双连杆柔性机械臂的非线性轨迹跟踪控制

针对双连杆柔性机械臂提出了一种非线性轨迹跟踪控制方案。利用输入－输出线性化方法使得关节变量与弹性变量解耦，导出了柔性机械臂的零动力学方程，并证明关节轨迹跟踪控制的稳定性。最后进行的仿真实验表明了本方法的有效性     

基于铰链结构的机械臂操作柔性负载系统建模与控制

基于铰链结构研究了机械臂协调操作柔性负载系统的动力学建模与控制问题。提出了虚拟连杆的概念,以虚拟连杆为基准运用有限元法与拉格朗日方程建立了柔性负载的运动方程和振动方程,在负载坐标空间建立了系统的动力学模型。针对振动状态的不可测量性,应用刚性控制规律设计了控制器,给出了一种补偿系统动力学对位置控制影响的方法。仿真结果验证了该方法的有效性。     

基于铰链结构的机械臂操作柔性负载系统建模与控制

基于铰链结构研究了机械臂协调操作柔性负载系统的动力学建模与控制问题。提出了虚拟连杆的概念,以虚拟连杆为基准运用有限元法与拉格朗日方程建立了柔性负载的运动方程和振动方程,在负载坐标空间建立了系统的动力学模型。针对振动状态的不可测量性,应用刚性控制规律设计了控制器,给出了一种补偿系统动力学对位置控制影响的方法。仿真结果验证了该方法的有效性。     

考虑关节弹性的柔性机械臂系统动力学方程的确定

以双柔性机械臂系统为例,研究其在重力平面内运动,且考虑关节弹性的动力学问题,建立了独立坐标形式的拉格朗日方程．去掉弹性效应后,运动方程可退化为刚性连杆模型下的结果．     

柔性机械臂动力学建模及非线性控制器设计

针对轴向不伸长的Ｅｕｌｅｒ－Ｂｅｒｎｏｕｌｉ梁，采用假设模态法，根据能量一致性原理，利用变形约束方程的小变形假设条件，对带有末端荷载的柔性机械臂推导出考虑动力刚化影响的柔性机械臂有限维一致线性动力学方程。为实现柔性机械臂关节转角运动轨迹的精确跟踪采用基于输入输出部分线性化的控制方法设计非线生控制器，对该非线性动力学模型进行了解耦并产生理想关节转角运动轨迹的控制输入。     

基于观测器的柔性关节机械臂滑模控制

柔性机械臂在运动过程中会产生如扭曲、弹性、剪切等形变,给柔性机械臂的分析和控制带来困难。为了满足柔性机械臂高性能的控制要求,提出将基于观测器的滑模控制方法用于柔性机械臂中,设计一个观测器观测柔性机械臂系统各个状态变量,并且采用滑模变结构设计控制器。仿真结果表明,基于观测器的柔性关节机械臂滑模控制方法能够很好地观测到系统各个状态变量,且状态估计误差趋近于零,满足柔性臂的快速跟踪性要求,具有很好的实践意义。     

大型空间机械臂柔性关节的微分几何算法控制器设计

大型空间机械臂负责空间站大型负载的运输、装配,而关节柔性会在一些工况下造成振动.因此设计了一种大型空间机械臂柔性关节控制器.针对谐波减速器的引入而带来的柔性,建立了柔性关节的动力学模型;采用基于微分几何反馈线性化方法对柔性关节模型做了精确线性化解耦处理.对于线性化后的系统,为了克服不确定性及提高鲁棒性,采用具有较高鲁棒性和抗干扰性的滑模变结构控制规律来实现轨迹的合理跟踪.在Matlab/simulink中实现了线性化过程和滑模控制过程,对给定输入信号进行跟踪仿真,改变滑模控制的控制参数,得到控制参数对系统影响,验证了滑模控制的高鲁棒性,并能很好地跟踪输入信号.仿真结果表明,反馈线性化与和滑模控制的结合可以很好地应用于柔性机械臂的控制.     

柔性机器人的模糊神经网络控制研究

对具有未知或变化动力学特性的两连杆柔性机器人的轨迹跟踪问题进行了研究。采用Lagrange-Euler方程建立了柔性机器人的动力学方程。鉴于柔性机器人的高度非线性和复杂性,用智能控制策略对系统进行控制,其中在系统的反馈控制回路上设计了模糊逻辑控制器,在前馈回路上设计了动态回归神经网络控制器。在三组不同阶跃输入条件下,对模糊逻辑及智能控制器进行了仿真研究。结果证明该方案可使系统性能得到极大的改善。     

柔性机械臂结构控制一体化设计

综合考虑机械结构和控制器对系统性能的影响,采用结构与控制一体化设计方法对单连杆柔性机械臂系统进行了研究,同时优化设计参数包括柔性机械臂结构参数和控制器参数.为兼顾系统鲁棒性和抑制末端柔性振动性能,采用H_∞鲁棒控制器.结构设计变量的参数寻优采用智能优化算法.设计结果表明.柔性机械臂具有非均匀截面梁结构,设计的控制器对系统参数的不确定性有较好的鲁棒性.     

