多关节机器人反馈线性化双模糊滑模控制

为了提高多关节机器人轨迹跟踪控制性能,提出了一种反馈线性化双模糊滑模控制方法。该方法在对机器人非线性动力学模型反馈线性化的基础上,设计了一种双模糊滑模控制器。通过设计一个模糊控制器,根据跟踪误差和误差变化率自适应地调整滑模面的斜率,从而加快响应速度。通过设计另一个模糊控制器,根据滑模面自适应地调整滑模控制的切换控制部分,从而减弱抖振。利用李亚普诺夫定理证明了控制系统的稳定性。针对空间三关节机器人进行了仿真实验,结果表明了所提方法的有效性。     

挖掘机器人伺服系统神经网络滑模控制

挖掘机器人伺服系统存在高度非线性、参数不确定和未建模动态等诸多不利因素,提出了一种结合径向基函数(RBF)神经网络的非线性滑模控制器,以提高控制精度和鲁棒性.首先,建立了单联伺服系统的数学模型;其次,采用RBF神经网络对系统的不利因素进行逼近,提出积分滑模面进一步减小稳态误差,同时减少对伺服系统参数的依赖,在此基础上,...     

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...     

多关节机械臂反演滑模神经网络干扰观测器控制

多关节机械臂在建模过程中存在不确定干扰和建模误差,对机械臂的控制系统带来了许多不良的影响.为此,文中研究了一种反演滑模神经网络干扰观测器控制策略.文中采用非线性干扰观测器对多关节机械臂的外部不确定干扰进行观测补偿,且无需外界不确定干扰的上界先验知识.对于建模过程中存在的不确定性,采用反演滑模神经网络自适应控制,运用神经...     

机器人关节滑模变结构的位置控制

为了使机器人关节有良好的静态特性,并具有一定的抗干扰能力,提出了一种由力矩电机和谐波减速机组成的机器人关节,采用指数趋近律的滑模变结构和模糊自适应滑模控制对机器人关节进行了位置控制,通过对机器人单关节Simulink建模仿真比较,结果表明,模糊自适应滑模控制大大减轻了指数趋近律滑模控制的抖振问题,其稳态精度达到了9×10-5rad;且与PID控制相比较,其响应速度快;在受高斯扰动时,采用模糊自适应滑模控制的关节发生的角度偏差整整比PID控制小10倍。仿真结果表明,滑模控制在机器人关节控制中精度高,响应速度快,具有一定的鲁棒性能。     

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...     

超声电机驱动多关节机器人的类PID小波神经网络控制

针对超声电机驱动多关节机器人的运行特性,提出一种新颖的速度-位置双闭环PID控制模式,有效地抑制了超声电机响应极快所导致的速度变化剧烈的现象,从而提高了机器人的运动平稳性.为了进一步提高超声电机驱动多关节机器人的控制性能,使其能根据超声电机的变化特性对PID控制参数进行实时调节,提出类PID小波神经网络控制器.通过对传统离散型增量式PID表达式各项的合理划分,将速度-位置双闭环PID控制、实践经验、当前的轨迹误差及其变化情况都融入进了类PID小波神经网络控制器中.该控制器参数的在线学习机制采用了δ自适应律并结合了BP算法和梯度下降法,算法简单,计算量大大减少.试验结果证明,所设计的类PID小波神经网络控制器不仅明显优于PID和PID神经网络控制器,而且具有很好的抗干扰能力.     

碰撞下PMSM电机驱动机器人关节速度滑模控制

碰撞引起负载突变情况下速度的快速响应和精确控制是机器人研究重点.根据永磁同步电机的原理,建立了状态空间方程,并利用矢量控制方法,进行了解耦.为抗碰撞影响,设计了转动关节速度的滑模控制算法,建立了二维滑模函数,分析了算法稳定条件,给出了滑模控制算法参数选择原则.用Matlab/Simulink建立了速度控制仿真平台.针对碰撞突加负载和变参数情况下的速度平稳控制,对滑模和PI两种控制算法进行了仿真,对转矩和速度响应进行了对比分析.仿真结果表明所设计的滑模控制方法响应速度快、无超调、对负载和系统参数变化的鲁棒性好,是碰撞工况下机器人关节速度稳定控制的可选方法.     

多关节机器人

日本小松制作所最近研制出可用于搬运、安装等项作业的RTL系列和RTS系列多用途机器人.RTL系列为垂直多关节机器人,装有视觉敏感元件,所以能够识别工作位置和方向.即使重叠或倾斜的工作位置也能敏捷地作出判断,并正确地进行处理,适用于多种作业.主要技术参数:作业速度4.2米/秒,最大迴转半径1.9米.     

