基于模糊控制系统的机械臂自适应控制算法设计

针对现有机械臂控制算法,在轨迹控制和精度补偿方面存在的不足,设计了一种基于模糊补偿系统的自适应控制算法。先在笛卡尔空间内分析了机械臂的空间动力学运动过程,并得出机械臂运动中的最优力矩值,构建模糊控制规则并设定模糊子集;对经典模糊理论进行优化,引入可变论域思维在机械臂运动过程中,系统会实时反馈末端执行器行动轨迹,并实施动态化补偿;基于自适应算法对可变论域模糊控制器进行二次优化,修正模糊规则并校正模型的控制量参数,提升和改善整个机械臂系统的控制精度。实验结果显示,模糊补充自适应控制算法在多关节和多连杆机械臂的角度控制和位移控制精度方面有较大的优势,同时各关节和连杆的运动相应时间仅为0.27s和0.20s。     

空间机械臂地面竖直方向重力补偿控制系统设计

为解决大型空间机械臂地面微重力模拟实验问题,设计了一种3维主动悬吊式重力补偿系统.系统主要由水平2维直线运动单元与竖直重力平衡吊挂单元组成,在竖直方向上通过恒张力控制思想实现微重力模拟,并给出了带负载的伺服电机的数学模型.提出一种基于模糊PID(比例―积分―微分)参数整定的力/位混合控制方法,并研究了在未知负载干扰、系统干扰以及机械臂不同运动速度下控制器的控制性能.仿真实验结果表明,该控制方法能够将重力补偿精度保持在0.3%F.S (全量程)之内,使得系统具有较强的鲁棒性和动态响应能力.     

基于神经网络和模糊补偿的水下机械臂控制

针对水下机械臂动力学模型建模复杂且滑模控制的抖振问题,利用Lagrange法和Morison方程精准建立二连杆串联水下机械臂的动力学模型,对模型中参数的不确定项使用4个RBF神经网络分别进行逼近,并且对摩擦项使用模糊控制进行补偿的方法,精准迅速地实现了对水下机械臂控制系统跟踪控制。通过进行仿真分析,基于神经网络和模糊补偿控制的方法与滑模控制、整体RBF神经网络控制和分块RBF神经网络控制相比,控制系统的平均误差分别降低了85.5%、71.8%、93.1%。结果表明,此方法有效降低了控制系统的跟踪误差,并同时提高了稳态性和抗干扰性。     

基于卷积神经网络的机械臂抓取控制系统设计

为保证机械臂的抓取精度,保证物体抓取的稳定性,本文设计基于卷积神经网络的机械臂抓取控制系统。在系统硬件部分,加设图像、位置和压力传感器,改装机械臂抓取控制器和运动驱动器,利用图像传感器设备,获取满足质量要求的机械臂抓取目标图像,为机械臂抓取控制功能提供硬件支持。软件部分利用卷积神经网络算法提取图像特征,确定机械臂抓取目标位置。结合机械臂当前位置的检测结果,规划机械臂抓取路线,预估机械臂抓取角度与抓取力。最终通过机械臂抓取参数控制量的计算,在控制器的支持下实现系统的机械臂抓取控制功能。实验结果表明,所设计系统应用下位置控制误差和速度控制误差的平均值分别为0.192m和0.138m/s,同时物体抓取掉落概率明显降低。     

基于自适应模糊补偿的机械臂复合控制策略

针对刚性机械臂存在摩擦和扰动等不确定因素给轨迹跟踪控制带来的困难,本文基于李亚普诺夫稳定性理论,给出了一种机械臂的自适应控制方案．该方案针对机械臂的标称部分,采用计算力矩的方法设计相应的控制量,在此基础上,构造模糊系统逼近摩擦得到补偿控制量,并针对随机扰动的上界设计反馈控制率,以克服扰动带来的影响,保证系统的稳定性．仿真结果表明,该复合控制对于具有不确定性摩擦以及扰动的机械臂轨迹跟踪问题效果良好．     

