基于改进模糊滑模控制的机械臂运动轨迹仿真

为了避免机械臂运动轨迹受到外界干扰,提高轨迹跟踪精度,构造了多连杆机械臂动力学数学模型,推导了机械臂关节运动轨迹的误差函数.建立了机械臂模糊滑模控制法则,应用改进粒子群算法对模糊滑模控制系统进行了优化.采用Matlab软件对双关节机械臂运动轨迹进行仿真验证,并与其他控制方法的仿真结果进行对比,输出运动轨迹的仿真曲线.在有外界干扰的状态下,采用滑模控制的机械臂运动轨迹跟踪误差较大,输入转矩的跳动幅度较大,而采用改进模糊滑模控制的机械臂运动轨迹跟踪误差较小,输入转矩的跳动幅度较小.机械臂采用改进模糊滑模控制方法,控制系统能够避免外界干扰,机械臂运动相对稳定.     

基于小波神经网络模糊滑模控制的轮式移动机器人避障研究

轮式移动机器人避障响应速度慢,在急转弯过程中容易发生侧翻现象,对此,本文设计了小波神经网络模糊滑模控制器,对移动机器人避障效果进行仿真验证。创建了轮式移动机器人平面简图,推导出机器人运动轨迹跟踪方程式。引用滑模控制器,根据小波神经网络理论和模糊规则,设计了小波神经网络模糊滑模控制器,采用李雅普诺夫函数对小波神经网络模糊滑模控制器运动稳定性进行证明。在不同移动速度下,采用Matlab软件对移动机器人避障效果进行仿真,并与滑模控制器避障效果进行对比。结果显示:在低速移动过程中,采用滑模控制器和小波神经网络模糊滑模控制器,轮式移动机器人避障响应速度相差不大;在中速和高速移动过程中,采用滑模控制器,轮式移动机器人反应速度慢,而采用小波神经网络模糊滑模控制器,轮式移动机器人反应速度快。采用小波神经网络模糊滑模控制器,可以提前预测障碍物,迅速做出调整路径规划,从而避免轮式移动机器人急转弯而发生侧翻现象。     

采用RBF神经网络滑模控制的冗余机械臂避障研究

机械臂在有障碍物运动的环境中工作,其运动轨迹跟踪容易受到干扰,导致跟踪误差较大。对此,建立了机械臂动力学模型,推导了机械臂关节运动速度和加速度方程式,添加了机械臂运动约束关系式。引用滑模控制器,采用RBF神经网络算法对滑模控制器输出误差进行逼近,将RBF神经网络滑模控制器用于控制冗余机械臂运动轨迹,并与滑模控制器的跟踪效果进行对比分析。结果显示:在有障碍物运动的环境中,采用滑模控制器,机械臂容易受到障碍物移动的干扰,其跟踪误差较大;采用RBF神经网络滑模控制器,机械臂能够避免障碍物移动的干扰,其跟踪误差较小。采用RBF神经网络滑模控制器,不仅可以使机械臂成功躲避障碍物,而且提高控制系统的输出精度和运动的稳定性。     

基于双模糊滑模控制的机器人运动轨迹跟踪误差仿真

当前,机器人运动轨迹在受到外界干扰因素情况下,不仅控制精度较低,而且抖动现象较为严重,不能很好地实现轨迹的跟踪任务.对此,创建了双关节机器人简图模型,采用双模糊滑模控制机器人的运动轨迹.推导了等效控制和切换控制组成的双模糊滑模控制方程式,根据模糊规则对切换增益系数进行在线补偿,引用李雅普诺夫函数对控制系统的稳定性进行了证明.通过具体实例,借助于Matlab软件对机器人运动轨迹的跟踪误差进行仿真.同时,与单模糊滑模控制方法进行对比和分析.仿真结果显示,机器人采用双模糊滑模控制方法,实际运动轨迹与期望运动轨迹误差较小,输入转矩的波动幅度较小.机器人末端执行器采用双模糊滑模控制方法,提高了运动轨迹的控制精度,改善了抖动现象.     

粒子群算法优化的双臂机器人模糊逻辑控制仿真研究

针对双臂机器人运动轨迹跟踪误差大、抖动现象严重等问题,采用粒子群算法对双臂机器人模糊逻辑控制进行改进,并对运动轨迹进行仿真验证.建立了双臂机器人简图模型,构造机器人动力学方程式.分析了模糊逻辑控制器结构,引用高斯隶属度函数定义模糊逻辑控制的输入与输出变量.使用3种不同成本函数定义机器人运动轨迹的平方误差均值、误差的绝对值及控制力参考误差,采用粒子群算法改进模糊逻辑控制的成本函数.通过数学软件Matlab对改进模糊逻辑控制的双臂机器人运动误差和控制力矩进行仿真,并且比较不同控制方法的双臂机器人运动轨迹误差和控制力矩仿真结果.仿真结果表明,在外界干扰因素的影响下,双臂机器人采用改进模糊逻辑控制方法,不仅运动轨迹跟踪误差较小,而且输入力矩值也较小.采用改进模糊逻辑控制双臂机器人运动轨迹,能够降低跟踪误差和控制系统的抖动幅度.     

