基于T-S模糊模型的机器人轨迹跟踪控制

为了解决机器人跟踪控制的建模误差和扰动所引起的不稳定问题,设计一种基于T-S模糊模型的滑模控制器。首先对机器人动力学方程进行扇区非线性处理,建立T-S模糊模型,然后设计出保证机器人系统渐近稳定的滑模控制器。对二连杆机器人进行给定轨迹实验时,系统具有良好的轨迹跟踪性能,系统误差很快收敛到零。实验结果表明该方法对非线性系统具有较强的鲁棒稳定性,验证了该方法的有效性。     

移动机器人全局轨迹跟踪的自适应滑模控制

讨论了两驱动后轮角速度为控制输入的移动机器人轨迹跟踪问题，针对含有未知参数的非完整移动机器人运动学模型．基于反演（backstepping）控制算法的思想设计了变结构控制的切换函数，并由此构造了具有全局渐近稳定的白适应滑模轨迹跟踪控制器。该方法设计过程简单并具有直观的稳定性分析，适用于移动机器人的全局轨迹跟踪控制。仿真结果表明了该方法的有效性和正确性。     

质心不重合的移动机器人自适应滑模轨迹跟踪控制

针对一类质心和几何中心不重合的移动机器人的轨迹追踪问题,结合反演滑模自适应控制算法设计移动机器人轨迹跟踪控制器.首先,设计一种新的变参数滑模趋近律,并基于该趋近律对移动机器人控制器进行设计,使得系统在给定初始误差时移动机器人仍能跟踪目标轨迹.其次,针对一类质心距离已知的情况,基于移动机器人运动学模型,采用反演滑模控制算法对移动机器人的闭环系统控制器进行设计.并在给定系统初始值的情况下,通过选用合适的参数来优化移动机器人控制系统的整体性能,使得控制系统跟踪误差渐近收敛,移动机器人跟踪给定目标轨迹.然后,针对移动机器人质心距离未知的情况,采用反演滑模控制,引入自适应控制算法对未知参数进行估计,设计轨迹跟踪控制器,并通过Lyapunov函数对移动机器人控制系统进行全局稳定性证明.最后,将设计的新型趋近律结合Backstepping控制与自适应控制通过MATLAB仿真进行对比验证,验证了所设计的控制方法的有效性.     

用拉盖尔—高斯函数展开方法计算梯度型单模光纤特性参数

用拉盖尔－高斯函数展开方法计算梯度型单模光纤特性参数。应用拉盖尔多项式性质和汉克尔变换来计算光纤参数：如远场模斑尺寸和波导色散，得到了非常简单且物理概念清晰的表达式。给出了数值计算实例并与精确值进行了比较，讨论了该方法的优点和缺点。     

参数不确定移动机器人全局轨迹跟踪的自适应滑模控制

通过对一类质心和几何中心不重合情况下移动机器人轨迹跟踪问题的研究,得到了两独立驱动轮角速度为控制输入的机器人运动学模型.对于车轮半径和两驱动轮之间距离参数已知的情况,基于反演控制的思想设计了变结构控制的切换函数,构造了具有全局渐近稳定的滑模轨迹跟踪控制律,并针对这两个参数未知时,通过自适应方法对其进行参数估计,给出了自适应滑模轨迹跟踪控制律的设计方法.该方法设计过程简单且具有直观的稳定性分析,适用于移动机器人的全局轨迹跟踪控制.仿真算例验证了所提控制律的有效性和正确性.     

基于SVM的上肢康复机械臂轨迹跟踪预测控制

针对上肢康复训练机械臂具有强耦合、非线性和时变的特点,设计了基于SVM（支持向量机）的轨迹跟踪预测控制器。采集机械臂系统的输入和输出数据,通过SVM辨识得到广义逆系统,与原系统串联实现解耦。对解耦后的系统,采用SVM辨识预测模型和PSO优化滚动控制序列的预测函数控制方法,并从其内模结构分析了系统的稳定性和鲁棒性。实验结果表明,该方法能够平稳高精度地实现轨迹跟踪。     

一种轮式机器人轨迹跟踪控制算法的研究

针对轮式机器人轨迹跟踪控制问题,提出了一种轨迹跟踪控制算法。通过对轮式机器人进行运动学分析,建立了运动学模型来描述其在水平面内的运动规律;提出了轨迹跟踪控制算法,并对迹跟踪控制算法进行仿真试验,直线轨迹跟踪的纵向偏差 0.09m,横向偏差 0.06m, 航向角偏差 3.7°;曲线轨迹跟踪的纵向偏差 0.13m,横向偏差 0.09m,航向角偏差 5.1°。仿真试验结果表明本研究所设计的轨迹跟踪控制算法具有良好的动态响应,可以支撑实际应用。     

基于变增益自抗扰技术的机器人轨迹跟踪控制方法

本文针对机器人轨迹跟踪控制精度和初始峰值问题,提出一种变增益自抗扰控制器轨迹跟踪控制方法.首先,采用跟踪微分器将逆运动学解处理为插值点区间,设定插值点选取规则及冲击力目标函数.然后,根据目标函数选取插值点拟合得到的轨迹曲线.最后,在考虑机器人动力学下设计轨迹跟踪控制器.仿真和实验结果表明,优化的方法冲击力减少39.8％...     

