用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

机器人机械手的鲁棒性稳定跟踪控制

为工业机器人机械手提出了一种稳定跟踪控制法．这种控制方法由前馈控制器、反馈控制器组成．前馈控制根据期望轨线用计算力矩法得到；反馈控制由线性ＰＩＤ控制项和非线性ＰＤ控制项组成，这种控制方法能使跟踪误差逐渐趋近于零．最后，给出了ＰＵＭＡ５６０机器人的计算机仿真实验验证此控制方法的有效性     

基于无模型自适应控制算法的机械臂轨迹跟踪控制

机械臂控制研究领域目前研究的热点分为目标点的位置控制和运动轨迹跟踪两方面.目标位置点的控制重点在于对末端执行器的位置点位的控制,对中间各个轴的运动过程并不关心;轨迹控制的重点在于通过各个轴的力矩控制来使其运行过程更加连续,更好地实现工作要求.针对机械手控制过程中总是存在不确定的情况,利用基于紧格式无模型自适应控制算法分...     

无人直升机的自适应动态面轨迹跟踪控制

针对无人直升机模型阶数较高、负载变化大等问题,提出了一种基于自适应动态面的控制方法.该方法用一阶线性滤波器来估计虚拟控制信号的导数,显著简化了控制器的设计过程.此外,通过对无人机重量的自适应在线估计,保证了闭环系统在有负载变化下的稳定性,并基于李雅普诺夫稳定性理论,证明了轨迹跟踪误差半全局一致最终有界.最后,通过仿真实验进一步证实了该方法的有效性和可行性.     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。     

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.     

基于DRNN的机器人轨迹跟踪自适应控制

针对模型未知和动力学非线性机器人轨迹跟踪,提出了一种基于分布式动态回归神经网络（ＤＲＮＮ）的自适应控制方法．该方法在ＰＤ动态反馈控制的基础上,引入神经网络辨识器（ＮＮＩ）在线逼近对象的非线性动力学,并设计出神经网络自适应控制器（ＮＮＣ）来补偿机器人动力学非线性造成的误差．仿真结果表明该控制方案具有良好的跟踪性能和较强的鲁棒性．     

一种基于模糊神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络,并将其应用于两关节机械手轨迹跟踪控制。该网络采用三角形隶属度函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理。这种模糊神经网络能够在线调节输出隶属度函数中心以及关节间耦合权值,使得控制器具有更好的学习与自适应能力。仿真结果表明,这种网络能很好的用于机器人的轨迹跟踪控制中,是一种行之有效的控制方法。     

基于理想轨迹学习的机械手神经自适应控制

在机械手鲁棒控制的基础上,讨论了神经网络逼近误差界未知情形下机械手的神经网络直接自适应控制方法,这里神经网络用于补偿系统的不确定性,提高整个系统的跟随性能。提出设计方法的主要特点是神经网络控制器设计采用机械手待跟随的理想关节信号代替实际的机械手关节角、关节速度和关节角加速度作为神经网络的输入,此外神经网络的逼近误差界假设是未知的。给出了具体的系统设计算法,并证明了神经网络学习算法的收敛性和整个系统的全局稳定性。最后,一两连杆机械手的控制器设计仿真实例验证了提出算法的有效性。     

半结构环境中电力作业机器人机械手鲁棒轨迹跟踪控制

在输电线路高电压、强电磁干扰的恶劣半结构环境下,为有效抑制扰动信号及各种不确定性因素对电力作业机器人机械手轨迹跟踪精度和运动稳定性的影响,提出了一种基于H∞控制理论的机器人机械手鲁棒轨迹跟踪运动控制方法.通过机器人控制体系结构的分层,利用拉格朗日法并结合关节电机电枢电压方程对机器人的不同动力学行为进行了动力学建模,获取了机器人动力学行为和动力学参数的映射模型,在此基础上推导出了扰动及不确定性因素情况下关节运动控制的状态空间表达式,并以此构建立了机械手H∞轨迹跟踪控制模型,利用线性矩阵不等式（LMI）求解了相应的轨迹跟踪H∞控制器,最后通过仿真实验验证了H∞控制的有效性.现场作业试验进一步验证了该控制方法的工程实用性,同时该控制方法具有通用性好、适应性强、易于扩展的显著特性.      

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.     

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．     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

车体振动弹药传输机械臂的有界轨迹跟踪控制

针对传统PID控制器未能考虑车体振动带来的不确定性外部摄动的影响,且存在控制性能依赖高控制输入、驱动容易饱和的缺点,基于计算力矩法与一种基于隐式Lyapunov函数的控制律,提出一种新的弹药传输机械臂轨迹跟踪控制方法.控制器的增益是系统误差变量的可微函数,随着实际轨迹逐渐趋向于期望轨迹,该增益逐渐趋向于无穷大,但是控制输入始终满足给定的约束.数值求解系统的动力学方程中采用牛顿迭代法与龙格库塔法交叉迭代.结果显示,所设计的控制器可以有效抑制车体振动的影响,实现了弹药传输机械臂的渐进轨迹跟踪控制,具有良好的鲁棒性.      

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.     

机器人操作臂的解耦跟踪控制

提出了一种基于Ｔａｙｌｏｒ级数展开的直接驱动型机器人操作臂的轨迹解耦跟踪控制方法．利用Ｔａｙ－ｌｏｒ级数对系统的逆动力学进行动态线性化和预测,并在相平面内设计控制器,可大大提高闭环系统的性能     

基于RBF网络的机械手迭代学习控制器

针对迭代学习控制用于机械手轨迹跟踪时存在的收敛速度慢的问题,提出了一种基于RBF网络的迭代学习控制器,利用先前跟踪不同期望轨迹所得的经验构造新的初始控制量以加快收敛速度.将给定的期望跟踪轨迹分解成多个查询点,然后用RBF网络对每个查询点周围最邻近的k个数据点进行拟合以建立系统的逆动力学特性估计,进而预测相应于查询点的初始控制输入.为验证所提方法的有效性,对一平面双连杆机械手进行了仿真研究.     

基于动态滑模控制的移动机械臂输出跟踪控制

为实现移动机械臂的输出跟踪控制,设计了一种动态滑模控制器．文中首先给出了包括驱动电机动态特性的移动机械臂简化动态模型,然后通过微分同胚和非线性输入变换将系统分解为4个低阶子系统,并给出了用于移动机械臂输出跟踪的动态滑模控制器的设计方法．仿真结果表明,所设计的动态滑模控制器不仅能很好地跟踪给定轨迹,而且能有效地削弱滑模控制系统的抖振．