气动肌肉下肢外骨骼机器人轨迹跟踪研究

气动肌肉下肢外骨骼机器人是当下的热门研究话题,对外骨骼理想轨迹进行精确跟踪是研究重点。但是气动肌肉下肢外骨骼运动系统结构复杂,有着很强的非线性,传统的控制方法不适用于这类系统。文章以气动肌肉下肢外骨骼机器人为研究对象,首先对气动肌肉和下肢外骨骼进行了动力学分析;然后采用基于趋近律的滑模控制器来对这一复杂的系统进行控制;最后利用Simulink对气动肌肉下肢外骨骼机器人运动控制仿真。结果表明,基于趋近律的滑模控制器对气动肌肉下肢外骨骼机器人轨迹跟踪有很好的控制效果。     

神经网络自适应滑模控制的不确定机器人轨迹跟踪控制

提出一种针对机器人跟踪控制的神经网络自适应滑模控制策略。该控制方案将神经网络的非线性映射能力与滑模变结构和自适应控制相结合。对于机器人中不确定项,通过RBF网络分别进行自适应补偿,并通过滑模变结构控制器和自适应控制器消除逼近误差。同时基于Lyapunov理论保证机器手轨迹跟踪误差渐进收敛于零。仿真结果表明了该方法的优越性和有效性。     

机器人滑模轨迹跟踪控制研究

传统的机器人滑模控制通常采用线性PD滑模和等速趋近率．本文基于指数趋近率并 采用PD+PID滑模策略进行机器人轨迹跟踪控制,即首先采用PD滑模,在达到该滑模后,再采 用PID滑模,取得了很好的效果,文章还对各种饱和函数减少抖振的效果进行了比较．     

机器人轨迹跟踪滑模控制研究

针对多自由度机器人轨迹跟踪问题.设计了一种基于逆向动力学补偿的多输入多输出、降抖振滑模控制策略,给出该控制律的稳定性分析.仿真实验结果表明与鲁棒控制方法相比,控制效果明显得到改善;跟踪误差能在短时间内收敛到0,具有很好的抗干扰性能,并有效降低了抖振.     

机器人轨迹跟踪的滑模变结构控制

本文提出了一种新的机器人轨迹跟踪滑模变结构控制方法,给出了控制系统的设计 方法和仿真实验结果．仿真结果表明,当机器人参数在±50％范围变化且存在能量有限的 正态分布随机干扰时,控制系统具有良好的自适应性．     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

机械臂卷积神经网络滑模轨迹跟踪控制

针对工业技术的发展对于多关节机械臂的精度与快速控制高要求,提出了一种机械臂卷积神经网络滑模轨迹跟踪控制方法。分析机械臂动力学方程,提取其中的不确定部分,针对不确定部分,构建深度卷积神经网络对其进行补偿,将补偿部分引入到滑模控制律中,通过改进后的滑模控制实现对机械臂轨迹跟踪的精确控制,并通过构建Lyapunov函数论证了系统的稳定性。仿真结果显示该方法能够满足轨迹跟踪要求,且减小了抖振现象。通过与其余三种典型控制方法的对比,测试结果表明,该方法加快了轨迹跟踪误差的收敛,且跟踪精度有了明显的提高。     

面向人机交互的下肢外骨骼自适应轨迹跟踪

在可穿戴下肢外骨骼助力系统的轨迹跟踪控制研究中,针对系统存在人机交互力耦合,建立了人机耦合高阶动力学模型,提出了一种单自由度下肢外骨骼系统的人机协同控制策略.考虑系统存在的模型误差和外界干扰,采用了干扰观测器对系统总扰动进行动态观测和实时补偿;针对模型参数因人而异且难以准确获取的问题,设计了自适应反步滑模控制器;根据L...     

机器人轨迹跟踪的自适应模糊神经网络控制

研究机器人跟踪轨迹控制问题,针对模型未知的机器人系统,为提高跟踪精度和控制性能,提出了一种基于T-S型模糊RBF神经网络的H∞轨迹跟踪控制方法,用模糊神经网络为模型未知的机器人系统建模,克服了系统鲁棒性差,对机动目标跟踪性能差等缺点。然后设计自适应控制器,将H∞控制理论与模糊神经网络有机地结合起来,借助鲁棒补偿项将建模误差及外部干扰衰减到期望的程度以下,而控制器与改进Elman神经网络的结合,便于处理建模有界干扰以及非结构化的未建模的动力学,并进行仿真。仿真结果表明了所提出的控制算法的可行性。     

下肢外骨骼机器人动态建模与步态跟踪LQR控制

针对下肢外骨骼机器人步态轨迹与参考轨迹存在较大跟踪误差的问题,提出一种线性二次型调节器(LQR)控制方法来取代常规PD控制.根据牛顿-欧拉方程和系统参数辨识,建立人机一体化的下肢外骨骼机器人系统的动态模型,并进行LQR控制参数设计和稳定性分析.仿真和实验结果表明,基于LQR控制的下肢外骨骼机器人能很好地跟踪步态参考轨迹...     

