参数在线辨识的交流位置伺服系统前馈控制

研究了基于前馈控制的交流位置伺服系统的轨迹跟踪控制问题。提出一种自适应模型参数在线辨识的改进方法,用以快速、有效地辨识出模型参数的变化,并应用到前馈控制器中。研究结果表明,基于模型参数在线辨识的前馈控制可以实现位置伺服系统的高速、高精度跟踪控制。     

直线电机精密定位平台轨迹跟踪控制器设计

为了实现直线电机精密定位平台的位置和速度的轨迹跟踪控制,本文基于内模控制（IMC）的基本原理,在直线电机精密定位平台参数辨识的基础上,设计了定位平台速度环的模型状态反馈（MSF）控制器和基于位置环PID和速度环MSF的级联控制器。将PID/MSF级联控制器与速度/加速度前馈控制（VFC/AFC）相结合,构成了PID/MSF+VFC/AFC的复合轨迹跟踪控制器。该复合轨迹跟踪控制器通过整定速度前馈的增益来改善位置环偏差控制的跟踪滞后现象和动态响应,增加控制系统的稳定性和伺服精度;通过整定加速度前馈的增益在不减小级联控制器位置环增益的前提下,减小速度前馈带来的超调量,提高轨迹跟踪精度。基于MATLAB/dSPACE实时仿真控制平台,实现了某直线电机平台的轨迹跟踪控制。仿真和实验结果表明,该轨迹跟踪控制器的轨迹跟踪精度为±0.028 mm,定位精度为±4 μm,满足直线电机精密定位平台轨迹跟踪控制的要求。     

基于增量非线性动态逆的液压执行器力控制策略研究

针对液压执行器力控跟踪要求高度的非线性及不确定性的动力学模型问题,导致液压驱动系统高精度运动控制存在困难,提出采用一种基于传感器的增量式非线性动态逆控制方法来解决液压执行器的力跟踪问题。建立液压执行器动力学模型,理论分析了INDI控制策略在力控制模型上具有稳定性好、抗干扰能力强、系统标定范围大的优势。利用该控制器压力差导数作为反馈,不依赖于精确的液压执行器数学模型和参数标定,对模型不确定性具有固有的鲁棒性。仿真试验和理论分析表明: 采用高频率采样的INDI控制器力跟踪误差始终稳定在6%左右; 最大跟踪误差也不超过8%;对参数不确定性具有极强的鲁棒性。     

基于改进前馈逆补偿的电液加载试验系统力跟踪控制研究

针对电液加载试验系统力加载跟踪控制问题，分析了电液加载系统的组成及工作原理，建立了系统动力学模型，并对动力学模型的准确性进行了验证。在此基础上，首先使用了速度反馈补偿控制器抑制外部干扰，其次利用递推增广最小二乘法(Recursive Extended Least Square，RELS)及零相差跟踪技术(Zero Phase Error Tracking，ZPET)设计出系统逆模型，进行前馈逆补偿控制，然后考虑速度反馈存在的微分问题，设计了内模控制器，最后利用电液加载试验台进行了力加载控制策略的试验研究。试验结果证明，与传统PI控制器相比，提出的改进前馈逆补偿力加载控制算法可以更有效地抑制系统外部干扰，提高力加载的跟踪精度。     

直线伺服系统时滞参数辨识与补偿研究

为解决直线伺服固有时滞特性对轨迹跟踪性能的影响,以典型的前馈加反馈二自由度控制结构为基础,分析直线伺服时滞特性对其轨迹跟踪精度的影响。在此基础上设计了前馈环节上的时滞控制器,之后针对时滞控制器位于前馈通道时作为一个超前环节控制上无法实现的问题,将时滞参数分为两部分,分别调节理想轨迹指令按照整数倍伺服周期延时及前馈控制信号滤波延时以达到时滞补偿的目的,引入牛顿迭代寻优进行最优时滞参数辨识。仿真与试验结果表明,在前馈加反馈二自由度控制的基础上加入时滞控制器可以有效减小直线伺服系统的闭环位置跟踪误差,特别是显著减小非零加加速度段的闭环位置跟踪误差,提高轨迹跟踪性能。     