基于改进遗传算法的机器人运动轨迹跟踪控制

通过对机器人的运动轨迹准确跟踪控制,能够有效提高机器人路径规划和自主定位的准确性。机器人在运动过程中运动轨迹受到小扰动分段线性误差的影响,机器人系统是一个多变量非线性系统,传统的遗传算法进行运动轨迹跟踪控制在边界层出现稳态跟踪误差。针对以上问题提出一种基于改进遗传算法的机器人运动轨迹跟踪控制算法。模拟构建所研究的机器人的运动环境模型,把机器人运动轨迹的空间坐标抽象为遗传种群的虚拟世界,得到机器人运动空间的网格结构模型。通过遗传进化的方式寻找目标点并进行移动,为了使得机器人的运动轨迹控制满足遗传算法的匹配条件和参数摄动带来的误差,在机器人运动轨迹滑膜面设计一个跟踪误差的积分项,实现算法改进。仿真结果表明:采用该算法进行机器人运动轨迹控制,能以较快的收敛速度找到最优路径,机器人跟踪控制性能精确度和收敛性较好,性能优越。     

挖掘机器人的模型与自适应模糊滑模控制

为实现挖掘机器人的自动挖掘,在挖掘机器人的轨迹规划器给出铲斗期望运动轨迹的情况下,需要挖掘机器人的控制系统能够控制其工作装置实现对给定轨迹的准确跟踪.利用拉格朗日方法建立了挖掘机器人工作装置的三自由度动力学方程,设计了自适应模糊滑模变结构控制器.利用模糊控制动态调节切换增益,将滑模控制的切换项转化为连续的模糊系统,增强了控制系统对挖掘机器人工作装置不确定性和外界干扰的鲁棒性,削弱了滑模控制的抖振现象,并且有较强的自适应跟踪能力.利用MATLAB7.4/Simulink工具箱对所设计的控制器进行了仿真,给出了自适应模糊滑模控制的跟踪性能及误差.     

沿全局最优路径滚动避障的车间机器人导航研究

为了减少机器人在车间工作时的路径长度、提高行驶安全性,提出了全局规划和局部滚动避障相结合的机器人导航方法。对车间静态环境进行全局路径规划,在传统蚁群算法基础上,在转移概率中引入节点被访问次数作为新启发因子、同时引进随机选择策略和"回退-惩罚"策略,从而提出了基于改进蚁群算法的全局路径规划方法。对车间动态环境进行局部滚动预测避障,分确定和不确定运动提出了碰撞预测和碰撞避免策略,实现了沿全局最优路径滚动避障行驶。经仿真验证,改进蚁群算法规划出的路径比传统方法缩短了42.3%;在车间动态环境下,机器人使用滚动预测避障策略可以沿着最优路径安全到达目标点,实现了机器人在车间动态环境下安全导航。     

水下清洗机器人路径跟踪反演控制方法研究

针对海上鱼场网衣清洗问题,文中提出了一种水下清洗机器人的反演跟踪控制方法。首先对机器人的运动进行分析,建立了运动学、动力学模型。为了保证机器人在扰动环境下具有良好路径跟踪能力以实现对网箱的有序清洗,将控制系统分为三个子系统,分别定义了位置误差、速度误差、扰动估计误差及各自的李雅普诺夫函数,对每个子系统设计中间虚拟控制量,并导出最终控制律,完成了反演控制器的设计。在MATLAB Simulink环境下建立水下机器人仿真模型,并实现了机器人对规划清洗路径的跟踪控制仿真。仿真结果表明,通过该方法设计的控制器在水下干扰环境下具有良好的鲁棒性,机器人能够较好地跟踪规划清洗路径。     

多电机机器人模糊PID控制仿真研究

机器人在复杂环境中运动时,其关节角位移跟踪容易受到外界波形干扰,导致角位移跟踪误差较大,造成控制系统稳定性下降。对此,建立三关节机器人简图模型,给出了机器人动力学方程式,采用多电机并行驱动机器人关节角位移运动;采用模糊规则建立模糊PID控制器,利用模糊论域在线调节PID控制参数,保持控制系统的稳定性。采用Matlab软件对多电机机器人模糊PID控制效果进行仿真,结果显示:在大扰动环境中,采用模糊PID控制器,可以提高机器人关节角位移跟踪精度,保持多电机驱动机器人关节运动的稳定性。     

非时间参考的移动机器人变滑模控制

提出一种基于非时间参考移动机器人的变滑模控制方法，设计以一定的速度跟踪路径的控制器，买现对一类轨迹的跟踪。由于采用变滑模控制，增强了机器人在不确定环境下的跟踪能力和系统鲁棒性，可以实现机器人在动态环境中的路径跟踪。买验验证了该方法的有效性。     

