多关节机械臂的高阶滑模神经网络自适应控制

本文针对多关节机械臂提出了 一种高阶滑模神经网络自适应控制策略.在机械臂的动力学方程的基础之上,设置了滑模面,并对该滑模面求二阶导数,利用高阶滑模控制理论设计了机械臂的控制方案;高阶滑模控制分两步实施,针对标称系统采用了齐次连续控制项,对系统中存在外部干扰的情况添加了补偿项,并对系统中存在的不确定性采用RBF神经网络进行逼近.最后,应用李雅普诺夫稳定性理论证明了系统的稳定性,并通过MATLAB/Simulink仿真与传统滑模控制比较,表明了该控制算法有效地提高了轨迹的跟踪速度和精度,降低了系统中存在的抖颤.     

多关节机械臂的分数阶滑模变结构神经网络自适应控制

在分数阶滑模控制方法的基础,设计了新型的滑模函数趋近律,提升了多关节机械臂轨迹跟踪控制系统的鲁棒性和响应速度.机械臂在建模过程中存在多种建模误差,工作过程中存在外界干扰等不确定因素,因此采用神经网络对各种不确定项进行逼近,对径向基函数神经网络自适应控制中存在的误差,提出了神经网络误差的自适应补偿项,减小了径向基函数神经网络对不确定项的逼近误差.结果表明,该控制算法有效地提高了轨迹的跟踪速度和跟踪精度,并降低了系统中存在的抖颤.     

柔性臂动力学建模与规划角加速度抑振研究

以双连杆柔性臂为研究对象,利用Hamilton变分原理建立微分方程,采用假设模态法描述柔性臂的变形,进而对微分方程进行离散化处理,从而得到考虑动力刚化效应的柔性臂动力学模型。以抑制柔性臂振动为目的,将多项式插值与正弦-梯形基函数相结合,构造出计算简便、平稳连续且收敛较快的叠加曲线作为新的角加速度规划曲线。利用关节变量与模态坐标的关系,将振动抑制问题转变为减小模态坐标响应问题。分别构造多项式插值规划函数和优化角加速度函数,对动力学模型进行数值仿真。仿真结果表明,角加速度经过规划后柔性臂的弹性振动大幅度减小,对于复杂多杆柔性臂系统抑振研究具有较大价值。