基于滑模自适应迭代学习的四旋翼无人机轨迹跟踪

针对四旋翼无人机轨迹跟踪问题,在考虑外部扰动的情况下,提出一种滑模自适应迭代学习的控制算法。所设计的控制器由两部分组成：第一部分是滑模子控制器,作为四旋翼无人机系统的反馈控制器;第二部分是迭代学习子控制器,作为无人机系统的前馈控制器。在迭代学习过程中,迭代学习子控制器的增益可以根据轨迹跟踪误差自适应改变,能够提高四旋翼无人机的轨迹跟踪效果。最后通过软件仿真对所提出的四旋翼无人机轨迹跟踪算法的有效性进行验证。     

基于机动检测的参数自适应跟踪算法

在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数.针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整.首先,利用加速度预测误差方差信息,自适应调...     

基于Backstepping的移动机器人轨迹跟踪控制

对于由运动学模型描述的二自由度轮式移动机器人的轨迹跟踪问题进行讨论。采用积分Backstepping思想,通过构造一种简单的中间虚拟反馈变量同时结合Lyapunov直接法设计出时变反馈控制律,并且证明其控制效果能够达到全局渐近稳定。仿真结果验证了该控制律的正确性和有效性。     

基于kalman预测和自适应模板的目标相关跟踪研究

文中提出了一种基于kalman预测和自适应模板的目标相关跟踪算法。通过kalman预测下一帧图像中目标的状态,缩小整个图像上目标检测的搜索范围,满足目标跟踪的实时性。采取自适应模板更新策略．根据目标的变化情况自动调节参考模板,提高目标跟踪的稳定性。仿真实验结果表明,算法能够随着目标的形状、大小、位置的变化快速调整参考模板,进行稳定和实时的跟踪,当目标被物体遮挡时仍能有效地跟踪目标。     

基于ELM算法的起重船摆动轨迹跟踪

起重船进行海洋作业时,难免会受到风浪的影响,船体随之发生摇摆,使得起重船无法正常作业.船舶摇摆是一个复杂的非线性运动,神经网络具有很好的在线学习预测的能力,对此本文提出一种基于极端学习机ELM算法的轨迹跟踪方法,对起重船的摆动进行实时跟踪预测,在MATLAB中仿真出跟踪效果图,并与传统的BP神经网络算法对比,得出ELM具有更快更准确的跟踪预测能力,突出了ELM算法的优越性,最后可将此方法用于吊摆控制系统中.     

自适应控制算法在工业机器人系统中的应用

阐述自适应控制的原理,自适应控制算法的分类及特点,工业机器人系统的控制难点,探讨自适应控制算法在工业机器人系统中的应用,包括在轨迹跟踪控制和受力控制中的应用。     

基于操作轨迹模型的非线性预测控制算法

针对工业过程的非线性,本文首先提出了一种操作轨迹非线性模型的辨识方法:根据调度变量的操作轨迹,选取若干个典型工作点;在各个典型工作点,辨识各自的线性模型;根据测试数据以及过渡数据,得到全局插值非线性模型.在此基础上,本文进一步提出一种基于操作轨迹模型的非线性预测控制算法,并采用多步线性化方法进行问题求解.由于仅需要在典型工作点上进行测试,降低了全局建模的辨识成本,而且控制品质好,仿真结果表明了该算法的有效性.     

基于跟踪微分器的模型参考自适应控制

为了处理二阶系统模型参数的大范围不确定性,提出了基于跟踪微分器的模型参考自适应控制,利用两个非线性跟踪微分器分别得到系统输出的微分信号和误差的微分信号,同时抑制了高频噪声放大效应。根据被控对象的数学模型,自适应调节律能自动实时调节控制律中的参数。实验结果表明,当雷达伺服系统被控对象模型的参数在较大范围内变化时,该新型控制器有效补偿了二阶系统参数的不确定性,提高了伺服系统稳态和动态跟踪精度,保证了系统的全局渐近稳定。     

基于自适应背景信息的目标跟踪算法

目标跟踪是计算机视觉应用的重要任务,兼顾算法性能和实时性是所有方法的共同目标。通过分析背景信息在目标跟踪的重要作用和影响,提出一种基于自适应背景信息概率密度函数的背景模板表示方法,改进传统核函数跟踪中的相似函数表达。实验表明,该算法在稍增加原有算法复杂度的情况下,抗背景干扰能力大大增强,并能准确跟踪快速运动目标和小目标。