的机械臂轨迹跟踪控制问题,采用了一种基于双曲正切模型的鲁棒自适应控制方案。利用高解释性的改进型广义模糊双曲正切模型的全局逼近特点,设计一种自适应控制器用于机器人轨迹跟踪控制;同时以解一个线性矩阵不等式方程来保证系统的鲁棒稳定性。通过Lyapunov理论验证设计的控制器能够有效地克服不确定性对系统的影响,实现闭环系统的渐近稳定。仿真实验表明此控制算法具有较高的跟踪精度和较强的鲁棒性。     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题，提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰，简化机械臂动力学模型；其次采用反步控制方法为机械臂系统设计控制律，并为动力学模型中不确定参数设计自适应律；最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题，通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性，速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比，所提控制方法具有更好的机械臂轨迹跟踪控制性能，轨迹跟踪误差分别降低了30%、50%。     

基于模糊自抗扰技术的机械臂轨迹跟踪控制

考虑机械臂动力学模型中存在未建模动态、摩擦力矩、外部干扰等不确定性因素,为了提高系统的轨迹跟踪控制性能,设计了模糊自抗扰控制器。利用自抗扰技术中的扩张状态观测器能够对系统内外部扰动进行实时估计的特性,观测系统的不确定性因素,应用跟踪微分器提高系统动态响应性能,同时结合模糊控制技术对非线性误差反馈控制加以改进,从而实现了误差反馈增益的优化自整定。仿真结果验证了该控制器的强鲁棒性和有效性。     

基于自适应降阶滑模算法的机械臂力/位混合控制

针对机械臂位置和力的控制问题,首先通过约束方程对机械臂进行降阶,并将位置控制和力控制整合在同一控制器中,提高了控制器的整体性和连续性;然后将自适应滑模算法与降阶方法相结合,提高了控制器的跟踪效果和响应速度;最后利用自适应算法,修正机械臂参数,并基于李雅普诺夫方法进行仿真验证。仿真结果表明：所设计的控制方案不仅提高了系统的响应速度,同时还使期望轨迹有极好的跟踪效果,并将力误差稳定在极小的范围内。     

机械臂的滑模控制器设计及仿真实验研究

以多连杆机械臂为研究对象,设计滑模控制器来实现高精度的轨迹跟踪控制。首先建立受到参数不确定和外部扰动影响的多连杆机械臂动态模型;其次依据该受扰模型设计滑模面及相应的基于等效控制的滑模控制器;接着利用李雅普诺夫函数证明系统的稳定性;同时采用饱和函数替代符号函数来抑制抖振现象。为了验证所设计的滑模控制算法的有效性,使用Matlab/Simulink软件搭建机械臂仿真测试平台。利用测试平台实现机械臂在PID控制、滑模控制和基于饱和函数的滑模控制三种控制方法下的轨迹跟踪实验。通过仿真实验教学,可以显著提高学生在机械臂建模和控制器设计方面的能力。     

基于迭代学习的三自由度机械臂轨迹跟踪控制

针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题,提出一种变增益迭代学习控制律.利用拉格朗日法建立动力学方程,设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析,通过Matlab的Simulink仿真模块,构建三自由度机械臂控制系统仿真图,进行闭环定常PD(Prop...     

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.     

多机械臂系统无模型自适应神经网络同步控制

针对模型未知的多机械臂系统,利用多个独立的RBF神经网络,对每个子机械臂系统进行逼近,基于图论原理定义了每个子系统之间的同步耦合关系,结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程,随机械臂工作任务的变化可以实现对其动力学模型的实时逼近,摆脱了数学模型的限制,扩大了控制器的应用范围,在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪,并且系统在载荷发生改变等不确定的情况下依然能够实现同步,提高了控制器的鲁棒性。最后通过Lyapunov稳定性分析和Matlab仿真对所设计的同步控制器进行了验证。     

基于Lyapunov稳定性的多自由度机械臂滑膜控制

针对轨迹跟踪控制,精确的动力学模型难以建立的问题,首先,分别采用基于估计模型和基于模型上界两种方法,设计出不同的滑膜控制器,并通过Lyapunov稳定性定理从理论上证明了控制器的稳定性。其次,结合两自由度平面机械臂给出了其动力学方程线性化的推导过程,最后,通过仿真实验验证了控制算法的有效性。     

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.     

