机器人跟踪的迭代学习控制方法

针对机器人跟踪控制问题,提出一种改进的D型迭代学习控制律,给出迭代学习控制算法的充分条件和必要条件.该控制律除了利用机器人的关节位置及关节速度信息外,还引入了机器人的关节角加速度.利用控制律中的机器人关节角加速度构成的学习律在二关节操作臂上进行试验并且与D类学习律进行比较.仿真结果表明,该方法能大大提高学习速度,具有良好的控制性能.     

一种基于神经网络的机器人轨迹跟踪控制方法

对电驱动刚性机器人操作手轨迹跟踪控制问题进行了系统研究.利用径向基函数(RBF)神经网络的逼近学习功能,提出了一类神经网络控制策略.并用非线性系统LYAPUNOV数学理论进行了稳定性分析.所提出的控制方案力求保证控制系统具有较强的稳定性和鲁棒性,得到了机器人操作手轨迹跟踪误差的渐近稳定性.在进行严格理论证明的同时,结合计算机数值仿真实验验证所提出的控制方法是可行和有效的.     

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。     

一种基于神经网络的机器人轨迹跟踪方法

提出了一种基于神经网络中BP算法的动力学模型 ,该方法将估计转矩及由神经网络构成的补偿结构有效地结合在一起 ,增强了控制器的自适应性 .在机器人动力学方程存在误差的情况下 ,能通过文中提出的参数调整规则补偿误差 .该控制器在理论和仿真实验中均取得较理想的结果 .     

基于迭代学习控制的下肢外骨骼康复训练机器人运动策略

将具有不依赖系统模型精度,并且能够通过不断学习实现高精度控制等优点的迭代学习策略应用于下肢康复训练机器人运动控制.通过分析人体下肢结构与运动特征,得到下肢外骨骼系统各关节的空间位置参数;采用拉格朗日法对下肢外骨骼康复训练系统进行动力学分析,设计迭代学习控制器.仿真结果表明：迭代学习控制策略能够实现高精度跟踪期望轨迹的目标.     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

挖掘机器人工作轨迹跟踪智能控制

针对挖掘机器人工作装置及其液压驱动系统模型非线性强的特点，研制出一个基于知识的、多模式综合的轨迹跟踪控制系统。该系统具有“砰－砰控制”、维持控制、非线性死区补偿控制和模糊PID参数自适应控制等模式。根据工作轨迹跟踪误差和误差变化率的反馈，系统会基于知识，智能地选用或换用合适的控制模式，实现平稳和高精度的轨迹跟踪控制。为了提高液压执行器的性能，采用负荷传感负流量控制策略提高先导电液比例阀的操作性能，并结合液压泵的交叉功率传感控制减少液压能耗。     

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.     

并联机器人轨迹跟踪积分变结构控制的研究

根据并联机器人控制的特点，将积分变结构控制理论应用于半联机器人的轨迹跟踪，同时引入了趋近律。给出了积分变结构控制规律。仿真表明，该方法对并联机器人轨迹跟踪具有很好的控制效果。     

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。     

基于迭代学习算法的机械臂系统轨迹跟踪控制

针对平面二自由度机械臂这一非线性系统,设计了带初态学习的指数变增益D型迭代学习律,并给出收敛性证明.仿真结果表明,迭代学习控制对于诸如二自由度机械臂系统这类具有重复运动性质的被控对象具有很好的控制效果.设计带初态学习的指数变增益D型学习律,系统不仅在存在初态偏移的情况下实现了机械臂期望轨迹的完全跟踪,还加快了收敛速度,增强了迭代学习控制的鲁棒性.     

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...     

基于指数变增益迭代学习控制的机械臂轨迹跟踪研究

针对一类具有强耦合、参数时变、不确定干扰性质的机械臂系统,提出了一种指数变增益的闭环D型迭代学习控制算法.该算法主要解决机械臂轨迹跟踪精度以及迭代学习速度问题,可以实现机械臂轨迹的快速精确跟踪.最后通过MATLAB对机械臂轨迹跟踪系统进行仿真,仿真结果验证了算法的有效性.     

轮式移动机器人轨迹跟踪控制

基于轮式移动机器人的运动学模型,以速度为控制量,采用控制Lyapunov函数设计出一种具有全局渐近稳定的速度跟踪控制器。仿真结果证明了该方法的有效性。     

深孔管壁喷涂机械手的鲁棒跟踪控制方法

针对适用于长且变截面的4自由度管道喷漆机械手，为了保证它的跟踪精度，设计了一种鲁棒轨迹跟踪控制器，保证了跟踪误差的一致终值有界。最后，通过模拟仿真对所提出的控制方案与比例积分微分(PID)控制方案进行了比较，结果表明鲁棒轨迹跟踪控制具有更高的跟踪精度和稳定性。     

轮式移动机器人轨迹跟踪控制方法

针对轮式移动机器人轨迹跟踪这一典型控制任务,提出了基于模糊控制规则的滑模控制方法。该方法采用等速趋近律,利用连续函数代替符号函数获得切换控制律,最后运用Lyapunov理论证明系统的稳定性。仿真结果表明该方法不但能够有效的跟踪机器人的参考轨迹,还能有效的减少在控制中的抖振现象。即使存在外界干扰的情况下,也具有良好的控制品质。     

机器人鲁棒神经网络轨迹跟踪控制

对于具有外界扰动和参数不确定性的机器人系统轨迹跟踪问题,给出了一个新的鲁棒神经网络控制算法．为了解决因神经网络隐层神经元输出持续激励（PE）性质的丢失而可能造成的参数飘移问题,与大量在文献中使用的神经网络权重调节法则σ-修正方法不同,给出了一个新的调节法则．基于此权重调节法则的鲁棒神经网络控制器既可保证网络权重有界从而克服了参数飘移问题,又能得到系统跟踪误差渐近收敛到零．数值试验表明,所提算法可行有效．     

Adaptive Stabilization of Neural Control for Robot Trajectory Tracking

ＩｎｔｒｏｄｕｃｔｉｏｎＭｏｓｔｅｘｉｓｔｉｎｇＮＮ（ｎｅｕｒａｌｎｅｔｗｏｒｋ）－ｂａｓｅｄａｄａｐｔｉｖｅｃｏｎｔｒｏｌａｐｐｒｏａｃｈｅｓｆｏｒｒｏｂｏｔｔｒａｊｅｃｔｏｒｙｔｒａｃｋｉｎｇｈａｖｅｂｅｅｎｄｅｖｅｌｏｐｅｄｉｎｃｏｎｔｉｎｕｏ...     

火灾预警巡检机器人轨迹跟踪控制

针对如何减小火灾预警巡检机器人在目标轨迹跟踪过程中产生的角度和距离偏航问题,提出一种基于Backstepping的轨迹跟踪快速响应控制算法。首先根据机器人行驶偏差与轮速之间的关系,推导出移动机器人运动学模型,利用Backstepping构造出跟踪控制器,在控制器中引入虚拟反馈函数,调节控制器的跟踪效果;然后借助Lyapunov稳定性理论证明收敛性;最后,借助仿真实验和实物验证算法的有效性。研究结果表明所提出的轨迹跟踪控制方法可以使机器人减少轨迹跟踪过程中的误差,并最终使系统趋于稳定。     

基于迭代学习控制算法的下肢外骨骼机器人跟随特性研究

目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,本文提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。