基于反演设计的码垛机器人神经网络自适应控制

为了降低机器人系统中各种不确定因素对控制系统的影响,提出了自适应神经网络反演控制方法。该控制方法基于反演设计方法,解决了系统的非匹配不确定性;引入了神经网络自适应控制律和鲁棒控制律,并适当调整控制器参数,实现了无需机器人精确模型信息的控制,也保证了系统的稳定性和收敛性,满足了机器人系统的控制要求。仿真实验验证了该控制方法的有效性。     

一种改进机器人计算力矩控制的神经网络补偿方法

提出了一种由计算力矩控制器和神经网络补偿控制器相结合的机器人控制方案,探讨了用线性神经网络补偿机器人计算力矩不确定性误差的方法.推导了网络权值的自适应调整律,并证明了系统的稳定性和跟踪误差的收敛性.所提方案结构简单,鲁棒性强,且神经网络补偿器有较好的适应性,无需事先知道机器人动力学参数和结构的精确值.对某打磨机器人轨迹跟踪的实验结果表明所提方案具有很好的鲁棒性和抗干扰能力.     

基于标称计算力矩控制器的双臂空间机器人惯性空间轨迹跟踪的模糊自适应补偿控制

讨论了载体姿态受控、位置不受控制情况下,漂浮基双臂空间机器人载体姿态与末端爪手惯性空间轨迹协调运动的控制问题。利用拉格朗日方法并结合系统动量守恒关系,分析、建立了漂浮基双臂空间机器人系统完全能控形式的系统动力学方程及运动Jacobi关系。以此为基础,针对双臂空间机器人两个末端爪手所持载荷参数未知的情况,设计了一种基于标称计算力矩控制器附加模糊自适应补偿控制器的复合控制方案;即通过模糊自适应补偿控制器来弥补系统参数未知对标称计算力矩控制器控制精度的影响,以确保存在未知系统参数情况下整个闭环控制系统的渐近稳定性。该文提出的控制方案能够有效地克服系统未知参数的影响,控制漂浮基双臂空间机器人载体姿态与末端爪手协调地完成惯性空间的期望轨迹运动,并具有不需要测量和反馈双臂空间机器人载体的位置、移动速度、移动加速度,同时也不要求系统动力学方程关于系统惯性参数呈线性函数关系的显著优点。通过系统数值仿真证实了方法的有效性。     

基于自适应模糊逻辑和神经网络的双足机器人控制研究

在双足机器人行走控制中,为了改善系统的行走性能,提出了一种基于RBF神经网络前馈控制的力矩补偿控制方法。该方法将自适应模糊控制和神经网络逆模控制有效地结合起来,利用神经网络来逼近系统的逆动力学模型,提高系统了的控制性能,改善了机器人的行走特性。     

一类不确定性机器人的鲁棒跟踪控制

本文提出一种新的用以控制具有参数不确定性机器人的轨迹跟踪鲁棒控制方案。控制器由基于标称模型设计的非线性补偿控制器和基于Lyapunov理论设计的鲁棒补偿控制器构成，鲁棒补偿控制器用十消除参数误差带来的不确定性影响，其结构简单，只需知道系统的一个参数不确定性上界，最后保证系统达到三种不同的稳定性。另外，在机器人参数不确定性上界未知时，我们还设计了一个简单的在线辨识器，以保证系统全局收敛。并通过仿真实验证明其可靠性和有效性。     

基于模糊理论的NC机床位置检测装置的研究

本文讨论了以通过设计模糊自适应PID控制器对位置检测装置进行设计，在传统PID闭环控制系统的基础上引入模糊控制理论，考虑了一些对位置检测和反馈装置产生影响的不确定性因素，以便更加精确的驱动伺服系统实现精确定位和对工件的加工。     

不同重力环境下的柔性关节空间机械臂自适应鲁棒控制

研究了柔性关节空间机器人在不同重力环境下的轨迹跟踪控制。首先建立了地面重力环境下和空间微重力环境下的柔性关节机器人模型,这两个模型均考虑了摩擦带来的影响,然后提出一种基于奇异摄动理论的自适应鲁棒控制柔性关节空间机械臂的方法。该方法为被控对象中的重力项设计了自适应律来实时估计补偿,并加入鲁棒项对逼近误差和其它干扰项进行补偿。用该方法设计了控制器系统,并对其进行了稳定性分析和仿真研究。仿真结果表明,该控制器可以有效消除重力环境变化带来的影响,也可以有效抑制柔性关节引起的系统高频谐振等问题,具有很好的跟踪效果,对柔性关节空间机器人的轨迹跟踪控制具有重要的工程应用价值。     

