基于终点时刻末端误差的柔性臂迭代学习控制

针对柔性臂重复运行的情况,在仅能测量运行终点时刻末端位置的条件下,提出一种新的结合计算力矩法的迭代学习控制（ILC）方法.该方法利用柔性臂的简化动力学模型,给出各关节控制力矩的参数化表示;并依据终点时刻柔性臂末端位置的误差,通过迭代学习算法调整控制力矩的参数,实现精确到达预期末端位置的目标.算法利用ILC不依赖模型的特点,弥补计算力矩法需要精确模型的缺陷;参数的迭代学习主要起到消除模型误差和各种干扰的作用,增强算法的鲁棒性.通过理论分析给出所提算法的收敛条件.最后在柔性臂系统上进行仿真及实际试验.结果表明,所提出的ILC算法能够克服连杆柔性对柔性臂末端误差的影响,显示良好的控制效果.     

压电柔性机械臂的轨迹跟踪控制

提出一种利用压电材料对柔性机械臂进行末端轨迹跟踪控制的方法．利用假设模态法,采用压电作动器和传感器同位配置,根据Lagrange方程建立了单连杆柔性机械臂的动力学模型;针对柔性机械臂的非最小相位特点,以刚性旋转关节的转角为控制输出、以压电作动器抑制柔性机械臂的末端振动,基于Lyapunov函数,采用PD(proportional-differential)控制策略实现了对柔性机械臂进行末端轨迹跟踪控制．仿真结果表明,压电作动器很好地抑制了柔性机械臂末端的振动,末端的轨迹跟踪由关节驱动和压电作动共同完成,PD控制算法简单,易于工程实现．     

刚-柔耦合机械臂动力学建模及其振动抑制研究

根据假设模态法,对刚-柔耦合机械臂系统进行运动学分析;基于Lagrange方程,建立刚-柔耦合机械臂系统的动力学模型;采用滑膜变结构控制方法对刚-柔性机械臂的振动控制进行仿真研究.结果表明:一阶模态下的动力学模型即可满足刚-柔性机械臂系统的精度要求,滑模变结构控制能够有效地减缓柔性末端的振动,提高机械臂系统的动力学性能和精度.     

基于RBF神经网络的柔性机械臂位置控制

针对复杂的柔性机械臂位置控制问题,提出一种结合极点配置技术的自适应滑模控制方法。变结构滑模应用于柔性臂的刚性运动和弹性振动抑制的控制,极点配置用以设置滑模面的极点,以获得良好的动态响应特性。利用RBF网络自适应性学习系统不确定量的上界,神经网络的输出用于自适应修正控制律的切换增益。实例仿真结果表明,该控制方法能在对机械臂位置控制的同时有效地抑制柔性臂的弹性振动,对不确定参数具有鲁棒性。     

形状记忆合金丝驱动的柔性机械臂建模与实验

针对传统机械臂在水下特殊环境中柔性不能满足应用需求的问题,在分析章鱼腕生物学肌肉组织结构的基础上,设计形状记忆合金（SMA）丝驱动的柔性机械臂.建立柔性机械臂的力学模型、SMA丝的热力学模型和本构模型.通过实验研究不同驱动电压和脉宽调制（PWM）方波的占空比对SMA丝电阻和柔性机械臂弯曲角度的影响.实验结果表明,柔性机械臂能够实现连续的柔性弯曲运动,最大弯曲角度为60°,驱动电压、PWM占空比、SMA电阻和柔性机械臂弯曲角度关系的实验结果与理论分析结果吻合较好.     

柔性机械臂变结构跟踪控制及柔性振动抑制

柔性机械臂具有质量轻、速度快和负载大的特点,针对柔性机械臂轨迹跟踪与弹性振动抑制问题,基于奇异摄动理论和两种时间尺度的假设,将柔性机械臂系统分解为代表大范围刚体运动的慢变子系统和代表柔性振动的快变子系统.对于慢变子系统采用变结构控制来实现关节轨迹的跟踪,而快变子系统则采用最优控制方法来对柔性杆振动进行主动抑制.仿真实验结果表明,该控制方法不仅能够保证系统刚性运动轨迹的精确跟踪,并能有效抑制柔性杆件的弹性振动.     

机械臂协调操作柔性负载鲁棒神经网络控制

针对多变量刚柔耦合的双机械臂协调操作柔性负载系统,基于奇异摄动理论研究该系统有限元模型的分解以及轨迹跟踪控制问题.考虑动力学模型的复杂性,通过双时标变换将协调系统分解成表征系统大范围刚性运动的慢变子系统和表征系统弹性振动的快变子系统.基于反演思想在慢变子系统中设计鲁棒神经网络控制策略,实现系统轨迹跟踪性能;针对快变子系统,设计鲁棒最优控制策略抑制系统的弹性振动.仿真研究结果表明,该控制策略增强了系统的跟踪性能和鲁棒性.     

