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.     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

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.     

谐波驱动系统自适应神经网络动态面控制

针对谐波驱动系统动力学模型中存在的非线性摩擦、柔性变形和外界未知干扰力矩等因素的问题,为了提高系统的位置跟踪精度,提出了一种基于径向基函数(RBF)神经网络的谐波驱动系统自适应动态面控制.采用LuGre摩擦模型描述系统的非线性摩擦特性,用RBF神经网络在线逼近摩擦参数变化和外界未知干扰力矩对系统的影响,并通过李雅普诺夫稳定性理论证明了闭环系统的所有误差最终一致有界.仿真结果表明:与普通动态面控制相比,本控制策略对摩擦参数变化和外界未知干扰力矩具有较强的鲁棒性,提高了系统的位置跟踪精度.     

基于预设性能的自适应神经网络船舶轨迹跟踪

针对存在模型参数摄动与外界未知海洋环境干扰的船舶轨迹跟踪问题,提出一种具有规定性能要求约束的船舶轨迹跟踪控制策略．该控制策略通过引入具有约束作用的性能函数进行控制器的设计．先将有不等式约束的船舶轨迹跟踪误差转换为等价的无约束的误差,然后将转换得到的误差与滑模控制相结合设计控制器,保证船舶轨迹跟踪控制的快速性与高精度,同时使用低通滤波器求解虚拟控制量导数,避免微分爆炸．而后通过径向基函数(RBF)神经网络克服模型参数摄动,利用非线性增益函数与双曲正切函数设计自适应律,对外界未知干扰与模型参数逼近误差的总和的界进行估计．最后基于李雅普诺夫(Lyapunov)稳定理论证明了闭环系统中所有状态量最终一致有界,且船舶轨迹跟踪误差收敛到规定的范围内．仿真实验验证了所提出的控制策略的有效性与优越性．     

基于干扰观测器的输入受限非线性系统鲁棒控制

针对一类单输入单输出非线性系统,提出了一种有效处理输入饱和及未知外部干扰的控制方法,并应用于近空间飞行器的控制设计。利用双曲正切函数及Nussbaum函数的特殊性质对输入饱和进行处理。通过干扰观测器实现对复合扰动的有效逼近。考虑到反步控制中存在的计算膨胀和虚拟控制信号光滑性的问题,结合反步法和动态面法设计了相应的控制器。通过Lyapunov分析证明了所设计的控制律可以使闭环系统所有信号半全局最终一致有界,且跟踪误差和干扰逼近误差最终有界。仿真结果证明了该方法的有效性。     

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。     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示：随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

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%。     

基于模型分块逼近的三关节机器人鲁棒滑模控制

三关节机器人结构参数、作业环境的外界干扰及结构振动等不确定因素均会造成其动力学模型不确定,导致机器人关节位置镇定或轨迹跟踪控制器的设计具有一定的难度。为此,设计三个RBF(Radical Basis Function)神经网络分别对机器人不确定模型中的三个不确定项进行分块逼近,得到三个不确定项的估计信息,从而得出机器人估计模型,神经网络的权值采用适应算法。针对机器人估计模型设计鲁棒滑模控制律,其中鲁棒项用于克服神经网络建模误差。通过定义Lyapunov函数,证明了控制系统是稳定的。实验结果也表明了三关节均约在1s时达到期望位置或跟踪期望轨迹,位置镇定误差或轨迹跟踪误差也快速、稳定地趋于零。     

TCP/AWM网络系统的自适应有限时间漏斗拥塞控制

研究了具有外部扰动的TCP/AWM网络系统拥塞控制问题.首先,为了保证队列跟踪误差具有预设的暂态和稳态性能,引入漏斗误差变换对队列跟踪误差进行限制.其次,利用RBF神经网络处理系统中存在的非线性项.结合漏斗控制、有限时间控制、自适应Backstepping技术和RBF神经网络,提出了一种主动窗口管理算法,不仅保证了闭环系统的所有信号是半全局实际有限时间有界的,还使队列跟踪误差收敛到预先给定的漏斗边界内.最后,将本文所提方法与现有的两种同类算法进行了仿真对比,通过得到的仿真结果可以看出所设计的控制器使系统具有更快的收敛速度和更小的超调量,进一步验证了所提方法的可行性和优越性.     

一类基于 RBF 网络机械手的轨迹稳定跟踪控制

目的 针对具有外界干扰不确定性的柔性关节机械手实际轨迹跟踪稳定性问题,提出一种自适应动态面控 制与神经网络相结合的方法。 方法 对于非线性系统中的函数以及未知参数,根据径向基函数(RBF)神经网 点对其进行逼近,并对来自外界对系统的干扰项,通过设计阻尼项将其补偿,再根据动态面的相 络的特 关知识对该非线性 系统中的控制器进行设计且实现关节轨迹跟踪控制。 结果 仿真结果表明:在非线性系统中,该方法能够克服干扰 不确定性项,实现机械手连杆转角 q 较好的跟踪效果,误差缩在 5%以内,具有较强的跟踪稳定性,且随着时间的进 行,跟踪误差愈发减小且趋向于 0,对于参数的估计以及逼近都达到了理想的阈值。 结论 该方法保证了闭环非线 性系统半全局稳定,又可利用参数调节的方式达到跟踪误差任意小,且设计的控制器不但保证了机械手的位置跟 踪稳定性,而且很好地解决了跟踪抖动问题。     

一类非线性MIMO系统的神经网络直接自适应鲁棒解耦控制

针对一类未知非线性MIMO系统(多输入/多输出系统),应用“主导输入”的概念,基于神经网络理论提出一种直接自适应鲁棒解耦控制方法.该方法不仅保证了闭环系统的稳定,而且使外部干扰、神经网络逼近误差及输入对输出的交叉耦合对跟踪误差的影响衰减到给定的水平.     

