基于反步法的机械臂鲁棒自适应位置/力控制

针对机械臂终端受环境约束而产生的位置/力控制问题,提出一种鲁棒自适应控制算法。该方案采用反步法的思想设计具有全局收敛特性的位置/力控制器,根据坐标变换得到降阶的动力学模型,设计中考虑了驱动电机模型使控制器更符合实际控制要求,并将其分解为动力学控制器和电机控制器两部分以降低设计难度。利用自适应方法对动力学模型中的非线性部分和未知扰动进行补偿,采用鲁棒控制克服电机参数的不确定性的影响。二自由度机械臂的仿真结果表明,系统能快速有效跟踪参考信号,说明该控制器是有效的。     

环境约束可重构机械臂模块化力/位置控制

针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

基于模糊滑模变结构的工业机械臂控制系统研究

针对工业机械臂系统高精度的位置跟踪控制要求,提出了一种模糊滑模变结构控制器。该控制器将指令信号由滑模变结构控制器产生的滑模等效控制项和由模糊控制器产生的切换控制项相加作为运动指令信号,对机械臂伺服驱动系统进行最佳调整。仿真结果表明:其对系统数学模型的依赖程度小,具有响应速度快、鲁棒性强的特点,速度跟踪振荡现象也得到明显的抑制。     

柔性关节机械臂自适应神经网络动态面控制

针对柔性关节机械臂动力学模型具有非线性、不确定性和未知的外界扰动等问题,提出了基于自回归小波神经网络的自适应动态面控制方法.采用对于非线性系统具有良好学习和快速收敛能力的自回归小波神经网络,在线观测和补偿动力学模型的不确定项.并应用动态面方法设计控制器实现了关节轨迹跟踪控制.仿真和实验结果显示:当存在模型参数不准确及未建模的外部扰动力矩时,控制算法表现出良好的自适应能力,与传统动态面法和PD(比例微分)控制相比较,显著提高了柔性关节的位置跟踪精度.     

有效因子融合的可重构机械臂分散容错控制方法

针对含有动态摩擦的可重构机械臂轨迹跟踪执行器部分失效故障的问题,提出一种基于有效因子融合的分散反演滑模容错控制方法。将可重构机械臂的每个关节模块考虑成一个子系统,将有效因子融合到子系统动力学模型中。基于Lyapunov稳定性理论,子系统误差状态空间分别采用了反演思想和终端滑模进行控制器设计,并利用径向基函数(RBF)神经网络估计系统模型的不确定项和交联项,自适应地补偿了神经网络的估计误差。最后,数值仿真结果表明了提出的分散容错方法的有效性。     

无人驾驶机器人机械腿非线性模糊自适应反演滑模控制

为了实现无人驾驶机器人机械腿位置精确跟踪及提高车速跟踪精度,针对机械腿受到的非线性干扰,提出了一种基于非线性干扰观测器的机械腿模糊自适应反演滑模控制方法.首先,通过对机械腿机构操纵踏板时的位置运动分析,建立了机械腿运动学模型,构建了考虑运动副非线性摩擦的机械腿动力学模型,描述了机械腿关节间摩擦力矩与相对速度之间的关系,求得了摩擦参数.接着,设计了油门/制动机械腿切换控制器和非线性干扰观测器.最后,针对观测误差以及其他不确定干扰,设计了模糊自适应反演滑模控制器,进行了李雅普诺夫稳定性分析.实验结果表明,所提方法有效削减了控制输出的抖振,且相较于未对摩擦进行补偿的情况,机械腿位置最大跟踪误差从5.5×10~(-2) rad减小为1.1×10~(-3) rad,最大车速跟踪误差从2.21 km/h减小为1.91 km/h.基于干扰观测器的机械腿模糊自适应反演滑模控制方法能够有效提高机械腿跟踪精度与车速跟踪精度.     

可重构机械臂自适应反演模糊滑模控制

为解决可重构机械臂各关节的位置跳变所导致的速度跳变问题,本文提出了基于生物启发策略的自适应反演快速终端模糊滑模控制方法.首先,利用模糊系统的万能逼近属性去估计机械臂各子系统中的不确定项及子系统间的耦合关联项;其次,在设计反演控制器时,引入生物启发模型,将由机械臂位置跳变所导致的虚拟速度跳变限制在一定范围,得到虚拟的中间变量,从而用它去代替控制律中的轨迹跟踪误差,保证了位置跳变时其轨迹跟踪输出依然平滑.该方法在不改变控制参数的前提下可解决不同构形可重构机械臂的位置跳变问题,最后通过对不同构形可重构机械臂的仿真验证了所述结论.     

六自由度机械臂无模型自适应滑模控制

针对强耦合、非线性的六自由度机械臂系统难以建立精确数学模型的问题,提出了一种无模型自适应滑模控制方案。以无模型自适应方法与滑模变结构控制相结合,利用全格式动态线性化方法,将机械臂非线性模型转换为离散的动态线性时变模型,采用各关节的输入力矩和输出角速度来设计控制器,并引入滑模控制保证其收敛性。通过六自由度机械臂的Sim Mechanics模型进行了仿真实验,结果表明,相比于现有的无模型自适应方案,即使在没有建立六自由度机械臂精确数学模型的情况下,所设计的控制方案能实现各关节对理想速度更加迅速的响应和更加精准的跟踪,从而验证了所提出的无模型自适应滑模控制方案的可行性和有效性。     

机器人的自适应神经全局滑模轨迹跟踪控制

针对具有不确定性的机器人系统,提出一种自适应神经全局滑模轨迹跟踪控制方案.控制器采用一种新的全局滑模面,使得系统在整个响应时间内都具有鲁棒性;并基于径向基函数神经网络自适应学习不确定性的未知上界,从而自适应调整控制律的切换增益.而且基于Lyapunov稳定性理论证明这种新型控制器能够保证机器人系统关节角位置矢量和角速度矢量的跟踪误差渐近收敛于0.仿真结果表明提出的控制策略能够使机器人系统仅在0.5 s内就实现快速的轨迹跟踪,可见该方案是可行且有效的.     