基于混合型伸缩因子的机械臂控制优化研究

为了实现三关节机械臂的轨迹跟踪控制,提出了一种变论域模糊控制方法,设计了一种不依赖被控对象精确数学模型的变论域模糊控制器。该控制器引入一种新的混合型伸缩因子,选择机械臂期望关节角度与实际关节角度的差值作为偏差,利用偏差和偏差的变化作为输入量来自动调整论域。运用MATLAB软件对采用该控制器的三关节机械臂轨迹跟踪控制进行仿真分析,并与采用指数型伸缩因子的变论域模糊控制器的仿真结果进行对比。结果表明,所设计的混合型伸缩因子的变论域模糊控制器在机械臂轨迹跟踪中的控制精度更高,稳态误差小,且响应速度快、无超调。     

柔性关节机械臂的自适应命令滤波输出反馈控制

针对柔性关节机械臂轨迹跟踪控制中存在模型摄动、外界干扰以及部分状态信息不可测等问题，提出一种基于自适应神经网络观测器的命令滤波输出反馈控制方法。首先，给出含不确定性的柔性关节机械臂动力学方程，并选用RBF神经网络设计自适应律，在线逼近由模型摄动及未知干扰带来的不确定性项；然后，设计自适应神经观测器以对系统不可测状态进行实时估计，并将估计值用于反馈控制，解决部分状态信息不可测的问题；最后，基于Lyapunov理论设计反步跟踪控制器，并引入二阶命令滤波器获得中间虚拟控制量的导数，避免反步递推过程中“计算爆炸”的问题。仿真结果表明，当系统存在模型摄动和外界干扰时，所提自适应命令滤波反步控制方法与传统反步控制方法和误差补偿命令滤波控制方法相比，无需连杆的角速度以及电机轴的转角和角速度等状态信息，且轨迹跟踪精度分别提升78%和35%。     

具有未知侧滑和打滑的WMR强化学习自适应神经网络控制

利用反演设计,提出一种强化学习自适应神经网络轮式移动机器人(WMR)轨迹跟踪控制方法.首先在极坐标下建立WMR的轨迹跟踪误差模型,并基于此设计运动学控制器.然后,针对WMR动力学系统,设计自适应神经网络控制器.结合强化学习机制,同时对系统未知侧滑、打滑和模型不确定性进行优化补偿,并引入鲁棒控制项来消除补偿误差的影响,进一步提高了控制效果.所提控制方法使得闭环系统稳定,且最终一致有界收敛,其有效性通过数值仿真结果得到了验证.     

多段线缆驱动连续型空间机械臂建模与控制

该文针对一类带有弹性杆的新型多段线缆驱动连续型空间机械臂的建模与控制问题开展研究,基于刚体等效建模思想建立了机械臂的几何模型。对每节机械臂进行单元划分,将各单元上的弹性杆等效为轻质连杆。在此基础上,应用欧拉-拉格朗日建模方法,建立了多段线缆驱动连续型空间机械臂动力学模型。针对系统中存在的参数不确定性与外部时变干扰,基于Lyapunov稳定性理论,提出了一种基于非奇异终端滑模有限时间控制(NTSMFC)的连续型机械臂控制方法。仿真结果表明：与比例-微分(PD)控制器相比,NTSMFC能在有限时间内快速跟踪期望姿态角,PD控制器的姿态跟踪快速性较低;NTSMFC姿态角稳态误差为±0.002 rad, PD控制器姿态角稳态误差为±0.01 rad。     

基于遗传-鲸鱼优化的SCARA自适应迭代学习控制

针对SCARA重复运动后的轨迹会出现偏差的问题,给出了一种基于改进鲸鱼算法的自适应迭代学习优化控制策略。根据SCARA驱动方程,设计了动力学系统的迭代学习控制律。由于鲸鱼算法收敛速度慢,利用遗传算法与鲸鱼算法结合,提高算法的全局搜索能力。对机械臂控制器参数K_P、K_D进行寻优。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。