HIT/DLR多指手稳定抓取的控制策略

提出了一种新的多指灵巧手实现稳定抓取的位置/力矩控制策略.该策略基于阻抗控制的思想,在力矩控制器的基础上引入位置控制信息,并利用观测器对手指的控制模式进行切换.可以分别实现自由空间中的位置轨迹跟踪和约束空间中的精确力跟踪.虽然控制模式及输入信号在自由空间和约束空间有所改变,但核心的控制器都为同一个力矩控制器,可以保证过渡过程的平稳性,实现了多指手对物体实施精确的抓取.实验结果证明了该控制策略的有效性和可行性.     

未知环境下水下机械手智能抓取的自适应阻抗控制

为了满足水下机械手在未知环境下对目标抓取的多样性,保证抓住、抓牢并最大限度地避免目标损伤,提出了自适应阻抗控制方法.构建了基于位置的阻抗模型的力跟踪控制系统,采用递推最小二乘法辨识目标的阻抗参数,根据阻抗参数与机械手的运动特征,利用模糊推理方法在线调整抓取力的期望值,并根据期望抓取力与实际抓取力的误差设计自适应比例-积分-微分(PID)控制器来调整期望位置,以实现在跟踪目标位置的同时对期望抓取力信号的跟踪,并利用MATLAB/Simulink软件平台进行仿真实验.结果表明:自适应阻抗控制方法在自由空间和约束空间均具有良好的力、位移的跟踪性能;对期望抓取力的实时调整满足抓取目标的多样性,期望位置的自适应调整能够实现对期望抓取力的跟踪.     

基于LQR和PID的智能车轨迹跟踪控制算法设计与仿真

为了提高智能车轨迹跟踪的精度及鲁棒性,提出了基于线性二次调节器(LQR)和比例-积分-微分(PID)算法的横纵向控制策略。首先建立了车辆二自由度动力学模型和轨迹跟踪误差模型;其次设计了横向LQR控制算法的轨迹跟踪控制器和纵向双PID控制算法的速度跟踪控制器,并采用遗传算法对横向LQR控制的关键参数进行了确定。通过CarSim和Simulink对其控制算法进行低速、中速和高速三种工况的仿真,仿真结果表明：该横纵向控制算法在轨迹跟踪时的距离偏差小于0.05 m,前轮转角以及横摆角速度变化较为平稳,保证了轨迹跟踪的精度和较好的稳定性,在一定程度上提升了乘员的舒适性。     

轮毂电机驱动汽车纵向和横向稳定性联合控制

为了提高轮毂电机驱动汽车的纵横向稳定性,将汽车的横摆控制和防滑控制相结合,采用分层控制架构搭建纵向和横向稳定性联合控制模型.上层为力矩决策层.基于比例-积分-微分(PID)控制算法构建车辆纵向车速跟踪控制器;基于模糊P ID控制算法搭建驱动防滑控制器,采用前馈加反馈的控制方法决策出驱动防滑力矩;基于二阶滑模控制算法建立直接横摆力矩控制器,设计附加横摆力矩加权模块控制汽车的横摆特性.下层为力矩分配层.采用优化分配算法将上层决策出的总纵向力矩、驱动防滑力矩和直接横摆力矩合理地分配到4个车轮上.通过加速和转向联合仿真工况验证设计的纵横向稳定性控制策略的有效性.研究结果表明:车轮最大滑转率为0.17,横摆角速度最大偏差值为0.01 rad/s,质心侧偏角最大偏差值为0.011 rad,验证了控制算法的有效性.     

双缸电液位置伺服同步控制系统的智能控制

针对双缸电液位置伺服同步控制系统的高精度及快速性要求,采用比例积分微分型迭代学习控制算法,设计实现了电液位置同步控制系统.在系统中采用双闭环两级控制策略,将双缸同步误差反馈补偿到输出量中,同时采用比例微分算法对数字控制量进行修正,使双缸互为跟踪对象,保证了双缸运行中的高精度同步.试验结果表明:该同步控制系统具有较高的控...     

基于一阶低通滤波器滑模反步法的直流电机位置控制

针对直流电机位置控制系统在负载扰动情况下存在控制精度低、响应速度慢和鲁棒性差的问题,提出了基于一阶低通滤波器滑模反步法的直流电机位置跟踪控制算法.通过滑模反步法进行虚拟控制实现直流电机实际位置控制.利用一阶低通滤波器计算虚拟控制项的导数,消除微分膨胀,使控制器设计简单,但同时造成了相位滞后.通过前馈环节对一阶低通滤波器造成的相位滞后进行补偿.考虑位置跟踪、虚拟控制和滤波误差设计线性动态滑模面,改进滑模变结构控制律的切换控制项,提高滑模趋近速度,同时降低系统输出抖振.定义了Lyapunov函数,证明系统稳定性.仿真实验对比了比例积分微分(proportion integration differentid,PID)控制和传统滑模控制算法,结果表明,该方法能够快速、准确地跟踪给定位置信号,同时具有较好的鲁棒性.     

微进给工作台伺服控制技术

为实现母盘刻录机中光学头的精密进给,研制了精密微进给工作台及其伺服控制系统.利用线光栅作为工作台位移检测工具,采用数字比例积分微分(PID)伺服滤波器实现位移控制.经实验方法测定,系统摩擦可以近似为Coulomb摩擦加Stribeck效应的模型.采用了基于该模型的摩擦补偿方法以消除电机死区影响.为实现精确轨迹控制,控制系统采用了零相位误差跟踪控制(ZPETC)技术.针对高增益PID、摩擦补偿和ZPETC加摩擦补偿这3种控制方法,分别进行了轨迹跟踪实验,其轨迹误差分别为±0.8、±0.6 和±0.3 μm.     

串联弹性驱动器的控制策略应用于工业机器人

为提高工业机器人的控制及示教水平,首先设计串联弹性驱动器关节机械臂零力控制系统和比例-积分-微分(proportion integration differentiation, PID)位置控制系统,然后搭建MATLAB仿真系统,最后采用串联弹性驱动器力跟踪实验的方法,研究了串联弹性驱动器关节机械臂零力控制系统的正确性和控制算法的可行性。结果表明:设计的机器人零力控制系统和控制策略能够提高机器人的柔顺性和控制效率。可见,基于力/位置混合的驱动控制方法,在实现机器人在到达指定位置的同时,能够提高机器人示教水平。     

车辆轨迹的预瞄与模糊分数阶比例—积分—微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶比例-积分-微分(proportion-integration-differentiation, PID)控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

集总干扰下六旋翼飞行器的轨迹跟踪控制

针对复杂集总干扰下六旋翼飞行器轨迹跟踪控制问题,给出了混合积分反步法控制与线性自抗扰控制的控制算法.首先,通过牛顿-欧拉方程建立六旋翼飞行器的非线性动力学模型,并剖析系统输入输出的数学关系.其次,根据六旋翼飞行器动力学模型的特点,将其分为位置与姿态两个控制环.位置环采用积分反步法控制理论设计控制器,通过引入积分项来提高系统的抗干扰能力,消除轨迹跟踪的静态误差;姿态环采用线性自抗扰控制技术设计控制器,通过线性扩张观测器估计和补偿集总干扰影响,提高系统的鲁棒性.最后,通过2组仿真算例和1组飞行试验验证了本文所提飞行控制算法的有效性.研究结果表明:该控制算法对集总干扰有较好的抑制作用,能够使六旋翼飞行器既快又稳地跟踪上参考轨迹,具有一定的工程应用价值.     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

基于改进LuGre摩擦模型的机器人关节模糊自适应反步控制

为实现机器人关节在非线性摩擦和外界未知干扰力矩等因素影响下的精确和稳定控制,通过改进LuGre摩擦模型来描述系统的非线性摩擦特性,采用自适应算法进行摩擦补偿来逼近摩擦力的变化,并采用模糊神经网络逼近外界未知干扰力矩对系统的影响.引入正切障碍李雅普诺夫（Lyapunov）函数对输出信号进行约束,使误差被限制在给定范围之内.利用双曲正弦函数跟踪微分器解决了虚拟输入微分引起的“微分爆炸”和一阶滤波器精度差问题,将自适应控制方法与反步控制理论相结合,提出了一种带摩擦补偿的模糊自适应反步控制方法.利用Lyapunov判据证明了闭环系统的所有误差最终一致有界,并通过仿真得出本文所提出的控制方法相比于传统PID与神经网络动态面控制（Radial Basis Function Dynamic Surface Control,RBFDSC）,位置跟踪误差分别提高了近7.5%和3%;当LuGre模型参数变化时,自适应算法也可以精确对摩擦力进行跟踪补偿,从而验证了本文所提出的控制策略的有效性和鲁棒性.     