基于B样条曲线的工业机器人运动轨迹误差优化研究

为了降低工业机器人运动轨迹跟踪误差,提高机器人运动的稳定性,采用混合算法优化工业机器人运动轨迹,并对跟踪误差进行仿真验证。建立工业机器人三维模型简图,根据D-H方法和三角函数关系式推导出各个关节角位移运动方程式。采用B样条曲线设计工业机器人运动轨迹,引用粒子群算法并进行改进,设计出混合算法并优化B样条曲线,给出了混合算法优化迭代曲线。采用Matlab软件对工业机器人关节角位移跟踪误差进行仿真验证,与优化前角位移跟踪误差结果进行对比。结果显示:优化前,工业机器人各个关节运动角位移跟踪产生的最大误差为0.164 rad,跟踪误差较大,误差整体波动幅度较大;优化后,工业机器人各个关节运动角位移跟踪产生的最大误差为0.085 rad,误差降低了48.2%,跟踪误差较小,误差整体波动幅度较小。采用混合算法优化工业机器人运动轨迹,可以降低工业机器人运动轨迹跟踪误差,从而提高机器人运动的稳定性,能够提高工业机器人对产品的加工精度。     

多关节机器人事件驱动神经网络滑模控制

针对多关节机器人轨迹跟踪控制问题,提出了一个事件驱动的神经网络滑模控制器。该方法采用RBF神经网络来改善传统滑模控制器,对模型不确定项进行逼近;在此基础上,提出了事件驱动的RBF神经网络滑模控制器,根据跟踪误差和目标轨迹的驱动条件决定控制力矩更新,降低力矩更新频率。利用跟踪误差的最终一致有界性证明控制系统的稳定性,证明系统不存在Zeno行为。针对二关节机器人进行的仿真实验展现了良好的跟踪效果,验证了控制策略的有效性。     

基于模糊滑模控制的工业机器人运动不确定性分析

针对工业机器人运动学和动力学不确定性的问题,在分析工业机器人运动学和动力学模型的基础上提出了一种模糊滑模变结构控制方法。基于滑模变结构控制原理设计了一种工业机器人滑模变结构控制器。采用模糊逻辑系统补偿运动不确定性造成的跟踪误差,以提高跟踪精度,消除系统"抖振"的影响,并利用Lyapunov函数证明了系统的稳定性。最后基于二自由度工业机器人进行了仿真分析,仿真结果表明:在机器人运动参数无法精确确定的情况下,模糊滑模控制器仍具有较好的跟踪性能、快速响应特性和鲁棒性。     

基于快速终端滑模的机器人轨迹跟踪避障方法

针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。     

基于快速终端滑模的机器人轨迹跟踪避障方法（英文）

针对非完整轮式机器人有限时间精准轨迹跟踪避障问题,设计了一种基于全局快速终端滑模方法,兼具无抖振、收敛时间可调等优点的轨迹跟踪控制器。首先,在载体坐标系下建立轮式机器人运动学模型;其次,构造包含终端吸引子和指数收敛项的全局快速终端滑模轨迹跟踪控制器,通过Lyapunov稳定性理论证明了所设计的控制器能确保轨迹与航向角跟踪误差均能在有限时间内收敛于较小的零域范围内;最后,引入人工势场避障方法,实现了机器人严格跟踪参考轨迹的同时绕开障碍物。实验结果表明,该方法能实现在避障的同时对于给定参考轨迹的有限时间稳定跟踪控制。     

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。     

冗余度机器人梯度投影避障算法的改进

针对传统基于梯度投影法的避障算法只进行关节空间局部调整,无法实现冗余度机器人末端躲避障碍物的不足,提出一种改进的避障算法。借助人工势场思想,实时地规划出冗余度机器人末端的避障路径。同时以最短距离为指标,进行关节空间自运动调整。末端避障和关节自运动调整相结合,实现全局范围避障。最短距离计算采用解析方法,避免最短距离垂足落在杆件延长线上的问题。在MATLAB软件中进行了冗余度机器人避障仿真,规划用时1.73 s,证明改进后避障算法的有效性和高效性,并且能实现目标追踪过程中的动态避障。     

一种移动机器人避障与追踪技术研究

本文主要研究了一种改进的移动机器人避障检测跟踪技术。避障控制一直以来都是机器人路径规划中的难点问题,本文通过双层模型的协作完成了在动态环境中的导航。在底层中采用反应式避障算法以保障系统的实时性要求。采用这种方法,能够很好的解决动态环境建模及分析所带来的复杂性,从而使得能够实时的避开障碍。     

基于组合趋近律的差速AGV高精度路径跟踪技术研究

为了提高AGV路径跟踪的精度和稳定性,针对最常用的差速AGV系统,先将系统离散化,得到离散AGV系统状态方程,再结合指数趋近律和变速趋近律两种趋近律进行滑模控制,提出了一种基于组合趋近律的离散AGV系统滑模控制方法,优化AGV小车在小偏差下路径跟踪的效果。通过工厂应用测试,在对接最大允许误差5 mm的测试条件下,验证了该方法可以避免AGV小车路径跟踪时起始摆动大和高频抖动的缺点,实际测得车身横向摆动误差5 mm。