应用摄像机标定的机械臂轨迹跟踪控制系统

机械臂轨迹跟踪控制时受目标物体质心投影轨迹不清晰的影响,无法得出目标物体准确坐标值,在机械臂位置增量为(10.52～30.52)mm的范围内存在控制时延过长的问题,因此提出一种应用摄像机标定的机械臂轨迹跟踪控制系统.系统硬件构成包括工控模块、反馈模块.由主控单元、UVC摄像头、视频服务器构成工控模块;由反馈控制器、执行器、前馈控制器组成反馈模块.在系统软件部分,通过摄像机标定算法实现机械臂的轨迹跟踪,引入直线插补算法,通过机械臂已知运动轨迹插补得到完整运动的坐标点,得出目标物体准确坐标值,实现机械臂的运动控制.为了证明该系统在(10.52～30.52)mm的机械臂位置增量范围内控制时延较短,将其与原有系统进行对比实验,实验结果证明该系统的控制时延更短,跟踪准确度高,实现了系统性能提升.     

重型机械臂电液系统的神经网络辨识与反步控制

针对重型机械臂的电液驱动系统因非线性、参数时变等因素引起的控制精度下降问题，提出了一种基于RBF神经网络辨识动态负载的反步控制策略。以某锚杆钻车重型机械臂的电液系统为例，建立了系统的数学模型，将其分解为系统内部状态反馈、控制器驱动及外部负载驱动这3个动力学部分。考虑电液系统内部参数变化的缓慢性，通过离线辨识的方法，得到系统内部状态反馈中的标称模型参数。控制器的设计采用反步法，其输出计算需要对外部负载进行辨识，对此采用RBF神经网络进行动态负载辨识，辨识与控制的动态过程及设计原则依据Lyapunov稳定性原理。仿真与实验结果表明：所设计的控制算法有效提高了机械臂的位置跟踪精度，具有响应速度快、轨迹误差小的特点；控制器输出的控制量也相对较小和平滑。     

机械臂关节空间轨迹的神经网络滑模跟踪控制

为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。     

考虑关节非线性的串联双连杆机械臂工业机器人运动控制

当前,导致多轴工业机器人轨迹跟踪误差的主要非线性因素是各轴上的关节非线性和不同轴间的动力学耦合效应。对此,提出了一种考虑关节非线性的串联双连杆机械臂模型的工业机器人运动控制方法。构造了机械臂运动学和动力学模型,提出了一种参数化建模方法,将连杆的非线性刚度和摩擦力直接辨识为关节非线性,并将该方法应用于具有低频振动特性、对轨迹性能具有重要影响的典型多轴工业机器人的串联双连杆臂,再现串联双连杆机械臂的运动状态,通过数值模拟和实验对比,验证了该方法的有效性。采用含可变陷波滤波器的反馈闭环控制和动态前馈补偿2自由度控制两种控制方案,提高机械臂轨迹跟踪和残余振动抑制的性能。结合4种不同运动形式,开展实验研究,与常规PI轨迹跟踪控制方法进行对比分析。结果表明,采用具有可辨识双连杆动力学模型和带可变陷波滤波器反馈闭环回路的2自由度控制方案能够提高轨迹追踪和残余振动抑制性能。     

干扰观测器与滑模控制结合的机械臂跟踪控制

为了提高机械臂轨迹跟踪的精度和速度,提出了干扰观测器与非线性滑模控制相结合的轨迹跟踪控制方法.建立了机械臂动力学模型,设计了机械臂轨迹跟踪控制方案.将机械臂受到的扰动分为可观测部分和不可观测部分,对于可观测部分,设计了干扰观测器用于估计扰动大小,依据扰动观测值对控制力矩进行补偿,主动消除可观测部分扰动的影响;对于不可观测部分,设计了非线性滑模控制器,用于减小不可观测扰动造成的跟踪误差与抖动.经仿真验证,与传统滑模控制和非线性滑模控制相比,干扰观测器与非线性滑模控制相结合的轨迹跟踪误差减小了一个数量级以上,且跟踪速度最快.     

