多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型。采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器。搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统。在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比。实验结果验证了本文所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

基于滑模控制的室内移动机器人路径跟踪

为解决室内环境下移动机器人的路径跟踪问题,建立了移动机器人的数学模型,并构造一种新型滑模控制趋近律。采用该趋近律设计滑模控制律,并利用李雅普诺夫定理证明了系统稳定性。采用所设计的滑模控制器对室内移动机器人进行路径跟踪实验,仿真结果验证了该方法的有效性。     

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰。文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制。该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小。仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气（如雨天和暴雨天）中。     

RBFNN结合自适应边界的机器人手臂轨迹跟踪控制系统设计

针对机器人手臂动态模型中存在动态不确定性问题,提出一种结合径向基函数神经网络(RBFNN)和自适应边界控制的机械臂轨迹跟踪方法。利用RBF神经网络在线学习系统中现有的结构化和非结构化不确定性,近似补偿未知动态部分;利用自适应边界来估计非结构化不确定性上的未知边界和神经网络重建误差;通过加权矩阵产生的李雅普诺夫函数证明了该系统具有渐进稳定性。利用三自由度机械臂进行实验,结果表明,相比其他几种较为先进的控制器,本文设计的控制器具有最优的控制精度。     

嗓音多频带非线性分析的声带病变识别

提出了一种嗓音多频带非线性分析的声带病变识别方法,以提高声带病变嗓音的识别率。首先采用Gammatone听觉滤波器组对嗓音信号进行滤波,求取每个频带下的最大李雅普诺夫指数;对映射到核空间的数据采用高斯最大似然度准则优化核函数,然后采用优化核主成分分析算法实现特征抽取。识别实验表明,多频带最大李雅普诺夫指数的识别率比传统的MFCC和最大李雅普诺夫指数分别有6.52%和8.45%的提高,且采用优化核主成分分析算法比传统核主成分分析算法有更好的抽取效果.将多频带非线性分析和优化核主成分分析算法结合,识别率提升至97.82%。      

小型履带式移动机器人控制系统设计

针对小型履带式移动机器人,设计了遥控与自主返航模式相结合的控制体系结构,并对机器人自主定位及路径跟踪技术进行重点介绍;信号正常的情况下,机器人在遥控模式下工作,信号中断后,启动自主返航模式,机器人根据路径规划的轨迹行驶到目标点;自主返航模式下,采用传感器信息融合技术提高了机器人定位精度,基于已有路径进行点跟踪控制,设计机器人跟踪控制律;基于履带式移动机器人平台及所述控制系统,对任意给定路径进行跟踪实验;结果表明,机器人可沿给定路径到达终点,且行驶轨迹光滑,验证了定位方法的精度以及跟踪控制律的有效性。该控制系统设计简单,可移植性高,可广泛应用于地面移动机器人领域。     

一种最大李雅普诺夫指数估计的稳健算法

最大李雅普诺夫指数是诊断和描述动态系统混沌的重要参数.在深入研究相空间重构技术和轨道跟踪法的基础上,提出了一种从标量混沌时间序列中估计最大李雅普诺夫指数的新算法.该算法能够克服现有算法的不足,主要有以下三个优点:1)很高的精度;2)几乎不受噪声的影响;3)所需的计算时间和存贮空间小, 能进行在线计算.     

一种改进型动态矩阵控制在水箱液位系统中的应用

针对三容水箱液位控制的多变量、强耦合、非线性、难以建立精确数学模型等特点,提出了在一种在状态空间方程形式下的多变量动态矩阵控制（Dynamic Matrix Control, DMC）和分数阶PID (FOPID)控制相结合的新型模型预测控算法（MFOPID-DMC）,以改善控制品质。用李雅普诺夫第二方法证明该算法的稳定性。将该算法应用在三容水箱液位控制系统,并与FOPID和DMC控制效果进行对比。仿真结果表明,该算法克服了FOPID超调大和DMC动态响应慢的不足,是一种鲁棒性较强、控制精度高的控制策略,较好的解决了三容水箱液位控制系统的耦合性、难以建立数学模型等问题。     

光学二次谐波浑沌控制

用变量延时反馈控制法对光学二次谐波系统的浑沌进行了有效的控制.通过对系统的最大李雅普诺夫指数分析,给出了确定可控参数区的方法.证明适当的延时量和反馈强度可以使浑沌得到稳定的控制,被控制系统的轨道是初始系统浑沌吸引子中的不稳定周期轨道.     

一种最大李雅普诺夫指数估计的稳健算法

最大李雅普诺夫指数是诊断和描述动态系统混沌的重要参数.在深入研究相空间重构技术和轨道跟踪法的基础上,提出了一种从标量混沌时间序列中估计最大李雅普诺夫指数的新算法.该算法能够克服现有算法的不足,主要有以下三个优点:1)很高的精度 2)几乎不受噪声的影响 3)所需的计算时间和存贮空间小,能进行在线计算 关键词：     

SCARA机器人的模糊自适应滑模控制

为了提高SCARA机器人的轨迹跟踪控制性能,提出一种双模糊自适应滑模控制。采用一自适应模糊控制器,根据滑模到达条件对滑模切换增益进行估算,消除滑模控制中输出力矩的抖振现象,增强其对不确定性因素的适应能力。采用另一自适应模糊控制器对指数趋近律系数进行修正,改善由于大范围初始位姿产生的偏差而引起的大力矩和速度跳变问题。基于Lyapunov方法进行了稳定性证明,保证控制系统的稳定性与收敛性。仿真实验结果表明,该方法应用于SCARA机器人,跟踪效果良好并产生了平滑的力矩输出和速度输出。     