基于自适应分级滑模控制的球形机器人定位控制

探讨一种三驱动球形机器人的定位控制问题,提出基于控制增益自适应调节的分级滑模控制方法。相比于现有定位控制方法,所提出的控制方法对于系统不确定性具有很强的鲁棒性。将球形机器人系统分解为球体子系统和偏心质块子系统,并在此基础上分别设计系统的各级滑动面。基于Lyapunov函数法选取分级滑模控制律和控制增益自适应律,并采用边界层法削弱分级滑模控制器的抖振。应用Barbalat引理证明闭环系统的稳定性,并利用数值仿真实验验证所提控制方法的可行性和有效性。数值仿真结果表明,该控制方法能够实现带有不确定性的球形机器人系统的定位控制。     

基于鲁棒模型参考控制器的智能结构振动主动控制研究

针对压电智能结构建模的不确定性和干扰,设计一种新的鲁棒模型参考控制律来抑制其振动,该控制器包括状态反馈控制器和用来补偿不确定影响的鲁棒补偿器。通过Ｌｙａｐｕｎｏｖ方法确定补偿项并证明该闭环系统的稳定性。分别在单模态和多模态下,分析三种不同补偿函数对系统的影响,指出运用ｔａｎｈ或ｅｒｆ函数可有效避免ｓｇｎ函数补偿出现的抖振现象。仿真和实验结果表明该方法具有很好的控制效果和鲁棒性。     

基于可拓自适应理论的三轴并联机器人控制系统设计

为了提高并联机器人的轨迹跟踪控制精度,以平面二自由度并联机器人为研究对象,构建了一种可拓自适应控制器用于其控制系统中.利用自适应控制器善于处理不变和慢时变问题,可拓控制器善于处理时变和突变问题,将2种控制器的优点结合起来,设计了一种新型的可拓自适应控制器.仿真结果表明,可拓自适应控制器能较大地提高并联机器人关节位置精度和末端执行器的轨迹精度,能够满足机器人的控制要求.研究所得的方法和结论具有较强的通用性,对并联机器人的控制具有普遍的应用意义．     

一类带有未知控制方向的非线性系统的模糊自适应事件触发容错控制

针对带有未知控制方向、未知非线性函数以及执行器故障的不确定非线性系统,研究了相应的模糊自适应事件触发容错控制问题。首先,运用反步法和模糊逻辑系统 (FLS) 理论知识相结合,构造出自适应事件触发容错控制器和自适应更新律,有效地补偿了执行器故障对系统的影响。其次,在自适应事件触发容错控制器的设计中引入了 Nussbaum 函数。最后,所设计的控制方案保证了闭环信号在给定紧集内一致最终有界,且仿真结果验证了本文所提出的控制方案的有效性。     

基于组合非线性反馈技术的机器人控制方法

为解决机器人跟踪控制中响应速度和超调量之间的矛盾,实现快速的响应和较小的超调,研究了机器人非线性动力学与组合非线性反馈技术相结合的控制策略,提出了一种基于组合非线性反馈的机器人控制器.该控制器由两部分组成,一部分由完全的机器人非线性动力学补偿来实现反馈线性化,另一部分由组合非线性反馈技术实现镇定.通过反馈线性化技术与Lyapunov理论,证明了闭环系统的渐近稳定性.同时,把组合非线性反馈理论拓展到多输入多输出(MIMO)饱和线性系统的时变轨迹跟踪控制,利用非线性项的变阻尼特性,使得系统的动态响应快速且没有超调.仿真结果证实了此方法的有效性.     

