AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

自动导引小车模糊控制器的研究

分析了AGV路径跟踪控制的特点,为提高模糊控制器的稳态精度和对AGV路径跟踪控制的适应能力,提出了基于插值法的模糊控制规则查询表的控制方法,通过对模糊控制器的设计与仿真分析,得到其响应曲线.研究结果表明,在不影响模糊控制器控制特性的情况下,使模糊控制器的设计和实现得到简化,从而更好地满足AGV路径跟踪控制的性能要求.     

自抗扰技术在动力翼伞轨迹跟踪控制中的应用

为了降低动力翼伞系统的非线性特性和风场干扰对轨迹跟踪控制的影响,设计基于自抗扰控制技术的轨迹跟踪控制器.根据动力翼伞系统的特性,将动力翼伞系统的轨迹跟踪控制分为水平轨迹控制通道和垂直高度控制通道,分别设计线性扩张状态观测器(LESO)对系统非线性扰动和外部干扰进行估计和补偿.采用零阶保持器法对线性扩张状态观测器进行离散化,提高线性扩张状态观测器对系统状态的估计效果.仿真结果表明,动力翼伞系统的线性自抗扰轨迹跟踪控制器能够克服风场的影响,达到水平方向和竖直方向的轨迹跟踪控制要求,控制效果优于广义预测控制器.     

基于递归模糊神经网络的移动机器人滑模控制

针对非完整移动机器人轨迹跟踪控制问题,提出了一种Backstepping运动学控制器与自适应动态递归模糊神经滑模控制器相结合的控制结构。采用遗传算法对运动学控制器的参数进行了优化选取,有效地抑制了因初始位姿过大而引起的初始速度及输出力矩过大的问题;采用动态递归模糊神经网络(Adaptive dynamic recurrent fuzzy neural network,AD-RFNN)对动态非线性不确定部分进行在线估计,使不确定性估计误差大大减小;通过与自适应鲁棒控制器结合应用,不但解决了移动机器人的参数与非参数不确定性问题,同时也消除了在滑模控制中的输入抖振现象;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。     

深海采矿车的轨迹跟踪控制算法与仿真

根据深海采矿车的运动学模型,考虑随机打滑率等干扰影响,采用分层控制的思想将采矿车的轨迹跟踪控制分为2部分:轨迹跟踪模糊控制器和速度PID控制器.基于连续状态反馈的有限时间控制算法,结合模糊逻辑控制器,设计了一种连续的状态反馈轨迹跟踪控制算法,仿真结果表明了该方法的有效性.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于PD方法的不确定机器人神经网络变结构控制

针对不确定机器人轨迹跟踪控制,提出基于PD方法自适应神经网络变结构控制律,利用RBF神经网络补偿系统参数不确定性,用滑模变结构控制器消除神经网络的逼近误差.仿真结果表明,该控制律能保证轨迹跟踪误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性.     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

基于神经网络的伺服机械手LuGre摩擦补偿控制

针对伺服机械手系统的LuGre摩擦模型参数辨识难,难以建立其精确的数学模型,利用径向基函数( RBF)神经网络的万能逼近特性逼近LuGre摩擦,并作为计算转矩控制器的补偿项。通过Lyapunov方法证明了系统的稳定性以及闭环系统跟踪误差的收敛性。仿真结果证明控制算法能对摩擦进行有效补偿,提高了伺服机械手系统的轨迹跟踪控制性能。     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

定桨距变速风力发电机组的控制策略研究

提出定桨距变速风力发电机组的串级控制。外回路根据机组的运动方程采用自适应最优模糊控制,给出发电机电磁转矩设定值,实现参考转速的渐进跟踪。算法综合考虑风力发电机组的机械特性和电气特性,系统辨识作为控制算法的一部分自动执行。内回路基于双馈发电机的定子磁场定向矢量控制系统模型,结合动态线性化和反馈稳态解耦技术,提出发电机有功、无功功率的预测函数控制。采用 PI 控制与本文的控制策略作对比仿真,结果表明提出方法的有效性。     

基于视觉的AGV两轮差速转向模糊控制

简要地介绍了基于机器视觉导向的AGV两轮差速转向的原理和组成,并对计算机控制系统设计,图像信息识别等AGV控制问题进行了阐述,提出了一种采用模糊控制方法对AGV两轮差速转向进行控制.实验结果表明,采用模糊控制方法对两轮差速转向进行控制,样车运行过程稳定,路径跟踪可靠,控制性能良好.     

磁导航AGV结构设计与控制策略

AGV（自动导向车）是现代物流系统柔性化及智能化的关键设备。本文主要对磁导航AGV进行系统设计,包括结构设计和控制系统两部分。结构设计采用差速转向六轮运行方式,三维设计软件进行造型设计。控制系统用MCU作为控制单元,在磁导航的基础上采用模糊控制实现驱动速度调节,保证AGV运行于预定的轨迹,使得AGV在工作中具有较强的稳定性、较快的响应速度和自动纠偏的能力。最后通过simulink仿真验证AGV的纠偏能力。     

考虑万向轮扭转角扰动轮式移动机器人轨迹跟踪

为了研究轮式移动机器人运动过程中万向轮扭转的扰动对其轨迹跟踪的影响,提出了一种考虑前端万向轮摩擦扰动及其质心与几何中心不重合的轨迹跟踪控制方法。首先,建立了考虑万向轮扭转角扰动的轮式移动机器人动力学模型;其次,根据位姿误差模型,采用反步法设计虚拟速度控制器收敛系统位姿误差;然后,结合扰动观测器对机器人行进过程中万向轮扭转所带来的摩擦扰动进行估计,构造出一种基于积分滑模思想的力矩控制器以保证速度追踪;最后,利用Lyapunov稳定性理论对系统的稳定性和渐近收敛进行证明。仿真及实验结果表明,将万向轮摩擦所带来的扰动反馈给动力学控制器,可以减轻控制器的负载。与忽略万向轮扰动的控制方法相比,轮式移动机器人的位置误差最大值的均方根值降低了37.37%,提高了运动系统的稳定性。     

双馈风电机组一种新型模糊最大风能追踪控制

针对双馈型风电机组常用的模糊转速最大风能追踪控制方案动态性能上的不足,提出了一种以融合了风速、转速和功率信号的模糊逻辑系统来设定发电机最优转速的新型风能追踪控制方案,具有增强转速参考预判性,降低风速测量准确度影响的优点。仿真结果表明新方案提高了机组在低风速区域捕获风能的能力。     

全方向康复步行训练机器人的跟踪控制

针对全方向康复步行训练机器人在跟踪运动过程中x轴、y轴和方向角各轨迹之间存在强耦合的问题,提出了速度跟踪控制器设计方法,从而使全方向康复步行训练机器人能同时实现各个方向理想的跟踪效果.在全方向康复步行训练机器人动力学模型和运动学模型的基础上,采用输入-输出线性化方法,通过模型解析推导出四轮转速与其驱动力间的解耦状态方程,设计速度跟踪控制器,实现速度的解耦控制.将速度控制器与非线性反馈控制律相结合,可以实现对运动轨迹的跟踪.仿真实验表明,本文方法具有一定的有效性,解决了传统跟踪过程中不能同时实现运动速度和运动轨迹跟踪的问题.     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。