基于强化学习的学习变阻抗控制

为了提高力控制的性能,使机器人高效自主地学习执行力控制任务,本文提出一种学习变阻抗控制方法。该方法采用基于模型的强化学习算法学习最优阻抗调节策略,使用高斯过程模型作为系统的变换动力学模型,允许概率化的推理与规划,并在成本函数中加入能量损失项,实现误差和能量的权衡。仿真实验结果表明:该学习变阻抗控制方法具有高效性,仅需数次交互即可成功学习完成力控制任务,大大减少了所需的交互次数与交互时间,且学习得到的阻抗控制策略具有仿生特性,可用于学习执行力敏感型任务。     

柔性机械臂振动的线性二次型最优控制

为抑制柔性机械臂的弹性振动,提高定位精度,推导出单杆柔性机械臂的动力学模型并对其进行线性化,针对线性化的系统模型,采用线性二次型最优调节器对柔性机械臂末端残余振动进行控制,仿真结果表明调节器抑振作用明显.     

基于控制系统模型降阶的柔性机械臂模态截断技术

本文提出了基于均衡实现的柔性机械臂模态截断方法,求取了单链杆柔性机械臂状态空间达式的均衡实现,并以此为依据对控制模型和动力学模型进行了截断,所得结果与实验结果一致。     

基于适应度的多机器人任务分配策略

为提高多机器人任务分配方法的通用性和实用性，提出了一种分布式多机器人协作任务分配策略.根据多机器人任务特点，提出了多机器人任务分配必须满足的4个基本目标，并由目标制定相应的4条任务选择策略.按形式化思想为子任务建立了一个通用模型，模型包含了与任务选择相关的子任务基本属性和运行状态.结合子任务模型和任务选择策略，建立了一个子任务适应度模型，包含静态适应度、进度适应度、资源适应度和外部适应度4个分量，机器人根据适应度大小来选择子任务.仿真实验表明，应用该任务分配策略的协作异构多机器人系统对一类搬运任务具有很好的通用性，当任务发生变化和机器人发生故障时，机器人能够正确、及时地调整子任务，系统具有很好的实时性、灵活性和鲁棒性.系统能够实现机器人到子任务的最优映射，与其他任务分配方法相比明显缩短了任务执行时间.     

Cartesian impedance control of dexterous robot hand

Presents a novel compliant motion control for a robot hand using the Cartesian impedance approach based on fingertip force measurements. The fingertip can accurately track desired motion in free space and appear as mechanical impedance in constrained space. In the position based impedance control strategy, any switching mode in contact transition phase is not needed. The impedance parameters can be adjusted in a certain range according to various tasks. In this paper, the analysis of the finger‘s kinematics and dynamics is given. Experimental results have shown the effectiveness of this control strategy.     

基于聚类变异PSO优化的VSCMGs模糊平滑切换算法

针对变速控制力矩陀螺（variable speed control moment gyro,VSCMG）作为执行机构应用在敏捷遥感卫星上进行姿态机动时末端模式切换的平稳性和快速性冲突问题,在考虑框架转速误差的基础上,设计姿态误差参数作为切换指标,制定误差参数切换区域内的过渡规则,将指令力矩实时分配给控制力矩陀螺（control moment gyro,CMG）和飞轮并分别求解,提出了一种控制力矩陀螺/反作用飞轮工作模式模糊平滑切换操纵律。为了使得姿态机动末端卫星姿态达到姿态稳定度和指向精度要求的时间更短,以该时间为优化指标提出聚类变异改进粒子群算法对该操纵律参数寻优,确定最佳的切换区域和切换参数,并进行了仿真验证。结果表明:改进后粒子群算法在相同的迭代次数中总是表现出比传统粒子群算法更优的适应度,具有更快的收敛速度和更高的收敛精度,参数优化后的模糊平滑切换操纵律相比于现有操纵律能够在较短时间内完成双模式的平滑切换,并在姿态机动末端更迅速地达到姿态稳定度和指向精度要求,提高了遥感卫星敏捷机动与高稳指向的控制性能,有利于高质量完成成像任务。     

基于扩张状态观测器估计的混合动力汽车协调控制

为了提高功率分流式混合动力汽车模式切换的稳定性,提出干扰补偿的转矩协调控制策略. 针对发动机动态响应振荡及车辆行驶工况多变的问题,设计多变量线性扩张状态观测器,从频域角度验证了观测器对于上述2种干扰的估计精确性. 研究不同干扰对基础电机补偿控制稳定性的影响,指出负载干扰对车辆模式切换响应的影响最大,引起的切换冲击最大可至24.5 m/s³. 提出基于干扰补偿的动力源转矩再分配算法,开展仿真验证. 结果表明,该协调控制策略在受到明显的外界干扰时能够保证系统的稳定性及模式切换的平顺性.     