可重构机械臂模糊神经补偿控制

由于可重构机械臂的动力学系统中存在大量的不确定性,导致PID等传统的控制器无法实现精确的位置控制。作者在基于精确模型PD控制的基础上,提出了模糊神经控制算法辨识补偿结构、非结构不确定性。通过模糊神经控制器融合了模糊逻辑和神经网络的各自优势,实现了可重构机械臂轨迹跟踪的有效的补偿控制。基于牛顿-欧拉的几何方法,推导了n连杆可重构机械臂的动力学方程,该方法相对于其他形式的动力学方程,计算量小、通用性强。最后以RRP(Revolute-Revolute-Prismatic)三连杆机械臂为例研究设计了可重构机械臂的控制器,并且通过仿真验证了算法对轨迹跟踪的有效性。     

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。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

基于改进最近邻聚类的机械手神经网络逆控制

机械手具有非线性时变、多变量、强耦合的特性,在机械手系统可逆的基础上,设计一种机械手的神经网络逆控制方案。通过神经网络逆辨识建立机械手的神经网络逆模型,把神经网络逆模型作为控制器模型与原机械手串联,构成一个伪线性动态模型,把非线性问题转化为线性问题。其中,辨识器和控制器均采用RBF神经网络结构,网络学习采用具有在线学习功能的最近邻聚类学习算法。仿真结果验证了本方案的有效性和可行性。     

基于分布参数模型的柔性臂变结构控制

提出了一种针对柔性臂分布参数模型的变结构控制方法,解决了系统存在参数不确定性和在外部干扰下的镇定问题。通过Lyapunov函数方法设计了系统的变结构控制器,其中滑模面设计为关节角、关节角速度和柔性臂根部应变的线性组合。由线性算子半群理论和LaSalle不变集原理证明了闭环系统是渐近稳定的。仿真结果验证了该方法的有效性。     

基于神经网络的机械手鲁棒输出跟踪控制

针对一类参数未知的机械手输出跟踪鲁棒控制问题，应用输入／输出反馈线性化方法和Lyapunov稳定理论，提出了一种基于神经网络建模的机械手输出跟踪自适应鲁棒控制器，采用三层前向神经网络来逼近未知非线性函数，网络的权值依据Lyapunov稳定性进行实时修正，保证了相应闭环系统的稳定性，所提出的控制器保证了跟踪误差及相应闭环系统的状态－致最终有界，且不需预知不确定性的上界，以两自由度移动关节刚性机械手的跟踪控制问题的为例进行了仿真，结果表明所提出方法是行之有效的。     

永磁同步电动机混沌系统神经网络控制研究

通过适当地选择系统参数以及外部输入，永磁同步电动机可以呈现出混沌运动状态。针对永磁同步电动机混沌模型的不确定性，采用基于正模型一逆系统的神经网络控制策略，建立混沌系统的动力学正向模型及其逆模型，实现了永磁同步电动机混沌运动的跟踪控制。仿真结果验证了该控制策略的有效性。     

Backstepping Adaptive Controller of Electro-Hydraulic Servo System of Continuous Rotary Motor

In order to consider the influence of the continuous rotary motor electro-hydraulic servo system parameters change on its performance,the design method of backstepping adaptive controller is put forward.The mathematical model of electro-hydraulic servo system of continuous rotary motor is established,and the whole system is decomposed into several lower order subsystems,and the virtual control signal is designed for each subsystem from the final subsystem with motor angular displacement to the subsystem with system control input voltage. Based on Lyapunov method and the backstepping theory,an adaptive backstepping controller is designed with the changed parameters adaptive law. It is proved that the system reaches the global asymptotic stability,and the system tracking error asymptotically tends to zero. The simulation results show that the backstepping adaptive controller based on the adaptive law of the changed parameters can improve the performance of continuous rotary motor,and the proposed control strategy is feasible.     

Seam tracking control for mobile welding robot based on vision sensor

To solve the seam tracking problem of mobile welding robot, a new controller based on the dynamics of mobile welding robot was designed using the method of backstepping kinematics into dynamics. A self-turning fuzzy controller and a fuzzy-Gaussian neural network (FGNN) controller were designed to complete coordinately controlling of cross-slider and wheels. The fuzzy-neural control algorithm was described by applying the Gaussian function and back propagation (BP) learning rule was used to tune the membership function in real time by applying the FGNN controller. To make the tracking more quickly and smoothly, the neural network controller based on dynamic model was designed, which utilized self-learning and self-adaptive ability of the neural network to deal with the partial uncertainty and the disturbances of the parameters of the robot dynamic model and real-time compensate the dynamics coupling. The results show that the selected control input torques make the system globally and asymptotically stable based on the Lyapunov function selected out; the accuracy of the proposed controller tracing is within ±0.4 mm and can satisfy the requirements of practical welding project.     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .