一种无模型的机器人非线性输出反馈控制

针对非线性不确定机器人系统的轨迹跟踪控制问题,在传统PID控制器的基础上,设计带观测器的无模型连续控制器.控制器由PD控制部分和非线性积分部分组成,其中PD控制部分用于镇定系统,非线性积分部分用于提高算法的收敛速度,同时考虑到速度信号不易获取,引入线性观测器估计机器人关节的速度,并在理论上证明了观测误差和跟踪误差最终趋向于零.在SCARA机器人的两个旋转关节上进行轨迹跟踪试验,结果表明,采用该控制算法得到了理想的控制性能,在同样的反馈增益下,采用观测器后的平均跟踪误差和最大跟踪误差降低了30%以上,而控制输出的震荡程度只有无观测器时的60%.     

机器人系统鲁棒轨迹跟踪控制器设计

针对机器人系统的轨迹跟踪控制问题,考虑实际系统中存在的不确定性,基于动态系统终值有界性引理,采用连续状态反馈的方法,设计出一种鲁棒轨迹跟踪控制器。仿真结果表明,此法设计的控制器对机器人系统的参数不确定性具有较好的鲁棒性,可保证不确定性存在情况下跟踪误差的终值有界性。     

轮式移动机器人快速轨迹跟踪

为了克服轮式移动机器人响应能力的有限性、保证轮式移动机器人快速跟踪给定的参考轨迹,本文充分利用预演信息(即提前获取的将来参考信息),设计预演控制策略、调节轮式移动机器人的驱动电压来控制机器人,使其快速跟踪给定的参考轨迹.首先,针对运动学模型设计虚拟控制器以保证轮式移动机器人能够渐近跟踪给定的参考轨迹.其次,建立了虚拟控制器的离散时间线性状态空间模型.再次,基于轮式移动机器人的动力学模型和虚拟控制器的线性模型,将轨迹跟踪控制问题等价转化成一个具有已知输入的线性二次调节问题.最后,基于Riccati方程的解,给出了最优预演控制策略的反馈增益.事实上,本文所提出的为虚拟控制器建立线性状态空间模型的方法适用于任意离散信息,这极大地方便了信息的处理与提前使用;另一方面,由于提前使用了参考信息,本文所提的预演控制策略能够快速地跟踪给定的参考轨迹.仿真实验以类正弦曲线为参考轨迹进行跟踪,结果表明:所提控制策略能使轮式移动机器人的速度与轨迹跟踪误差快速地趋于零,验证了所提预演控制算法的有效性.     

非完整深海机器人的轨迹跟踪

研究了运动学模型描述的具有非完整特性的深海移动机器人的轨迹跟踪控制,提出了一种变结构的控制算法, 通过使用后退算法和虚拟反馈参数设计了一种变结构跟踪控制器, 运用MATLAB仿真软件对变结构控制算法进行了仿真研究,通过仿真实验结果分析,验证了该算法的有效性.     

AGV建模和自适应模糊滑模跟踪控制研究

介绍了自动导引小车AGV的跟踪控制技术的研究现状;建立了AGV跟踪误差系统运动学和动力学的混合模型;针对AGV的初始位存在误差或给定轨迹不连续时,传统PID轨迹跟踪控制器会使其初始速度产生一个较大跳变的问题,将滑模变结构控制技术与自适应模糊控制技术相结合,提出了一种基于模糊滑模的AGV自适应模糊路径跟随和轨迹跟踪控制器。仿真和实验结果表明,给出的自适应模糊滑模控制器不仅有较好的轨迹跟踪控制效果,而且具有较强的鲁棒性。     

轮式移动机器人轨迹跟踪控制的参数化方法

在轮式移动机器人控制系统状态空间模型的基础上,通过分析两轮独立驱动的移动机器人的动力学方程,给出轮式移动机器人轨迹跟踪控制问题的数学描述;基于线性系统的特征结构配置和模型参考理论提出一种轮式移动机器人轨迹跟踪控制的参数化方法,设计系统的反馈镇定控制器和前馈跟踪控制器.仿真结果表明,提出的控制方案是行之有效的.     

高速无人驾驶车辆轨迹跟踪和稳定性控制

针对高速无人驾驶车辆运动控制过程中轨迹跟踪精度和稳定性难以同时保障的问题,提出综合前馈-反馈及自抗扰控制(ADRC)补偿相结合的横向控制算法. 通过车速和道路曲率信息计算前馈稳态前轮转向角,将质心侧偏角引入航向偏差,以车辆航向角偏差和侧向偏差作为参考量进行反馈控制,通过前馈-反馈控制提升瞬态轨迹跟踪性能. 设计自抗扰控制器,通过扩张状态观测器对未建模动态和内外界干扰进行估计,通过将后轮侧偏角控制在参考值附近来补偿前轮转角,提升无人驾驶车辆的转向稳定性和控制器的鲁棒性. 不同工况下的仿真结果表明,利用该方法可以保证高速无人驾驶车辆稳定地跟踪期望路径行驶,轨迹跟踪偏差较小,对车辆参数变化和外界干扰具有较强的鲁棒性.     

基于采样分布式估计器的多无人艇轨迹跟踪控制

提出了一种级联控制算法解决多无人艇(USVs)系统的分布式轨迹跟踪问题.这种控制算法可以分为两层:第一层是基于采样信息的分布式估计器,主要用于估计领航者的期望轨迹;第二层是每个无人艇的本地控制器,主要是结合滑模控制与神经网络径向基函数,在系统具有欠驱动、参数不确定性和扰动等因素的情况下,使其状态跟踪期望轨迹的本地估计值.为了求解上述跟踪控制问题,基于李雅普诺夫理论与级联系统理论,推导得到了所有无人艇位置状态收敛到期望轨迹的充分条件,并通过仿真结果验证了所提出控制方法的有效性与正确性.     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.     

量测噪声环境下反应堆功率模型预测控制研究

在核电反应堆功率闭环控制系统中,功率监测存在量测噪声的问题,应用无噪声的预测模型对反应堆的功率进行预测控制.从反应堆功率模型的状态空间出发,搭建了模型预测控制算法与目标函数,遵循模型预测控制的预测模型、滚动优化和反馈校正的三步控制方法,实现对有量测噪声的反应堆功率系统的控制.通过MATLAB仿真实验,比对了模型预测控制算法与输出反馈的PID控制方法.实验结果表明,应用于有量测噪声的反应堆功率系统的模型预测控制算法在轨迹跟踪、状态量动态变化及控制信号能量上均优于PID控制算法.     

迭代学习PMLSM跟踪控制

在具有重复运动轨迹跟踪系统中,为了抑制永磁同步直线电机系统模型的不确定性、外部扰动,提高跟踪精度,提出用前馈-反馈结构来控制PMLSM的运动过程。重复迭代学习前馈控制可以提高系统轨迹跟踪性能,而IP反馈控制对参数变化和外部扰动有很好的抑制作用,提高系统的稳定性。Matlab仿真结果验证了方法的有效性。     

一种轮式移动机器人滑模轨迹跟踪控制器设计及其参数优化方法

为实现轮式机器人轨迹跟踪控制,以双闭环控制方案为基础,在每个闭环子系统中设计滑模控制器,并将粒子群算法应用其中,优化控制器参数,达到更好的跟踪效果.通过仿真验证了所设计的控制器能够实现轨迹跟踪,并且相较于人工经验整定的参数,通过优化得到的参数使控制器的控制性能更加优越.     

Trajectory tracking control for underactuated unmanned surface vehicles with dynamic uncertainties

The trajectory tracking control problem for underactuated unmanned surface vehicles(USV) was addressed, and the control system took account of the uncertain influences induced by model perturbation, external disturbance, etc. By introducing the reference, trajectory was generated by a virtual USV, and the error equation of trajectory tracking for USV was obtained, which transformed the tracking problem of underactuated USV into the stabilization problem of the trajectory tracking error equation. A backstepping adaptive sliding mode controller was proposed based on backstepping technology and method of dynamic slide model control. By means of theoretical analysis, it is proved that the proposed controller ensures that the solutions of closed loop system have the ultimate boundedness property. Simulation results are presented to illustrate the effectiveness of the proposed controller.     

基于自适应终端滑模控制器的机械手跟踪控制

针对具有不确定性的机械手轨迹跟踪控制问题,提出一种自适应二阶终端滑模控制器设计方法。设计一类非线性不确定系统的自适应二阶终端滑模算法,使得不连续符号函数包含在控制微分项,实际控制作用连续;采用自适应律克服不确定性上界未知问题,基于Lyapunov方法证明系统稳定性;针对机械手轨迹跟踪问题,基于所提出控制方法设计机械手自适应终端滑模控制方案;通过对双关节机械手轨迹跟踪仿真研究,验证所提出控制策略的有效性。     

Multi-constrained model predictive control for autonomous ground vehicle trajectory tracking

A multi-constrained model predictive control (MPC) algorithm for trajectory tracking of an autonomous ground vehicle is proposed and tested in this paper. First, to simplify the computation, an active steering linear error model is applied in the MPC controller. Then, a control increment constraint and a relaxing factor are taken into account in the objective function to ensure the smoothness of the trajectory, using a softening constraints technique. In addition, the controller can obtain optimal control sequences which satisfy both the actual kinematic constraints and the actuator constraints. The circular trajectory tracking performance of the proposed method is compared with that of another MPC controller. To verify the trajectory tracking capabilities of the designed controller at different desired speed, the simulation experiments are carried out at the speed of 3m/s, 5m/s and 10m/s. The results demonstrate the MPC controller has a good speed adaptability.     

Implementation of MPC-Based Trajectory Tracking Considering Different Fidelity Vehicle Models

In order to investigate how model fidelity in the formulation of model predictive control(MPC) algorithm affects the path tracking performance, a bicycle model and an 8 degrees of freedom(DOF) vehicle model, as well as a 14-DOF vehicle model were employed to implement the MPC-based path tracking controller considering the constraints of input limit and output admissibility by using a lower fidelity vehicle model to control a higher fidelity vehicle model. In the MPC controller, the nonlinear vehicle model was linearized and discretized for state prediction and vehicle heading angle, lateral position and longitudinal position were chosen as objectives in the cost function. The wheel step steering and sine wave steering responses between the developed vehicle models and the Carsim model were compared for validation before implementing the model predictive path tracking control. The simulation results of trajectory tracking considering an 8-shaped curved reference path were presented and compared when the prediction model and the plant were changed. The results show that the trajectory tracking errors are small and the tracking performances of the proposed controller considering different complexity vehicle models are good in the curved road environment. Additionally, the MPC-based controller formulated with a high-fidelity model performs better than that with a low-fidelity model in the trajectory tracking.