下肢软质康复外骨骼机器人的模糊神经网络阻抗控制

针对脑卒中或交通意外等因素导致的运动功能障碍问题,设计了一种可用于康复训练的可穿戴式的软质膝关节外骨骼机器人．在重点介绍基于Hill肌肉模型的套索人工肌肉驱动系统设计和实时控制平台的基础上,分析了模糊神经网络阻抗控制算法的推导过程．最后,分别在定阻抗与变阻抗参数控制策略条件下,进行人机协同训练模式下的康复训练实验,并对比分析了康复外骨骼系统对受试者肌肉活性的影响．实验结果表明,定频率定幅值训练时的屈/伸扭矩分别增加了9.70%和9.06%,而变频率变幅值训练时的屈/伸扭矩提升了88.34%和57.68%．由此可知,选择符合人体生理肌肉刚度特性的阻抗模型可以改善下肢康复机器人系统的稳定性和安全性,提高人机交互的柔顺性和协调性．     

全方位轮式下肢康复训练机器人轨迹跟踪控制

全方位轮式下肢康复训练机器人需要跟踪医生给受训者设定的轨迹.机器人自身的不确定性和患者在康复训练时对机器人运行产生的干扰会影响其跟踪性能.本文设计了一种非线性L<,2>鲁棒控制器解决上述扰动抑制问题.给出了下肢康复训练机器人的运动学模型,并由此建立了位置误差系统的动态模型.将机器人的跟踪和不确定干扰抑制归结为L<,2>...     

机器人系统终端滑模重复学习轨迹跟踪控制

针对非线性机器人系统的轨迹跟踪问题, 提出一种终端滑模重复学习混合控制方案. 该方案综合了重复学习控制和终端滑模技术的特性, 能够有效跟踪周期性参考信号, 抑制周期性和非周期性动态的干扰, 具有较强的鲁棒性和良好的轨迹跟踪性能, 且算法的实现不需要完全已知系统模型信息. 应用Lyapunov 稳定性理论证明了闭环系统的全局渐近稳定性. 三自由度机器人系统数值仿真结果验证了所提出的终端滑模重复学习控制的有效性.

     

机器人的非奇异终端神经滑模轨迹跟踪控制

针对具有不确定性的机器人系统,为提高系统的稳态跟踪精度,提出一种非奇异终端神经滑模轨迹跟踪控制方案.控制器采用改进的非奇异终端滑模面,并基于径向基函数神经网络自适应调整控制律的切换项,不但克服了在设计中需要知道系统不确定性的上界的限制,而且平滑了控制信号.可应用Lyapunov稳定性理论证明了系统的渐近稳定性和跟踪误差的渐近收敛性.仿真结果验证了控制方法不仅能够保证机器人系统轨迹跟踪控制的快速性和鲁棒性,而且有效地削弱了抖振,可见方案是可行且有效的.     

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用了小波基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.     

基于神经网络的机器人轨迹鲁棒跟踪控制

在神经网络辨识的基础上 ,提出一种新的鲁棒迭代学习控制方法。该方法利用神经网络对非线性系统进行在线辨识 ,产生迭代学习控制算法的前馈作用 ,并与实时反馈控制相结合 ,实现连续轨迹跟踪控制。仿真结果表明 ,该方法能克服机器人系统动力学模型的不确定性和外部干扰 ,且以极少的学习次数和网络训练次数达到满意的跟踪控制要求 ,具有良好的鲁棒性和控制性能     

一种新的机器人轨迹跟踪滑模变结构控制

该文在传统变结构控制趋近律的基础上,提出一种快速平滑趋近律,并作仿真比较;同时对其滑动模态作改进,引入非线性项,提出一种快速收敛滑动模态。在选择滑动模态的切换方式后,将新的变结构控制器应用于机器人的轨迹跟踪控制中,在对系统的抗干扰能力进行分析后,作了相应的仿真研究。     

轮式机器人滑模轨迹跟踪控制器设计

轮式机器人是一个典型的非完整性系统。由于非线性和非完整特性,很难为移动机器人系统的轨迹跟踪建立一个合适的模型。介绍了一种轮式机器人滑模轨迹跟踪控制方法。滑模控制是一个鲁棒的控制方法,能渐近的按一条所期望的轨迹稳定移动机器人。以之为基础,描述了轮式机器人的动力学模型并在二维坐标下建立了运动学方程,根据运动学方程设计滑模控制器,该控制器使得机器人的位置误差收敛到零。