一类复杂网络的协同容错控制

针对一类拓扑结构随时间变换的复杂网络提出一套协同容错的控制策略。设计基于邻居节点的线性互联控制律,主要研究各个系统同步问题,并给出一个各节点可同步的充分条件。在系统发生故障的时候,通过设计的协同控制率各节点仍然可以实现同步。通过一个包含四个单机械臂的复杂网络验证所设计的控制方法。     

汽油/CNG两用燃料汽车燃料切换仿真研究

通过对汽油/CNG两用燃料发动机燃料供给系统控制策略进行设计,提出并建立了汽车后备功率与节气门开度的关系。以节气门位置信号作为控制信号,从后备功率的角度,选择适合的燃料切换点,在保证汽车行驶平稳的情况下,提高汽车在高负荷工况下的动力性。采用GT-power软件对汽油/CNG两用燃料汽车的燃料切换进行建模与仿真。仿真结果表明,随着节气门开度的增大,汽车后备功率减小,选择适合的工况点切换燃料,可使汽车后备功率显著增大,并保证汽车行驶平稳,为燃料切换的进一步研究提供了理论依据。     

风电机组Ⅱ区功率与叶片气动载荷协同控制

为了研究风力发电机组在低于额定功率时的最大风能捕获以及叶片的气动载荷,使得风力发电机组在整个生命周期内高效稳定地运行,提出了一种功率与载荷的协同控制方法,通过过渡区预变桨的方式控制风力发电机组功率与叶片气动载荷.采用所提出的功率与载荷协同控制策略在Matlab软件上搭建风力发电机组的仿真模型,计算得出了风力发电机组的功率和叶片气动载荷的数据,结果显示,协同控制策略能够在低于额定风速区域保持功率基本不变的情况下有效减小叶片的气动载荷,由此证明了所提出的协同控制策略的可行性.     

Spacecraft formation control strategy on Sun-Earth Lissajous orbit

To carry out the deep space exploration tasks near Sun-Earth Libration point L2, the CRTBP dynamic model was built up and the numerical conditional quasi-periodic orbit (Lissajous orbit) was computed near L2. Then, a formation controller was designed with linear matrix inequality to overcome the difficulty of parameter tuning. To meet the demands of formation accuracy and present thruster’s capability, a threshold scheme was adopted for formation control. Finally, some numerical simulations and analysis were completed to demonstrate the feasibility of the proposed control strategy.     

六自由度装配机器人的动态柔顺性控制

为了提升工业机器人装配的精确性与柔顺性,提出适合工业六自由度装配机器人的动态柔顺性控制策略,使之不仅能够实现快速高精度的参考轨迹跟踪,而且能够动态地切换到工件装配时的接触力控制,并能够保持良好的柔顺性接触力.构建机器人关节空间的标准动力学模型,并变换到末端执行器操作空间,获得操作空间的动态特性.给出该控制策略,主要包含参考轨迹给定模块、内环的轨迹跟踪控制器以及动力学参数辨识模块等.采用滑模算法设计轨迹跟踪控制器;采用阻抗滤波器,生成装配作业时末端执行器的期望运动轨迹;采用sigmoid函数设计轨迹跟踪与接触力控制的判别模块;采用最小二乘算法,设计动力学参数辨识模块.采用Lyapunov函数证明了该控制策略的大范围渐进稳定性和收敛性.基于装配实验台上进行现场装配和动态轨迹跟踪的对比性仿真实验研究.仿真实验结果表明：与典型的比例微分（PD）控制相比,动态柔顺性控制能够在较宽广的范围内实现更精确的空间轨迹跟踪和接触力柔性控制,平均相对误差可以有效地控制在-4%到+4%之内.     

基于改进切换函数的电动轮汽车ABS滑模控制

虽然滑模变结构控制策略的快速性和鲁棒性能够满足紧急制动时车辆的控制要求,但控制器的切换作用使系统出现奇异点,为最佳滑移率的在线辨识带来了困难.针对这一问题,提出一种改进切换函数的滑模变结构控制策略,利用车轮工作状态与滑移率变化趋势之间的关系,动态优化控制器的切换函数,使滑模面逼近最佳滑移率.仿真结果以及硬件在环实验表明,该方案可有效提高车辆的制动性能,并对路面变化引起的严重非线性具有良好的自适应能力.