基于位置控制的多自由度机械臂非线性比例-微分阻抗控制

机器人柔顺控制可以响应环境变化,但接触信息的延迟以及未知机器人系统的跟踪误差等问题均导致接触瞬间力矩超调严重。针对上述问题本文提出一种基于自适应位置控制的改进阻抗控制策略,实现快速、精确的位置跟踪,同时,提高力控制的响应速度和精度。本策略采用双环控制,外环在传统阻抗模型基础上引入非线性接触力微分项在保持系统稳定性的同时提高机器人对接触力变化的响应,有效降低接触力超调;内环为自适应滑模控制,并使用RBF神经网络逼近机器人动力学模型并补偿系统中不确定性扰动,提高了系统的鲁棒性,提高收敛速度并降低跟随误差。通过仿真与实验,验证了所提出的改进阻抗控制方法相比于传统的阻抗控制方法有更好的力控响应速度和位置跟踪精度,可有效解决机器人与环境接触瞬间的接触力超调问题。     

输入受限非线性系统的自适应零误差跟踪控制

针对非线性系统面临的不确定动态、未知外部扰动和输入受限问题，提出了一种考虑输入饱和的零误差跟踪控制器。首先将系统的未建模动态和外部扰动综合为有界的“总扰动项”，进而设计控制律和自适应律补偿这一扰动项，使跟踪误差渐进收敛至零而不仅仅收敛至有界的紧集内。相比于传统的考虑不确定动态和外部扰动的非线性控制方法，所提控制方法的控制器结构更加简单，跟踪精度更高。此外，通过设计辅助误差补偿系统，使得控制器能较好地应对输入饱和情形，在饱和情形消失后，补偿信号能够渐进收敛至零。最后，通过仿真验证了所提方法的有效性。     

基于神经网络及综合电机特性的柔性关节空间机器人全阶滑模控制

研究了载体位置、姿态均不受控的自由漂浮柔性关节空间机器人机械臂轨迹跟踪及关节柔性振动主动抑制问题,利用系统动量、动量矩守恒关系及第二类Lagrange法,并综合考虑关节驱动电机特性,导出了其全系统动力学模型;然后基于奇异摄动理论将该动力学模型分解为描述机械臂刚性运动的慢变子系统及描述关节柔性振动的快变子系统,并结合关节电机输出力矩与电枢电流的关系,将对控制力矩的设计转化为对电流控制的设计。之后,针对关节柔性振动快变子系统,采用速度差值反馈控制方案对其进行了振动主动抑制;针对机械臂刚性运动慢变子系统,则基于RBF神经网络提出了一种全阶滑模控制方案;其中RBF神经网络用于逼近由系统不确定参数带来的未知非线性项,全阶滑模控制方案的引入在于使控制系统在兼备传统滑模控制方案鲁棒性强特点的同时,还能克服抖振问题。最后,系统数值仿真结果说明了所提方案的有效性。     

变体近空间飞行器的鲁棒自适应控制

针对变结构近空间飞行器在大包络飞行过程中具有切换的后掠翼、非线性、快时变、强耦合和不确定的特性,提出基于全调节径向基神经网络(Fully Tuned Radial Basis Function Neural Network,FTRBFNN)和动态面backstepping的鲁棒自适应跟踪控制策略。该方法利用FTRBFNN在线逼近飞控切换模型中的复合干扰,应用带有动态面的backstepping方法,设计适用于任意切换后掠翼角光滑的反馈控制器。通过公共李氏函数,证明了所提出的控制方法可以保证闭环切换系统的输出跟踪误差在有限时间内收敛到任意小的有界集内。仿真实验结果表明该飞控系统具有良好的控制性能。     

基于反演技术和神经网络的移动机器人控制

提出了一种基于反演设计和RBF神经网络自适应的非完整移动机器人轨迹跟踪方法.首先,设计一个虚拟的速度控制律使得输出跟踪误差尽可能小;然后,利用反演技术设计一个基于RBF神经网络的动力学控制器,以确保在机器人系统中存在不确定性和外界扰动的情况下,机器人仍具有良好的跟踪能力.RBF神经网络连接权值在线自适应律由Lyapunov理论导出,保证了控制系统的稳定性.本文提出方法的主要优点是不需要移动机器人动力学的先验知识,而且对外界扰动具有良好的鲁棒性.最后,在两轮非完整移动机器人上的仿真结果证明了本文所提出方法的有效性.     

考虑执行器饱和补偿的移动机器人自适应积分滑模控制

针对存在执行器输入饱和约束、模型参数不确定性以及外部扰动等因素影响下的移动机器人跟踪控制问题,提出一种考虑执行器饱和补偿的移动机器人自适应积分滑模控制方法。利用双曲正切函数对执行器输入饱和约束作近似处理,并将系统动力学模型表示为仿射系统形式。将执行器输入饱和约束的近似处理误差、模型参数不确定性以及系统外部扰动扩张为一个新的状态,进而设计扩张状态观测器对系统总和扰动进行估计,在此基础上设计系统自适应积分滑模控制器,从而改善普通滑模控制中抖振突出的问题,保证系统的跟踪控制性能。对所提控制方法进行了仿真验证,结果表明,所提控制方法在执行器输入饱和约束、模型参数不确定性以及外部扰动等因素影响下能够保证跟踪误差快速稳定收敛。