基于速度观测模型的可重构机械臂补偿控制

针对可重构机械臂动力学中存在的模型参数摄动和外界扰动,本文阐述了一种基于速度观测模型的模糊RBF神经网络补偿控制算法.利用Lyapunov函数给出了网络的权值、隶属度函数中心和宽度倒数的在线更新律,并证明了所提出的观测模型及其补偿控制算法的最终一致有界性.最后以RRP(revolute-revolute-prismatic)构形的可重构机械臂为例,通过仿真研究了算法对轨迹跟踪问题的有效性,同时与基于速度观测模型的RBF神经网络补偿控制进行了仿真对比及分析,给出了神经网络和模糊神经网络在可重构机械臂轨迹控制应用中各自的优缺点.     

基于改进PID的核算机器人机械臂控制研究

针对机器人机械臂的控制研究,提出一种基于改进PID的核算控制系统进行设计,即结合BP神经网络的PID闭环运动控制系统。首先,提出了PID核算机器人机械臂整体的控制思路,其次,阐述了BP神经网络PID闭环运动控制系统的控制原理以及神经网络,然后,对机器人机械臂运动控制部分整体的框架进行设计;之后,通过仿真平台,分别对BP神经网络PID运动控制算法以及闭环运动控制系统进行测试验证,结果表明BP神经网络PID闭环运动控制系统的响应速度更快,且具有更高的稳定性;最后,分别采用两种控制系统对实验机械臂进行控制实验,对比结果表明,BP神经网络PID闭环运动控制系统对获取目标物的时间更短更迅速,且成功率高达95%。     

基于LuGre 摩擦模型的机械臂模糊神经网络控制

针对未知摩擦非线性会使机械臂控制精度难以提高的缺陷,建立基于动态LuGre摩擦的机械臂模型.在系统参数未知和机械臂负载变化的情况下,设计一种自适应模糊神经网络控制器,采用基函数中心和宽度均自适应变化的模糊神经网络补偿器,实现对系统中包括LuGre摩擦在内的非线性环节的逼近,并利用滑模控制项减小逼近误差.通过Lyapunov方法证明了闭环系统的稳定性,并通过仿真结果验证了所提出控制方法的有效性.     

基于模糊PID原理的液位控制器的设计

分析了液位水平系统具有非线性、上升时间长、滞后现象的特点，讨论了常规PID控制器在控制中的局限性。在常规PID控制器的基础上，引入了模糊逻辑，设计出了一种模糊PID控制器，对PID三个参数进行了在线整定。实验结果表明这种模糊PID控制器具有比常规PID控制器更优良的特性。     

基于MATLAB的模糊自整定PID参数控制器计算机仿真

介绍了怎样有机地将MATLAB5．X提供的SIMULINK2与FUZZYTOOLBOX有机地结合,方便有效地实现模糊自整定PID参数控制系统的设计和计算机仿真。这对于模糊自整定PID参数控制系统的设计优化和开拓MATLAB5．X在工程模糊控制领域的应用是十分有意义的。     

自适应模糊PID前馈补偿在机载挂飞摆扫转台控制中的应用

针对机载挂飞转台的摆扫速度控制问题,提出了一种利用模糊自适应PID技术进行前馈补偿的复合控制策略。首先根据实际应用提出摆扫转台的期望摆扫速度曲线,并对直流力矩电机驱动的摆扫转台进行了建模;然后根据扰动前馈补偿的控制原理,提出了模糊自适应PID前馈补偿方法,为摆扫转台的速度环设计了模糊PID控制器,并在此基础上设计了与之相适应的的自适应前馈补偿函数;最后进行了仿真结果验证。通过Matlab仿真结果表明,相对于模糊PID控制,所设计的模糊自适应PID前馈补偿控制器能有效的跟踪期望的转台摆扫速度,大幅地提高了在有稳定干扰和摆扫速度越变情况下的跟踪精度。     

