具有H∞跟踪特性的机器人自适应模糊控制

为使机器人系统在有外界扰动的情况下具有良好的抗干扰能力，加快输出跟踪误差的收敛速度并提高其精度，提出了一种稳定的模糊自适应控制策略。该控制算法基于模糊逻辑系统，将模糊自适应控制器的设计与H∞控制相结合，在鲁棒补偿的基础上引入模糊补偿；并基于Lyapunov方法，给出了学习自适应律，及H∞跟踪特性的证明。对二自由度机器人的仿真结果表明，该算法使系统在跟踪误差的收敛速度和精度上都有了很大的改善，具有良好的鲁棒性和抗干扰能力。     

基于模糊神经网络的冗余度变几何桁架机器人自适应控制

本文提出了一种基于模糊神经网络（FNN）的机器人位置自适应控制方法．利用模糊 神经网络模型来辨识冗余度变几何桁架机器人的逆动力学模型,用常规反馈控制器完成外部 干扰的补偿和闭环控制．并以四重四面体变几何桁架机器人为例进行仿真计算,表明该控制 方法具有良好的轨迹跟踪精度和抗干扰能力．     

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。     

腿轮式机器人的自适应模糊控制

提出了一种基于模糊神经网络(FNN)的腿轮式机器人轨迹跟踪控制方法．在利用常规P D控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的 反向传播算法对参数进行在线的自适应调整．仿真计算证明该方法具有良好的轨迹跟踪精度 和抗干扰能力．     

基于递归模糊神经网络的机器人鲁棒H_∞跟踪控制

利用递归模糊神经网络来逼近机器人系统中的非线性函数,提出了一种具有自适应能力的H∞控制策略.该控制策略能够减弱机器人系统的外扰,并把模糊神经网络的重构误差对系统的影响控制在指定的范围内.同时又能保证闭环系统的所有信号都是有界的.为了验证基于递归模糊神经网络的H∞控制策略的有效性,将其与计算力矩控制方法进行比较,仿真结果表明,在存在外扰的情况下,所提出的控制策略具有比计算力矩控制方法更好的跟踪性能.     

基于自适应神经网络的不确定非线性系统的模糊跟踪控制

提出了一种基于模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,首先利用T＿S模糊模型对系统的已知特性进行近似建模,对基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.并在此基础上,进一步采用RBF神经网络完全自适应控制,通过在线自适应调整RBF神经网络的权重、函数中心和宽度,从而有效地消除系统的未知不确定性和模糊建模误差的影响,保证了非线性闭环系统的稳定性和系统的H∞跟踪性能,而不要求系统的不确定项和模糊建模误差满足任何匹配条件或约束.最后,将所提出的方法应用到一非线性混沌系统,仿真结果表明了所提出的方案不仅能够有效地稳定该混沌系统,而且能使系统输出跟踪期望输出.     

不确定机器人的神经网络轨迹控制

针对不确定机器人的轨迹跟踪问题,提出了一种基于自适应神经网络的控制方案.对于系统中的各种未知非线性,通过RBF神经网络和变结构光滑集成的控制器来自适应学习并且补偿,这种控制器克服了局部泛化网络的不足,提高了控制精度及其收敛速度.而且在考虑神经网络失效的情况下,仍能保证系统具有良好的鲁棒性.网络权重的自适应修正规则基于Lyapunov函数方法得到,它保证了跟踪误差的全局渐进稳定性.试验结果证明了这种控制算法的有效性.     

含模型不确定性移动机器人路径跟踪的分层模糊控制

对受非完整约束且含模型不确定性的移动机器人基于分层模糊系统设计了跟踪期望几何路径的鲁棒间接自适应控制方案.此方法除实现路径跟踪外,还可避免控制器的奇异性并保证跟踪方向.由于控制结构中使用了分层模糊系统,大大减少了模糊规则数目;并用鲁棒控制项对模糊系统逼近误差进行补偿,减少了其对跟踪精度的影响.证明了闭环系统跟踪误差收敛到原点的小邻域内,且可通过适当增大鲁棒控制项的设计参数使跟踪误差进一步减小.最后用实验结果验证了方法的有效性.     

冗余自由度工业机器人模糊自适应PID控制研究

为提高汽车生产中涂胶工序的工作效率和空间利用率,改善机器人避障性能,设计了一款具有7自由度的冗余度工业涂胶机器人,并对其控制方法开展研究。针对现有PID控制方法应用于非线性时变的多自由度多刚体串联式开链系统时,控制效果有限、难以达到系统精度要求等问题,基于传统PID控制和模糊自适应控制算法,提出了一种带有重力补偿的模糊自适应PID混合控制方法。该方法在对冗余度工业机器人进行动力学分析的基础上,基于牛顿-欧拉分析法建立了冗余度机器人动力学模型,基于动力学分析设计了带有重力补偿的模糊自适应参数整定PID控制策略,建立了控制器模型,通过Matlab仿真实验表明,具有模糊自适应参数整定PID控制较有重力补偿的传统PID控制具有更好的控制效果。     

多输入多输出多重时延非线性系统的白适应模糊控制

针对多输入多输出多重时延非线性系统,提出了一种自适应模糊跟踪控制方案.该方案有机综合了自适应控制和H∞控制.文中构建了一种自适应时延模糊逻辑系统用来逼近有多重时延的未知函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动.根据跟踪误差给出了参数调节规律.构造了包含时延的李雅普诺夫函数,从而证明了误差闭环系统满足期望的H∞跟踪性能.仿真结果表明了该方案的可行性.     