基于迭代优化和神经网络补偿的超冗余机械臂半参数动力学模型辨识

为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明：相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根（Root Mean Square, RMS）之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。     

一种鲁棒的机械臂动力学参数辨识方法

针对机械臂动力学参数在传统辨识方法下存在辨识精度不高且易受异常数据点影响的问题，提出一种鲁棒的机械臂动力学参数辨识方法。首先，采用牛顿-欧拉法建立机械臂动力学方程，推导得到机械臂动力学线性化重组模型，确定需要辨识的惯性参数最小集合；其次，设计激励轨迹，采用遗传算法优化激励轨迹参数；再次，采用Tent混沌映射对传统粒子群优化算法(PSO)的初始种群位置进行改进，自适应惯性权重和学习因子，同时设计残差权重策略来剔除辨识过程中的异常数据点；最后，采集数据进行参数辨识试验。辨识结果表明：所提方法增强了对异常数据点的鲁棒性，有效提高了辨识精度，与随机权重粒子群算法(RWPSO)相比，文中所提改进粒子群优化算法(IPSO)的残差均方根(RMS)平均减小了10.064 3%,相关系数ρ平均增大了0.827 3%。     

柔性和摩擦力不确定条件下RBF神经网络自适应轨迹跟踪方法

提出一种基于径向基神经网络(Radial basis function, RBF)的力/位置混合自适应控制方法并用于机器人轨迹跟踪控制,解决机器人柔性末端执行器轨迹跟踪过程中柔性和摩擦力模型难以精确描述的问题。RBF神经网络是一种高效的前馈式神经网络,具有其他前向网络所不具有的非线性逼近性能和全局最优特性,并且网络结构简单,训练速度快。设计一种基于RBF神经网络非线性逼近能力来估计模型中的不确定参数的自适应控制器,给出控制器中神经网络权值更新规则,并证明所设计控制器输出力和位置误差的最终一致有界性。将该控制器应用于风管清扫机器人仿真试验,结果表明该自适应控制器能很好地用于柔性和摩擦力不确定条件下轨迹跟踪控制,与传统自适应控制方法相比具有更精确的跟踪特性和更强的鲁棒性。     

基于卡尔曼滤波和滑模控制的离合器从动盘测试机电控系统研究

基于滑模控制算法和卡尔曼滤波算法设计了离合器从动盘测试机的电控系统控制器.通过机理分析和模型参数辨识建立了系统的简化数学模型,根据简化数学模型设计了采用给定补偿、力前馈和基于指数趋近律的滑模变结构控制构成的复合控制器和卡尔曼滤波数字滤波器,构成电控系统的控制器.经实验验证,与复合PID控制相比,在加栽力和工作现场干扰作用下系统具有较好的稳态精度和动态特性.     

变论域模糊补偿的机械臂积分终端滑模控制

为了减小机械臂在环境扰动、参数漂移和建模误差等影响下的轨迹跟踪误差,设计了基于积分终端滑模和变论域模糊补偿的组合控制器。采用拉格朗日方程建立了机械臂系统的动力学模型,制定了不确定因素影响下机械臂跟踪控制方案;设计的积分终端滑模控制器可以将系统初始状态限制在滑模面上,消除了控制过程的抖振并提高了跟踪速度;提出了自适应论域策略,该策略可以提高补偿力矩的输出细粒度,并将变论域模糊算法用于不确定因素补偿。经实验验证,变论域模糊补偿控制对关节1角位置的最大跟踪误差为0.103 rad,误差绝对均值为0.025 rad,对关节2角位置的最大跟踪误差为0.073 rad,误差绝对均值为0.012 rad,跟踪控制精度高于模糊补偿控制、RBF-BP控制和自适应鲁棒控制,验证了变论域模糊补偿控制方法的有效性和先进性。     