一种机器人系统的鲁棒轨迹跟踪方法

文章基于标称模型，在反馈力矩补偿控制的基础上，考虑在实际机器人系统存在不确定性(外部扰动及摩擦力)时，基于终值有界定理，运用连续状态反馈的方法设计出一个新的机器人轨迹跟踪控制器．数值仿真表明，在初始误差较大的情况下，该轨迹跟踪控制器能够保证跟踪误差的终值有界性。     

基于LQR的智能驾驶汽车横纵向控制研究

为了提高智能驾驶汽车跟踪控制器的稳定性和跟踪精度,提出了一种基于线性二次型调节器(LQR)控制算法和驾驶员预瞄模型的横向跟踪控制策略,结合纵向比例-积分-微分(PID)控制算法实现横纵向控制。首先建立带有前馈的LQR控制器,采用梯度下降优化算法优化LQR控制器权重参数,并在此基础上引入驾驶员预瞄模型,设计了基于经验的预瞄距离自适应控制器;其次建立双PID纵向控制器进行速度控制。最后通过Carsim和Matlab/Simulink联合仿真以及实车测试验证,结果表明：仿真工况下最大横向偏差小于0.035 m,最大航向偏差小于0.09 rad,实车测试工况下也能够良好遵循规划轨迹的整体趋势,速度跟踪效果良好且前轮转角与横摆角速度变化平稳。因此,该控制器能够保证较高精度且平稳的轨迹跟踪,在高速状态下更为明显。     

旋翼无人机实时视觉跟踪算法

针对背景变化、目标状态变化和短暂遮挡导致的无人机跟踪失败问题,提出了融合基于加速鲁棒特征的光流跟踪器、基于归一化相关匹配(wormalized cross correlation,NCC)的检测器和基于卡尔曼滤波器的位置预估器的目标跟踪算法.此外,设计了基于串级比例-积分-微分控制器(proportion integration differentiation,PID)的位置-姿态外内环控制器,计算目标相对无人机的水平位移,据此通过两级PID算法完成位置-姿态的控制,以确保目标始终位于图像中心附近,实现对目标的有效跟踪.测试结果验证了该跟踪算法的有效性.     

基于RBF神经网络的弧焊机器人轨迹跟踪控制方法

针对目前弧焊机器人的控制算法大多是基于关节空间的算法,而这种算法无法实现对机械臂末端位置的直接控制的问题,提出了基于笛卡尔空间的轨迹跟踪控制算法.首先运用RBF(radical basis function)神经网络技术对实际机械臂数学模型的建模误差和参数不确定性进行补偿,接着定义Lyapunov函数并运用HJI(Hamilton-Jacobi inequality)定理设计基于笛卡尔空间的机器人鲁棒控制器.在此基础上以二自由度机械臂为被控对象进行仿真研究,仿真结果表明,基于笛卡尔空间算法的轨迹跟踪控制算法误差小于基于关节空间的控制算法,在基于笛卡尔空间的控制算法的仿真中末端轨迹跟踪误差小于0.08 mm,神经网络能够有效地在线学习机器人的建模误差和参数不确定性.     

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.     

基于动力学模型的小型无人直升机自主飞行控制算法

引入小型无人直升机简化动力学模型,阐述了简单、高效的MTC(Model and Trajectorybased Controller)控制算法.基于该算法所实现的飞行控制算法包括两部分:基于转动动力学模型的直升机姿态控制和基于二次积分关系的位置控制.所设计的MTCV算法包含具有良好鲁棒性的位置控制及速度控制功能,并可用于直升机多航点路径的不减速连续飞行控制.仿真实验和实际飞行控制实验结果表明,本飞行控制算法具有有效性和实用性.     

双舵轮自动导引车轨迹追踪控制算法

为提高双舵轮自动导引车(automated guided vehicle, AGV)轨迹跟踪控制性能,设计了基于模型预测控制的轨迹跟踪控制器。以双舵轮自动导引车为研究对象,首先建立自动导引车运动学模型,求得车体转弯半径,并重点分析双舵轮自动导引车转向优势;然后,对双舵轮导引车建立了基于模型预测控制的轨迹跟踪模型,并考虑车体运动性能指标及各类约束,最后通过仿真实验验证了模型预测控制算法用于双舵轮自动导引车的可行性,且分析了控制时域权重和预测时域长度两项模型参数对系统性能的影响;与基于比例-积分-微分轨迹跟踪控制器的自动导引车进行轨迹跟踪对比仿真实验。最终实验表明,采用该模型预测控制器可以满足各类约束条件,高效精准完成对连续大曲率目标路径的有效跟踪,同时具有较高的实时性和鲁棒性。     

反演单神经元PID复合控制在伺服系统中的应用

针对火箭炮位置控制中存在的转动惯量和负载力矩变化大、冲击力矩强等特点,提出了一种反演单神经元比例-积分-微分(PID)复合控制方法。单神经元PID控制可对传统PID控制器的比例、积分、微分系数进行在线调整,实现了系统的自适应控制。反演算法可使较大的系统误差快速收敛到设定值以内,提高了系统的自适应能力。仿真及实验结果表明,该文复合控制方法具有更好的稳定性和动态跟踪精度。