Synchronization control for electro-hydraulic dual-cylinder system based on force/position switching

If the rigidity of a mechanism is stiff enough, the position synchronous error of the two cylinders driving one degree-of-freedom （DOF） of the mechanism may be less than the resolution of position sensors. To handle this synchronization problem this paper proposes a force/position switching scheme, which partitions the two cylinders into a master cylinder and a slave cylinder. The master cylinder is always position tracking controlled by a second-order sliding mode controller and the slave cylinder is integrated with a force tracking controller which is a first order sliding mode controller. When the position tracking error is less than a given value, the slave cylinder switches to be force controlled. Two synchronization control methods are presented based on the switching scheme： the master - master ＋ force/position switching control and the master - slave ＋ force/position switching control. Simulations show that the formance compared with two given proposed synchronization control position-based control methods. methods can get a better per-     

非线性电液位置滑模控制控制的稳定性

基于李亚普诺夫稳定性理论以及Slotine等的思想,面向电液控制系统的非线性模型,提出了电液滑模控制系统的直接非线性分析与综合新方法,并以一非线性电液位置滑模控制系统为例,对系统的稳定性问题进行了理论研究,给出了相关的定理及证明。结果表明,所提出的电液滑模控制系统的直接非线性分析与综合方法简单实用,且系统稳定可靠。     

TCP网络的非线性自适应滑模控制

针对TCP网络存在网络参数高度变化和UDP流的情况,提出了两种非线性自适应滑模控制算法.考虑到系统不确定的上界很难获得,针对系统不确定的上界设计了一种自适应滑模控制器.由于使用了符号函数,该算法不能有效地抑制抖振.为此,设计了一种直接对不确定进行自适应的滑模控制器.仿真结果表明,对不确定的上界自适应的滑模控制器优于对上界自适应的滑模控制器,对上界自适应的滑模控制器优于PI控制器.     

链传动机械伺服系统的自适应模糊滑模控制

针对存在啮合冲击、参数摄动以及非线性摩擦的链传动机械伺服系统的位置跟踪控制问题,提出了一种自适应模糊滑模控制方法. 与常规自适应滑模控制不同的是,本文采用自适应策略估计系统时变参数,有效减小了模型不确定性的影响,然后采用模糊逻辑消除了常规滑模控制中的不连续控制项,削弱了抖振;用期望速度代替实际速度补偿非线性摩擦,减小了测量噪声的影响,改善了系统的控制性能. 实验结果表明本文提出的算法对系统参数变化以及外部扰动不敏感,具有较高的控制精度.      

基于模糊滑模控制的主动队列管理算法

针对动态网络的拥塞问题,提出一种主动队列管理(AQM)算法·该算法基于模糊滑模控制器(FSMC)设计,适合于动态网络流量的变化·模糊控制的加入,缩短了到达时间,改善了滑模控制的抖振现象·对于TCP/IP网络中存在的网络模型的不确定性、网络参数的时变性以及非TCP适应流所引起的网络抖动,该算法具有很强的鲁棒性·仿真结果表明该方法可以使队列长度快速收敛到设定值,同时维持较小的队列振荡,尤其是在网络条件变化的情况下,该算法优于传统的PI控制、模糊控制和传统的滑模控制·     

基于自适应反步法的非线性导弹制导/控制系统综合设计

利用基于RBF神经网络的自适应反步法结合滑模控制对非线性导弹的制导/控制系统进行了综合设计.首先把导弹的制导/控制系统转化为严反馈型,然后利用基于在线调节的神经网络反步法克服非线性系统的非匹配不确定性,引入的滑模控制项使跟踪误差趋于零.仿真结果表明,所设计的方法具有较强的实用性.     

基于二阶Adaline网络的滑模变结构控制器

针对一般神经网络滑模控制系统在线训练时间长、实时性差的问题,提出一种自适应神经滑模变结构控制系统。该系统主要由二阶Adaline网络辨识器、滑模控制器和变结构二阶学习算法估值器组成。其中二阶Adaline网络是对原Adaline网络的改进,在其输入样本向量中增广了有关样本的二次项,相当于用时变二次多项式去逼近非线性系统,既有原Adaline网络训练速度快的优点,又具有一定非线性逼近能力;滑模控制器根据辨识误差自适应调整趋近律中的增益参数;而变结构二阶学习算法首先对递推近似Newton法进行简化,然后将其改造成一种新型的变结构算法,具有较快的收敛速度。针对同一非线性系统,采用常规神经滑模变结构控制存在较小的抖振,平均调节误差为0.0913;而采用自适应神经滑模变结构控制很快趋于平稳,几乎消除高频抖振,平均调节误差为0.0109。仿真结果证明了该方案的有效性。     

一类非线性网络化控制系统的滑模变结构控制

基于滑模控制系统滑动模态不变性和T-S模糊模型能有效解决菲线性系统建模的优点,研究了一类具有时延和丢包的非线性网络化控制系统的滑模变结构控制问题.采用滑模控制理论设计控制器,证明了在控制器作用下系统能在有限时间内到达滑模面并一直保持在滑模面上,并根据Lyapunov理论和线性矩阵不等式(LMI)方法推证出了系统状态全局稳定的充分条件.最后以一个仿真算例验证了本文方法的可行性和有效性.     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...