基于RBF神经网络的全向智能轮椅自适应控制

在外界扰动为有界不可测条件下,利用径向基函数(radial basis function,RBF)神经网络在线逼近全向智能轮椅的非线性逆运动学模型,提出对轮椅轨迹跟踪的直接自适应控制方法.首先,在分析全向智能轮椅平台动力学模型的基础上,设计了基于径向基函数神经网络的全向智能轮椅自适应控制器;并进一步利用李雅普诺夫稳定性理论,证明了在外界扰动及神经网络权值误差逼近有界的条件下,该控制器在全向智能轮椅轨迹控制中跟踪误差的一致稳定且有界;最后,通过全向智能轮椅轨迹跟踪仿真实验,验证了所提出控制方法的有效性和稳定性.     

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.     

基于粒子群算法的空间机械臂关节驱动力矩优化设计

采用绝对节点坐标方法对空间柔性机械臂臂杆进行动力学建模,采用自然坐标法对机械臂关节进行建模,最终得到刚柔耦合的空间机械臂动力学模型.对冗余自由度机械臂进行逆运动学分析,由规划的末端轨迹得到了含自运动项的关节转角轨迹.利用动力学方程中Lagrange乘子的物理意义,对机械臂系统进行逆动力学分析,推导了关节轴瓦与轴颈在运动过程中受到的关节驱动力/力矩.利用粒子群算法优化机械臂的自运动项,得到了最小化的关节驱动力矩能耗,从而形成了一种冗余空间机械臂关节驱动力矩优化设计新方法.在平面三连杆柔性机械臂进行了数值仿真,仿真结果表明:所提出的方法在实现末端轨迹跟踪的同时,能有效降低关节力矩能耗;得到的关节力矩连续性好,能够满足工程实际需要.      

欠驱动UUV三维轨迹跟踪的反步动态滑模控制

提出一种欠驱动无人水下航行器(UUV)反步自适应动态滑模控制方法.结合反步和自适应滑模控制技术设计UUV的位置、姿态和时变速度跟踪控制器,采用虚拟速度来代替姿态误差的控制策略,将姿态跟踪控制转化为速度控制,能够有效避免传统反步法控制律设计存在的奇异值问题.针对系统模型不精确及时变扰动问题,引入滑模控制技术进行自适应补偿估计,提高了欠驱动UUV在未知环境中的鲁棒性及自适应能力,并基于李雅普诺夫稳定性理论证明了该控制系统误差最终一致有界.仿真结果表明:提出的UUV三维轨迹跟踪反步动态滑模控制方法收敛、有效,能够实现在系统参数不精确及时变扰动情况下的三维轨迹精确跟踪控制.     

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。     

吊装绳牵引并联起重机器人的建模分析

提出一种6自由度的绳牵引并联起重机器人,以取代现有的轨道吊.通过对绳牵引并联起重机器人进行构型配置并建模后发现,其动力学系统是具有8个输入量、6个状态量和输出量的冗余驱动的非线性系统.将非正则反馈线性化控制器引入到该系统中,得到一个线性化的系统.选择适当的输入控制律,即可得到一个关于轨迹误差的二阶常微分方程.在选择合适的反馈增益的基础上,可实现渐近稳定的吊运轨迹跟踪控制.仿真结果表明,吊具在x和y方向上的轨迹的稳态误差为零,但在z方向上的轨迹始终存在一个固定的稳态误差,必须通过改进系统的控制器来解决.     

基于生物启发的水下机器人路径跟踪控制

针对常规反步控制方法在路径跟踪中出现的速度跳变与推进器驱动饱和等问题,将生物启发神经动力学模型应用到水下机器人路径跟踪控制中。利用生物启发神经动力学模型的渐变和有界输出等特性,设计基于生物启发的反步路径跟踪控制器,并同传统反步跟踪控制器进行对比分析。仿真结果表明:在较大的初始跟踪误差下,所设计的跟踪控制器可以有效克服水下机器人跟踪控制中的速度跳变,避免推进器的驱动饱和,满足水下机器人推进器的推力约束。     

平面并联机构的鲁棒轨迹跟踪控制

为提高并联机构运动精度,以2自由度平面并联机构为模型,研究了提高并联机构轨迹跟踪精度的方法.在机构运动学分析的基础上,应用Lagrange乘子法建立并联机构的动力学模型.利用非线性系统的线性反馈理论,考虑动力学建模的模型误差和外界干扰等不确定因素,提出了一种鲁棒轨迹跟踪控制策略.该控制方法能够保证系统稳定,同时对外界干扰具有抑制作用.仿真表明,鲁棒轨迹跟踪控制可以显著减小跟踪误差,加快误差收敛速度.这种控制策略同样适用于其他类型的并联机构.     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在不同速度下自适应性变差,易产生较大的跟踪误差;最后,设计了基于车速变化的变预测时域轨迹跟踪控制器.CarSim/MATLAB/Simulink联合仿真结果表明,改进后的轨迹跟踪控制器在不同车速下轨迹跟踪具有良好的控制精度和稳定性.     

基于海流观测的欠驱动AUV自适应反演滑模轨迹跟踪

欠驱动自主水下航行器AUV在定深的海域中航行,其模型水动力参数存在不确定性,同时还遭受海流等外来因素干扰,对欠驱动AUV的轨迹跟踪精确带来极大的挑战.本文研究海流环境中欠驱动AUV水平方向上的轨迹跟踪控制问题,通过定义固定坐标系和随体坐标系间的转化关系,将海流速度引入欠驱动AUV运动学和动力学方程,建立海流环境中欠驱动AUV的运动学模型和动力学模型;结合期望轨迹得到欠驱动AUV的轨迹跟踪误差方程.在控制器的设计过程中引入自适应率,得到AUV水平面轨迹跟踪的自适应反演滑模轨迹跟踪控制器(ABSMC),同时为降低海流因素对AUV航行轨迹带来的偏差,设计海流观测器对环境中海流速度进行估计.仿真结果表明,该控制器可实现对由水动力参数不确定和外界时变干扰共同组成的系统总不确定性的估计,并弥补传统反演滑模控制理论中需要精确的模型参数和扰动信息的不足,且海流观测器可提升AUV轨迹跟踪的精度.在理论上证明了由海流观测器和轨迹跟踪控制器共同组成的AUV级联控制系统为全局渐进稳定;仿真对比结果显示所提出的基于海流观测的自适应反演滑模控制器能够克服欠驱动AUV模型中水动力参数不确定性、海流干扰及其他未知干扰的影响,跟踪性能优于基于海流观测的反演轨迹跟踪控制器(BTC).     

递阶式虚拟结构非完整机器人的编队控制

提出一种递阶虚拟结构编队控制方法,将机器人编队按空间分布划分为簇,并定义某段时间内该簇(虚拟结构)的参考轨迹,将虚拟结构的运动转化为各机器人的期望轨迹,然后基于反步思想,并通过设计移动机器人误差跟踪系统的Lyapunov函数来设计动态反馈控制器,实现了对参考轨迹的全局渐近跟踪.最后通过对给定直线和圆轨迹的编队跟踪试验,验证了该控制策略的有效性.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

移动机器人的滑模跟踪控制

文章讨论了移动机器人在外界干扰情况下的变结构控制问题 ,并提出一种机器人滑模跟踪控制方案 ,利用简化的动力学模型 ,使机器人能够跟踪给定的轨迹。采用极坐标表示机器人的位姿 ,利用非线性滑动面和指数趋近率 ,确定控制方法 ,使系统在外界扰动的情况下 ,其跟踪误差能在有限时间内收敛到零。     

一种基于交叉耦合的速度控制器

以足球机器人小车子系统为研究对象,通过对足球机器人小车轨迹跟踪误差的分析,建立了考虑轨迹跟踪精度的复合误差模型·提出一种基于模糊推理的交叉耦合误差补偿器的设计原理、算法及实现方法·该误差补偿器在不改变机器人小车内部速度环结构的条件下,通过向各轮提供附加补偿控制量,进而实现提高机器人小车轨迹跟踪的精度·针对足球机器人小车数学模型的仿真实验结果表明,该方法能够有效地提高机器人小车轨迹跟踪的精度·     