闭链双臂空间机器人动力学建模及力矩受限情况下载荷运动自适应控制

讨论了在输入受限的情况下,漂浮基双臂空间机器人抓持负载后转移目标过程中的建模与自适应控制问题。利用拉格朗日第二类方程建立了开链空间机器人系统动力学模型,之后结合闭链系统的闭环约束条件,获得了闭链双臂空间机器人系统的动力学方程。在这个基础上,考虑到双臂空间机器人及负载存在参数不确定,系统存在外部扰动及输入力矩有限的情况,设计了自适应控制方案,以完成对载荷位置和姿态运动的精确控制。由带饱和函数的控制律限制输入力矩,采用自适应控制器逼近系统的不确定度。方案中利用高精度滤波器估计系统速度及角速度,从而仅需测量其位置信息。通过Lyapunov方法证明了系统的稳定性。最后通过数值仿真实验模拟了平面双臂空间机器人转移目标过程,并证实了上述控制方案的有效性。     

伴随型非线性系统的自适应RBF神经网络补偿控制

为了抵消伴随型非线性系统中的非线性项,可以设计控制器对非线性系统精确线性化.通常由于系统中存在外界不确定性因素导致系统模型的不确定,而不能直接设计控制器.利用"RBF神经网络能以任意精度逼近连续函数"的原理,对系统模型中的不确定项进行自适应辨识,并将辨识结果提供给控制器,从而实现伴随型非线性系统的神经网络自适应补偿控制.将控制器应用于起重机吊重摆角子系统,对摆角进行控制.实验结果表明:吊重摆角及其角速度约在5s后,得到了很好的控制,并且控制器对系统模型的不确定项的逼近误差约在5s时达到0;控制器对系统的不确定性因素和系统参数变化均具有很强的鲁棒性.     

高速曳引式电梯振动主动控制技术研究

运用运动弹性动力学方法建立高速曳引式电梯机械系统的动力学模型，进行其动态特性分析及振动控制研究。利用模糊自适应主动振动控制的方法，使模糊控制规则在控制过程中自动调整、完善，从而达到最佳的控制效果。应用MATLAB语言编程仿真表明，所设计的模糊自适应控制系统的振动控制效果优于传统的机械被动隔振，而且对振动环境的自适应能力强，控制器响应快，超调量小，有很强的鲁棒性，因而使电梯的乘坐舒适性得到很大的改善。     

风力发电机自适应鲁棒保性能控制器设计

本文针对变速变桨距风力发电机系统对于风能利用率、动态稳定性要求高的特点,建立了风能转换系统的线性参数变化（LPV）模型,给出了设计一个具有自适应机制的鲁棒保性能控制器的充分条件,进而设计出了一种新的自适应鲁棒保性能控制器。首先,运用自适应方法估计出系统的不确定参数,然后利用参数估计和鲁棒保性能控制方法设计系统的状态反馈控制器,其反馈增益阵是通过求解一组线性矩阵不等式（LMI）的约束而得到,并且满足某二次型性能指标。仿真表明,无论在低风速下还是在高风速下,控制器不仅使系统具有良好的动态特性和鲁棒性,而且使系统具有抑制外界干扰能力。     

基于模糊迭代Q-学习的冶金工业机器人轨迹跟踪控制研究

冶金工业机器人在现代工业生产中扮演着越来越不可替代的角色。由于工业自动化程度的大幅提升,人们对冶金工业机器人的性能也不断地提出新要求,尤其是对其控制系统的稳定性提出了更高的要求。针对目前冶金工业机器人轨迹跟踪精度较低且不具有自适应动态调节特性等问题,提出了一种模糊迭代Q-学习控制算法。以6-DOF（six degree-of-freedom,六自由度）双臂机器人为研究对象,利用Fuzzy工具箱编写模糊控制规则,以机器人产生的位置误差以及位置误差的变化率为模糊控制器的输入量,并引入Q-学习策略,以调整模糊控制器中的量化因子、比例因子以及迭代学习控制中的PD（proportional derivative,比例微分）参数,完成模糊迭代Q-学习控制器的设计。然后,联合ADAMS（automatic dynamic analysis of mechanical systems,机械系统动力学自动分析）和MATLAB软件搭建6-DOF双臂机器人仿真平台,开展高精度轨迹跟踪的轴孔装配任务模拟。仿真结果表明,6-DOF双臂机器人关节空间的轨迹跟踪精度较高,同时可以完成双臂轴孔协调装配任务,验证了所提出控制算法的有效性和先进性。研究结果可为双臂协作机器人实现高精度轨迹跟踪的轴孔装配提供参考,具有一定的实际应用价值。