机器人轨迹跟踪自适应控制

本文提出一种新的自适应控制算法,用于补偿机器人动力学方程中的非线性项和消除关节间的耦合。这种简单有效的控制算法,保证了系统在一定的参数变化范围内具有渐近稳定性和良好的控制精度。     

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。     

模糊CMAC的柔性空间机器人轨迹跟踪自学习控制

针对不确定自由漂浮柔性空间机器人系统,采用模糊CMAC神经网络自学习控制策略来解决轨迹跟踪控制问题.首先建立漂浮基空间机器人的动力学方程,然后利用具有快速学习能力的模糊CMAC神经网络来逼近非线性柔性臂的逆动力学模型.网络参数采用改进的有监督的Hebb学习规则进行自适应在线调整,并通过关联搜索进行自学习和自组织,其误差代价函数由PID控制器提供.仿真结果表明,这种模糊CMAC逆模PID控制器能够达到较高的控制精度,具有一定的工程应用价值.     

基于预测型间接迭代学习的SCARA机器人轨迹跟踪控制

SCARA机器人是一个强耦合、多输入多输出的非线性系统,运行时较易受外界干扰的影响,而且传统比例-积分-微分(PID)反馈控制器的轨迹跟踪精度较低。针对上述问题,设计具有前馈作用的预测型迭代学习控制器(A-ILC)。利用运行批次在采样时刻t+Δ处的误差输出信息,优化调整下次运行在采样时刻t处双闭环PID反馈控制器的角度。仿真结果表明,与仅采用双闭环PID反馈控制器相比,采用所设计的控制器能明显减小机器人末端的轨迹跟踪误差。     

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。     

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

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B样条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．     

机器人系统非线性分散重复学习轨迹跟踪控制

采用一类具有"小误差放大、大误差饱和"功能的非线性饱和函数来改进传统重复学习控制(Repetitive control, RC)机器人系统动力学控制, 形成一类新的非线性分散重复学习控制(Nonlinear decentralized repetitive control, NRC),使得在不增加驱动力矩的条件下获得了更快的响应速度和更高的轨迹跟踪精度. 应用Lyapunov直接稳定性理论和LaSalle不变性原理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表明了所提出的非线性分散重复学习控制具有良好的控制品质.     

机器人系统输出反馈重复学习轨迹跟踪控制

针对高度非线性多关节机器人的轨迹跟踪问题,提出一类输出反馈重复学习控制算法,使得在只有位置信息可测以及模型信息不确定的条件下即能获得良好的控制品质.非线性滤波器的引入解决了现实中速度信号较难获得的问题,重复学习控制策略实现了对周期性参考输入的渐近稳定跟踪.应用Lyapunov直接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表明了所提出的输出反馈重复学习控制的有效性.     

基于变增益模糊PID控制的移动机器人轨迹跟踪

该文对轮式移动机器人提出了一种基于变增益的模糊PID轨迹跟踪控制方法。首先将常规PID分为PI和PD的组合,再把PID的输出转化为误差和误差变化率之和,然后设计增益随误差变化的自适应调节律,使得移动机器人跟踪期望的运动轨迹。最后通过实验验证了所提方法的有效性。     

信息融合在移动机器人轨迹模糊跟踪中的应用

在机器人轨迹跟踪过程中,机器人自动跟踪的精度直接影响跟踪效果;以3自由度移动机器人为研究对象研究了机器人轨迹模糊跟踪系统,且在该系统中,采用多个传感器同时对移动机器人进行跟踪检测,并利用融合算法对其进行融合,将融合后的结果作为模糊控制器的输入;计算机仿真结果表明,在3自由度移动机器人轨迹跟踪中,采用多传感器信息融合是合理的、可行的;且可以减少跟踪过程中由传感器引起的误差对跟踪精度的影响,提高控制精度.     