并联机器人的非线性 P I D 控制

采用分散控制策略和非线性PID控制算法，实现6自由度并联机器人的商精度轨迹最踪控制。该非线性PID控制器由两个二阶非线性微分最踪器提供高质量的微分信号，并采用非线性组合形成控制作用，从而确保了高控制性能的实现。实验结果验证了非线性控制方案的有效性。     

旋翼飞行机械臂建模及动态重心补偿控制

旋翼飞行机械臂是将多关节机械臂固连在旋翼飞行平台上而组成的一种面向主动任务操作的特殊系统,其飞行平台和机械臂之间存在强耦合特性.本文针对机械臂的规划运动对飞行平台的干扰问题,建立了系统运动学和动力学模型,并通过动态计算系统重心位置坐标,设计出基于backstepping的动态重心补偿控制方法,针对补偿项测量噪声问题设计了二阶低通滤波器,并使用Lyapunov稳定性理论证明了系统的稳定性.仿真和实验均验证了在相同的参数条件下,具有动态重心补偿项的控制算法比没有重心补偿项的控制算法在轨迹跟踪和姿态稳定方面具有明显优势.     

Fuzzy sliding mode control for a robot manipulator

This work presents the design of a robust control system using a sliding mode controller that incorporates a fuzzy control scheme. The presented control law superposes a sliding mode controller and a fuzzy logic controller. A fuzzy tuning scheme is employed to improve the performance of the control system. The proposed fuzzy sliding mode control (FSMC) scheme utilizes the complementary cooperation of the traditional sliding mode control (SMC) and the fuzzy logic control (FLC). In other words, the proposed control scheme has the advantages which it can guarantee the stability in the sense of Lyapunov function theory and can ameliorate the tracking errors, compared with the FLC and SMC, respectively. Simulation results for the trajectory tracking control of a two-link robot manipulator are presented to show the feasibility and robustness of the proposed control scheme. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

模糊PID在电阻加热炉温控系统中的应用

在PID控制和Fuzzy控制的基础上,提出了一种模糊自调整PID控制,并基于Matlab对电阻加热炉温控系统进行了仿真。结果表明,模糊PID控制能使系统达到良好的控制效果。     

基于给定系统的模糊PID控制

在借鉴传统PID控制应用于单片机的方法的基础上,引进了模糊规则的调用方式。根据偏差绝对值和偏差变化绝对值的改变,调节PID参数,最后进行Matlab仿真。经过对没有加入PID控制、加入传统PID控制与加入模糊PID动态性能的差异比较,验证被控系统的动态性能得到明显的改善。     

机械手臂基于神经网络动态补偿的自适应控制

研究了模型具有不确定性的机械手臂的跟踪控制问题.由于模型不确定性的存在,基于精确模型设计的控制律很难达到理想的控制效果.针对这种情况,在基于标称模型设计的控制律的基础上,采用神经网络来补偿模型的不确定性,由于神经网络存在逼近误差,因此在控制器设计时,引入了H_∞ 鲁棒项,使得网络逼近误差达到指定的削弱水平并且跟踪误差渐近收敛到零,仿真结果表明了该方法的有效性.     

模糊自整定PID在电机调速系统中仿真研究

针对传统直流双闭环调速,不能有效克服非线性因素,不能满足对高精度、高性能等场合的要求。本文提出直流电机调速控制系统采用模糊自整定PID控制策略,从而实现PID参数实时整定,并介绍了控制器的整个设计过程。根据一个实际电机参数模型在Matlab/Simulink中搭建仿真模型,仿真结果表明模糊自整定PID的控制器比传统PID更具有好的控制精度和鲁棒性,并提高了电机动、静态性能。仿真结果与理论研究相符,验证了方案设计的合理性,实现了被控对象的最佳控制。     

在线自调整模糊-PID控制器的设计

提出一种带修正因子的在线自调整模糊－ＰＩＤ控制器的设计,即将模糊控制器与ＰＩＤ控制器考虑一个系统中,通过在线调整协调因子改变上述两个控制器输出的权重,同时在模糊控制器环节采用修正因子对其输出在线调整。仿真证明,该方法具有算法简单、控制器质较好等优点。