机械臂关节空间轨迹的神经网络滑模跟踪控制

为了提高机械臂对给定轨迹的跟踪精度且削弱滑模控制抖振问题,提出了基于RBF神经网络滑模控制的轨迹跟踪方法。建立了多连杆机械臂系统的运动学和动力学模型。首先忽略由建模误差和系统扰动产生的系统不确定项,建立了全局PID滑模控制器,设计了由等效控制律和切换控制律组成的全局滑模控制律;而后使用单隐含层RBF神经网络逼近系统不确定项,使用神经网络对不确定项的逼近值补偿建模误差和系统扰动,达到提高控制精度的目的。经仿真验证,在机械臂初始位置误差较大的情况下,神经网络滑模控制器的调节时间、超调量、驱动力矩抖振远小于全局PID滑模控制器,证明了神经网络滑模控制器在机械臂轨迹跟踪控制中的有效性。     

水平多关节机器人

三菱电机公司日前又开发成功“MELFA系列”水平多关节小型机器人“RH-6SH”、“RH-12SH”及“RH-18SH”3种，其移动速度更快、可搬重量更大。通过加大驱动部分及控制方法使得动作速度比原来加快了2成，另外通过增加机械臂的刚性，使可搬运重量也比原来增加了2成。为了提高动作速度，该公司开发了专用驱动马达和功率放大器以及减速器，在控制方法上，也采用了“加减速最优控制”。通过这些措施，提高了机器人前端部分的动作速度，其中，RH-12SH的最大速度为11．5m／s。     

不确定关节机器人模型的神经网络补偿自适应控制

为了达到关节机器人轨迹跟踪控制的目的,针对由于机器人结构参数、作业环境干扰及结构共振模式等不确定性因素造成的机器人不确定性动力学模型,将该模型分解为名义模型和建模误差两部分,其中的建模误差采用RBF神经网络进行补偿和估计,得到其估计信息。RBF神经网络的权值通过Lyapunov稳定性分析和自适应算法进行调节。机器人的神经网络补偿自适应控制解决了机器人这类不确定模型的轨迹跟踪控制问题。对3关节机器人实验验证结果表明,3关节均在约4 s时跟踪期望轨迹,并且跟踪误差渐近趋近于0,并且RBF神经网络能很好地逼近由不确定性因素引起的建模部分。     

RBF神经网络滑模变结构控制在并联机器人中的应用

并联机器人系统结构复杂,具有强耦合、非线性等特点。滑模变结构控制对参数不确定性和外部扰动具有强鲁棒性,不需要被控对象精确数学模型且基于该方法的控制器设计过程是自然解耦过程,适用于并联机器人控制,但是滑模控制普遍存在抖振问题。鉴于此,该文提出RBF神经网络与滑模控制相结合的控制方法,利用RBF神经网络对滑模控制器切换项的增益进行调节,可以有效地降低滑模控制的抖振,获得较好的控制效果。仿真结果表明,该控制方法跟踪性能好,系统误差小,具有较强的鲁棒性,可以满足并联机器人的控制要求。     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节机械臂干扰观测器的自适应滑模控制

为了解决多关节机械臂在外部干扰和建模误差的轨迹跟踪问题,提出了多关节机械臂干扰观测器的机械臂自适应滑模控制方法.针对干扰信号,采用干扰观测器对可观测干扰进行观测,对于未观测到的干扰通过自适应律的设计进行估计补偿;针对机械臂控制系统中的抖振问题,采用新型趋近律来设计滑模控制律,以减小抖振影响;最后,利用李雅普诺夫函数验证了系统的稳定性.仿真结果表明,该方法不仅可以有效地削弱抖振问题,而且还可以克服外界干扰和建模误差带来的不确定性,同时保证了系统的鲁棒性.     

多关节移动机械臂系统的快速终端滑模控制

为了实现多关节移动机械臂系统在机械摩擦和模型误差等干扰下的精确控制,提出了快速终端滑模控制方法.首先建立了移动机械臂系统动力学和运动学模型,然后设计了运动环控制律,并将移动机械臂系统的运动指令转换为动力指令,最后针对动力环设计了快速终端滑模控制律,并通过自适应神经网络进行干扰估计,实现了对多关节移动机械臂系统的精确控制.仿真实验结果表明,提出的方法具有更好的快速性和准确性,移动平台的最大跟踪误差仅为0.8 cm,关节末端的最大跟踪误差仅为0.3 cm,干扰估计的最大误差为0.2 N·m,控制效果和精度均得到了明显的提升.     

漂浮基姿态受控空间机器人关节运动的自适应模糊滑模控制

重点研究了载体位置无控、姿态受控情况下,空间机器人姿态、关节协调运动的自适应模糊滑模控制问题。由拉格朗丑第二类方法及系统动量守恒关系,建立了漂浮基空间机器人的系统动力学方程。以此为基础,针对空间机器人所有惯性参数均未知的情况,设计了空间机器人载体姿态与机械臂各关节协调运动的自适应模糊滑模控制方案。数值仿真的结果,证实了该控制方案的有效性。     

漂浮基空间机器人关节协调运动的非奇异终端滑模控制

讨论了载体姿态受控、位置不受控制的单臂空间机器人系统的控制问题。利用拉格朗日方法并结合系统动量守恒关系,建立了双臂空间机器人系统的非线性动力学模型。以此为基础,对单臂空间机器人姿态、关节协调运动的控制问题作了研究。考虑到空间机器人系统结构的复杂性及其某些参数的变动性,根据具有较强鲁棒性的滑模变结构控制理论,设计了单臂空间机器人姿态、关节协调运动的非奇异终端滑模控制方案。该控制方案不仅可以保证机器人控制系统的稳定性,而且还能使系统在有限时间内实现对所期望运动状态的精确跟踪,同时又可避免普通终端滑模控制中所出现的奇异问题。最后用数值仿真结果证实了所提控制方案的有效性。     

移动焊接机器人滑模控制研究

分析了移动焊接机器人的运动学模型,给出了切换函数和滑模控制器的实现过程,利用李亚普诺夫函数论证了系统的稳定性.软件仿真结果表明,针对焊接机器人这类高度非线性和不确定性系统,设计的滑模控制器能达到较好的控制品质且有效的减少了系统抖振问题.