直线伺服系统正交投影迭代学习控制器参数辨识与优化

针对高频响直线伺服系统前馈控制器参数的辨识问题,引入正交矢量投影的分析方法构建正交矢量基函数,将控制模型在基函数所构建的正交矢量空间中进行投影,采用迭代学习方法沿基函数轴方向进行前馈控制器参数迭代辨识并通过前馈进行补偿,将迭代学习控制方法从时域辨识拓展到正交矢量基函数空间领域。仿真与实验结果表明,该方法显著提高了直线伺服系统的位置跟踪精度和高速响应性能,满足高速高精度的要求。     

压电执行器动态迟滞建模与LQG最优控制器设计

为提高空间天文望远镜稳像系统中压电快摆镜(Fast Steering Mirror,FSM)的动态性能,对压电执行器(Piezoelectric Actuator,PZT)动态迟滞补偿和控制进行研究。鉴于基于广义Play算子Prandtl-Ishlinskii(PI)模型的求逆复杂性和迟滞曲线的非对称性,构造一种基于广义Stop算子PI逆模型来补偿压电执行器迟滞非线性。采用Hammerstein模型对压电执行器动态迟滞特性进行建模,以广义PI模型和自回归遍历模型(Auto-regressive Exogenous Model,ARX)分别表征Hammerstein迟滞模型中的静态非线性和率相关性,并针对迟滞率相关模型不确定性问题,提出一种前馈补偿和线性二次型Gauss最优控制算法(Linear Quadratic Gaussian,LQG)相结合的复合控制策略。利用自适应差分进化算法(Adaptive Differential Evolution algorithm,ADE)辨识和整定模型及控制器参数。实验结果表明:该动态迟滞模型能够有效描述1～100Hz频率范围内压电执行器迟滞曲线,拟合均方根误差为0.077 1μm(@1 Hz)～0.512 3μm(@100Hz),相对误差为0.31%(@1Hz)～2.09%(@100Hz);实时跟踪幅值为24.5μm的变频目标位移,LQG控制算法的跟踪精度相比于直接前馈控制和PID控制分别提高48.6%和27.02%。     

工业机器人动力学参数分步辨识与零力控制示教

针对复杂工况下,工业机器人直接示教柔顺性欠缺的问题,这里在传统零力控制算法中加入动力学惯性项补偿以降低示教过程的牵引力。首先,在综合考虑重力、关节摩擦和科氏力等因素的情况下,建立了一种6轴工业机器人线性动力学模型。针对该动力学模型参数辨识高维度、强非线性、多参数的特点,提出了一种分步辨识方法,此方法能有效地降低辨识方程系数矩阵维度,减少计算量。然后,根据辨识结果设计基于力矩控制的惯性项补偿零力控制器。最后,进行动力学参数辨识结果验证与直接示教实验。实验结果表明所提出的分步辨识方法结果较为精确;相比传统的零力控制算法,增加惯性项补偿的零力控制算法能使示教过程的牵引力幅值降低28.6%,显著改善示教过程的柔顺性。     

液压挖掘机上车结构参数与液压缸摩擦力参数辨识

在液压挖掘机上车机械臂的动力学分析基础上,提出利用液压缸平稳低速运行时的动力学特性建立与摩擦力无关的挖掘机臂动力学模型,并运用该模型通过离线辨识确定臂的结构参数。基于经典摩擦力模型建立液压缸的辨识模型,通过在线辨识实验得到了液压缸的摩擦力参数,为深入研究液压挖掘机的动力学特性、建立可靠的系统仿真模型及实现臂运动的精确控制提供了依据。     

基于变溢流压力的电液机械臂节能控制策略

针对电液系统能量效率过低的问题,以一款多自由度液压机械臂为研究对象,提出了一种可变溢流压力的非线性控制策略,实现电液机械臂位置跟踪的同时,降低系统的能量消耗。同时考虑了液压系统动态特性与机械臂动力学,建立了电液机械臂的数学模型,基于该模型搭建了动态面非线性控制器。通过模型中位移与压力的关系,反推出理想位移对应的理论溢流压力,由该压力控制比例溢流阀,实现可变溢流压力。通过仿真对比分析,该控制策略在保证液压机械臂位置跟踪精度的同时,与传统的定溢流压力相比,降低了能耗,从而验证了该方法的有效性。