基于曲率跟踪方法的轴上拖挂轮式移动机器人的运动控制设计

目的 针对轴上拖挂轮式移动机器人中的挂车对目标轨迹精确跟踪控制问题,提出了一种能够跟踪挂车理想运动轨迹曲线相对曲率的双环控制方法。方法 首先通过梳理轴上拖挂轮式移动机器人受到的非完整约束建立出运动学模型,并通过欧拉-拉格朗日方程建立其动力学模型;然后利用运动学方程推导出挂车的理想运动轨迹曲线的相对曲率和拖车与挂车理想偏航角之差之间满足的重要函数关系式;最后基于该核心关系式,利用姿态误差系统的外环速度控制器和动力学模型的内环比例积分反馈控制器组成的双环控制方法来实现给定的跟踪任务。结果 仿真结果表明,对于外环系统,外环速度控制器使得姿态跟踪误差在经过一段时间的变化后全都趋近于零,实际的姿态变量最终稳定地趋近于目标姿态变量;对于内环系统,内环比例积分反馈控制器使得速度跟踪误差经过短暂的调整后趋近于零,实际速度值最终稳定地趋近于参考的速度值。结论 设计的双环控制器可以有效地实现姿态跟踪和速度跟踪,能够使挂车精确地跟踪理想运动轨迹曲线,由于在姿态跟踪过程中引入了挂车运动轨迹曲线的相对曲率,该方法可以极大地提高轨迹跟踪的精确度。     

基于综合导向的车式移动机器人轨迹跟踪控制

分析了具有不确定性和非完整约束的车式移动机器人系统的轨迹跟踪问题.基于运动学模型分析,提出一种自适应的轨迹跟踪控制方法.通过引入状态微分反馈实现系统的镇定.同时引入人工场,使其和位姿误差一起作用于控制系统,从而改善了对车式移动机器人的导航控制.运用Lyapunov稳定性理论证明了控制器的稳定性.直线和圆周两种轨迹跟踪的仿真实验表明,该控制方法能够使四轮车式移动机器人在导航中具有理想的跟踪轨迹.     

输入受限下机器人关节神经网络自适应控制

针对机器人关节控制输入受限以及动力学模型中存在非线性摩擦、柔性变形和未知外部干扰力矩等问题,提出了一种基于径向基函数（radial basis function, RBF）神经网络的输入饱和指令滤波自适应控制方法。基于指令滤波反步法,采用饱和函数约束控制输入的幅值,使用RBF神经网络在线逼近未知干扰,并利用Lyapunov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,控制算法不仅使系统的控制输入幅值被严格约束在规定的范围之内,完成了对目标轨迹的高精度跟踪（跟踪误差约为±0.003 rad）,而且还可抵抗外部阶跃干扰力矩和建模误差对控制系统的不良影响,保证系统的高精度与强鲁棒性,性能优于PID (propotional integral derivative)控制和普通指令滤波反步控制（command filter backstepping control, CFBC）,对机器人关节在高精度领域应用与智能控制具有重要价值。     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。     

基于Backstepping方法的车式移动机器人轨迹追踪控制

针对四轮车式移动机器人的运动学模型,首先利用一个正则坐标变换,将误差系统转换为一个非线性串联系统的形式;然后利用Backstepping方法,在两轮移动机器人追踪控制律设计过程的基础上,构造了四轮移动机器人追踪系统的Lyapunov函数,并通过使该Lyapunov函数负定,计算得到了针对四轮移动机器人轨迹追踪控制器,并证明了该类型移动机器人在所得控制器作用下,能实现对给定目标的全局渐近追踪;最后利用提出的控制器,通过四轮移动机器人对直线和圆周2种轨迹追踪的仿真实验,验证了该控制器在四轮车式移动机器人轨迹追踪控制中的有效性.     

基于反步法的SCARA机器人轨迹跟踪控制

针对SCARA机器人轨迹跟踪问题,提出了一种基于反步法的轨迹跟踪控制方法。利用反步法设计控制器的虚拟控制和实际控制量,基于李雅普诺夫稳定理论设计的控制律能够实现对机器人的轨迹跟踪,并确保闭环系统为全局稳定。仿真结果验证了算法的有效性,所设计的跟踪闭环系统一致全局渐近稳定,有效提高了轨迹跟踪控制精度,保证了跟踪误差信号的收敛。