救援机器人自适应模糊控制的研究

研究了腿轮混合结构式救援机器人的自适应运动控制问题;由于腿轮式救援机器人是一多自由度、非线性和强耦合的系统,其动力学模型比较复杂且难以精确建立,提出采用T-S型模糊神经网络进行机器人的运动控制;充分利用T-S模糊模型的特点和优点,以一种简化的T-S型模糊神经网络作为前馈控制器,同时反馈控制器也采用T-S型模糊神经网络实现;该控制器利用人的经验和知识实时调整PID参数,从而改善控制系统的性能,提高控制器的适应能力;实验结果表明该方法具有良好的轨迹跟踪精度和抗干扰能力.     

机器人操作器的自适应模糊滑模控制器设计

针对机器人动力学系统提出了一种基于模糊逻辑的自适应模糊滑模控制方案.根据滑模控制原理并利用模糊系统的逼近能力设计控制器,基于李雅谱诺夫方法设计自适应律,证明了闭环模糊控制系统的稳定性和跟踪误差的收敛性.控制结构简单,不需要复杂的运算.该设计方案柔化了控制信号,减轻了一般滑模控制的抖振现象.仿真结果表明了所提控制策略的有效性.     

可重构模块机器人分散容错控制

针对可重构模块机器人的执行器故障,提出一种基于自适应模糊系统的分散被动容错控制方法.该方法不需要机器人动力学模型与模块之间的信息交换,模块控制器分别采用间接和直接自适应方法设计,自适应参数的更新律基于Lyapunov稳定性理论设计,保证了系统的稳定性和H∞跟踪性能.数值仿真结果表明了所提出方法的有效性.     

一类非线性MIMO系统的间接自适应模糊鲁棒控制

针对一类模型未知的非线性MIMO系统,将自适应控制、H∞控制与模糊逻辑逼近方法结合到一起,应用"主导输入"的概念,提出了一种间接自适应模糊鲁棒控制设计方法.该方法确保了闭环系统全局稳定,并获得了H∞跟踪性能指标,使外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合对跟踪误差的影响可衰减到给定的水平.     

多输入多输出多重时延非线性系统的自适应模糊控制

针对多输入多输出多重时延非线性系统,提出了一种自适应模糊跟踪控制方案．该方案有机综合了自适应控制和H∞控制.文中构建了一种自适应时延模糊逻辑系统用来逼近有多重时延的未知函数;设计了H∞补偿器来抵消模糊逼近误差和外部扰动．根据跟踪误差给出了参数调节规律．构造了包含时延的李雅普诺夫函数,从而证明了误差闭环系统满足期望的H∞跟踪性能．仿真结果表明了该方案的可行性．     

基于H∞观测器原理的模糊自适应控制器设计

针对一类非线性系统提出一种利用观测器原理来求解干扰抑制项和控制器参数的新 型模糊自适应控制方法.通过寻求线性矩阵不等式(LMI)的可行解来得到具有H∞跟踪性能的 模糊自适应观测器.并证明了如果该观测器具有H∞跟踪性能,则由该观测器参数构成的控制 器,可以保证闭环系统稳定.     

一类MIMO非线性大系统基于H∞ 跟踪的分散自适应输出反馈模糊控制

针对一类状态不可测的MIMO不确定非线性大系统,提出一种基于H∞跟踪的分散自适应输出反馈模糊控制器.主要工作有:1)通过对观测误差向量进行滤波来确保严格正实条件成立,使得提出的反馈与自适应机制可以执行;2)利用模糊系统提出一种适用于一般非线性大系统基于H∞跟踪的分散自适应模糊控制方案;3)在统一的框架下处理了控制器奇异性.闭环大系统被证明足稳定的,且输出误差具有H∞跟踪性能.仿真结果验证了控制器设计的有效性.     

基于广义双曲正切模型的机器人鲁棒模糊自适应控制

利用广义模糊双曲正切模型的全局逼近特点,设计一种模糊自适应控制器用于机器人轨迹跟踪控制.广义双曲正切模型利用输入变量的平移能以任意精度逼近系统的不确定动态.对于系统不确定外界干扰和模糊系统的逼近误差,通过求解一个线性矩阵不等式来保证闭环系统的鲁棒稳定性.对比传统的模糊基函数,在保证系统跟踪精度的前提下,双曲正切模糊基函数的自适应调整参数大大减少,仿真表明该控制算法具有较强的鲁棒性能和较好的跟踪性能.     

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。     

高超声速飞行器纵向通道分层模糊自适应H∞控制

针对具有参数不确定性特点的高超声速飞行器输出跟踪问题,提出了一种基于分层模糊系统的自适应H_∞控制器的设计方法。为了解决模糊控制器中规则数目随系统变量个数呈指数增长的问题,减少在线辨识参数的数量,增强控制系统的实时性,设计了一种基于分层模糊系统的间接自适应控制器;同时为了减少模糊系统逼近误差、参数不确定性和系统外部干扰对控制系统稳定性造成的影响,引入鲁棒补偿项,提高控制器的H_∞性能,并利用Lyapunov理论分析证明了整个系统的稳定性能。仿真结果表明,该方法不仅能够保证高超声速飞行器具有良好跟踪性能,而且具有很强的鲁棒性。