基于迭代学习的农业车辆路径跟踪控制

由于农作物的播种、收获、除草和农药化肥喷洒具有周期性的特点,农业车辆在执行农田作业时具有较强的重复性. 基于迭代学习控制（Iterative learning control,ILC）方法研究农业车辆的路径跟踪问题,建立了农业车辆的两轮移动机器人运动学模型,设计了车辆路径跟踪的迭代学习控制算法,并基于压缩 映射方法理论上证明了算法的收敛性. 研究表明,迭代学习控制可有效利用农业车辆运行的重复信息,实现车辆期望路径有限区间内的高精度完全跟踪控制. 仿真示例验证了本文方法的有效性.     

改进的Backstepping在移动机器人轨迹跟踪中的应用

以四轮移动机器人的运动学模型为研究对象,基于BackStepping的设计思想,通过构造一种简单的中间虚拟反馈变量,同时结合Lyapunov直接法设计了一种移动机器人轨迹跟踪控制律,并证明了系统在设计控制律下的全局稳定性;但控制律中含有未知参数,不同的参考轨迹都要重新调节才能达到良好的跟踪效果,因此利用极点配置的方法对这些参数进行了优化整定,从而保证了控制器的自适应性;文中以直线和圆为参考轨迹做了仿真实验;仿真结果表明该算法具有快速,精确,全局稳定的良好特性。     

非完整约束移动机器人的轨迹跟踪控制

针对非完整约束移动机器人运动学与动力学模型,根据轨迹跟踪控制目标的需要,设计了一种简单的控制器,该控制器结合了运动学控制器设和动力学控制器两部分;针对运动学模型,采用自适应算法对其未知参数进行估计,针对系统动力学模型,采用单层神经网络算法克服未知扰动对系统稳定性的影响,使速度误差尽可能地缩小;在Lyapunov稳定性理论的基础上证明了系统的收敛性和稳定性,该控制算法简单有效,易于实现;仿真结果表明:该控制策略可以实现对移动机器人期望轨迹的稳定跟踪,验证了算法的有效性。     

助餐机器人轨迹跟踪控制实验研究

助餐机器人机械本体由三自由度机械手和旋转桌面构成。在完成助餐机器人控制系统硬件电路基础上,利用dSPACE软硬件环境和Matlab/Simulink系统建模方法,搭建了助餐机器人控制系统的半物理仿真实验平台。完成了助餐机器人伺服控制系统的研究与开发,设计了机器人控制器,同时完成了助餐机器人肘关节和腕关节的直线轨迹与圆弧轨迹跟踪实验,获得了理想的实验结果,为整个助餐机器人系统的控制研究奠定了基础。     

一种基于预瞄控制的Robocup足球机器人带球轨迹跟踪方法

通过深入分析足球机器人带球状态下的运动特点,结合智能预瞄控制方法建立带球状态下的非线性数学运动模型。分别对机器人的线速度和旋转速度使用专家PID控制,实现在带球情况下不丢球的机器人轨迹跟踪。仿真和试验证明该方法具有良好的快速性和鲁棒性。     

基于Lyapunov稳定性理论的移动机器人轨迹跟踪控制

针对非完整轮式移动机器人的高度强耦合、欠驱动非线性动力学模型,设计了运动学控制器以及动力学力矩控制器,使得移动机器人轨迹能够跟踪理想轨迹。这种方法的实质是首先设计虚拟速度控制器,输出速度的期望值,然后设计基于模型的力矩控制器。最后通过simulink软件对所设计的系统进行仿真,结果表明对于非完整机器人的轨迹跟踪这种控制方法效果较好。     

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>...     

基于Haar小波分解的轮式移动机器人轨迹跟踪控制

利用Haar小波在满足机器人动力学约束的前提下 ,对期望轨迹进行曲线分解 ,得到所需的一系列参考点 ,并由这些参考点构造出虚拟小车的运动轨迹 .基于控制Lyapunov函数设计了速度跟踪控制律 ,驱动机器人跟随虚拟小车实现对期望轨迹的跟踪 .该方法的突出特点是可实现对任意复杂轨迹的跟踪控制 ,且不存在速度跳跃点 .仿真实验结果表明它的有效性 .