考虑柔性关节的机械臂自适应运动控制策略研究

具有柔性关节的轻型机械臂因其自重轻、响应迅速、操作灵活等优点,取得了广泛应用。针对具有柔性关节的机械臂系统的关节空间轨迹跟踪控制系统动力学参数不精确的问题,提出一种结合滑膜变结构设计的自适应控制器算法。通过自适应控制的思想对系统动力学参数进行在线辨识,并采用Lyapunov方法证明了闭环系统的稳定性。仿真结果表明,该控制策略保证了机械臂系统对期望轨迹的快速跟踪,具有良好的跟踪精度,系统具有稳定性。     

Trajectory Planning of Robot Manipulator Based on RBF Neural Network

Robot manipulator trajectory planning is one of the core robot technologies, and the design of controllers can improve the trajectory accuracy of manipulators. However, most of the controllers designed at this stage have not been able to effectively solve the nonlinearity and uncertainty problems of the high degree of freedom manipulators. In order to overcome these problems and improve the trajectory performance of the high degree of freedom manipulators, a manipulator trajectory planning method based on a radial basis function (RBF) neural network is proposed in this work. Firstly, a 6-DOF robot experimental platform was designed and built. Secondly, the overall manipulator trajectory planning framework was designed, which included manipulator kinematics and dynamics and a quintic polynomial interpolation algorithm. Then, an adaptive robust controller based on an RBF neural network was designed to deal with the nonlinearity and uncertainty problems, and Lyapunov theory was used to ensure the stability of the manipulator control system and the convergence of the tracking error. Finally, to test the method, a simulation and experiment were carried out. The simulation results showed that the proposed method improved the response and tracking performance to a certain extent, reduced the adjustment time and chattering, and ensured the smooth operation of the manipulator in the course of trajectory planning. The experimental results verified the effectiveness and feasibility of the method proposed in this paper.     

Control of Unknown Chaotic Systems Based on Neural Predictive Control

We introduce the predictive control into the control of chaotic system and propose a neural networkcontrol algorithm based on predictive control. The proposed control system stabilizes the chaotic motion in an unknownchaotic system onto the desired target trajectory. The proposed algorithm is simple and its convergence speed is muchhigher than existing similar algorithms. The control system can control hyperchaos. We analyze the stability of thecontrol system and prove the convergence property of the neural controller. The theoretic derivation and simulationsdemonstrate the effectiveness of the algorithm.     

Control of Unknown Chaotic Systems Based on Neural Predictive Control

We introduce the predictive control into the control of chaotic system and propose a neural network control algorithm based on predictive control. The proposed control system stabilizes the chaotic motion in an unknown chaotic system onto the desired target trajectory. The proposed algorithm is simple and its convergence speed is much higher than existing similar algorithms. The control system can control hyperchaos. We analyze the stability of the control system and prove the convergence property of the neural controller. The theoretic derivation and simulations demonstrate the effectiveness of the algorithm.     

混沌系统自适应追踪控制新方法

提出一种混沌系统自适应追踪控制任意参考信号的新方法.该方法是通过预先设计出补偿控制器将混沌系统状态变量对参考信号的追踪控制问题转化为同结构混沌系统状态变量的自适应同步问题,再通过设计出自适应控制器,使同结构混沌系统全局渐近达到同步,追踪控制器为补偿控制器和自适应控制器的代数和.基于Lyapunov稳定性原理,理论上严格证明了利用本方法所设计追踪控制器的正确性.最后,以超混沌Chen系统为控制对象,利用本方法设计出追踪控制器完成了对不动点,正、余弦信号,同结构混沌系统状态变量,异结构混沌系统状态变量的追踪控 关键词： 自适应追踪控制 补偿控制器 自适应控制器 追踪控制器     

无人船安全目标追踪与自动避障算法

设计了无人船安全目标追踪算法和双回路追踪以及自动避障控制策略,内回路是控制无人船安全目标追踪并与目标保持一定安全距离,通过Lyapunov函数证明了该控制算法的渐近稳定性。外回路是无人船在安全距离内发现障碍,将目标点虚拟化,运用模糊控制原理,实现自动避障。优化传统的Dijkstra算法,设计了无人船实时最短路径算法。仿真结果表明,提出的综合算法能够实现无人船以合理速度通过最短距离,兼顾了时间效率,并能顺利避障。     

基于补偿控制的无人地面车辆轨迹跟踪方法

针对无人地面车辆轨迹跟踪精度不高,鲁棒性差的问题,提出了一种基于补偿控制的算法。该算法分为运动学和动力学两部分：基于方向角调整策略的运动学控制律能确保无人地面车辆有效跟踪参考轨迹;基于PD与模型参考模糊滑模自适应控制相结合控制的动力学控制律能有效补偿建模不精确和外界扰动带来的影响。仿真结果表明：该算法能够有效跟踪参考轨迹,控制量分配合理且鲁棒性较好。     

基于大数据分析的移动对象轨迹预测方法

对移动对象的轨迹预测将在移动目标跟踪识别中具有较好的应用价值。移动对象轨迹预测的基础是移动目标运动参量的采集和估计,移动目标的运动参量信息特征规模较大,传统的单分量时间序列分析方法难以实现准确的参量估计和轨迹预测。提出一种基于大数据多传感信息融合跟踪的移动对象轨迹预测算法。首先进行移动目标对象进行轨迹跟踪的控制对象描述和约束参量分析,对轨迹预测的大规模运动参量信息进行信息融合和自正整定性控制,通过大数据分析方法实现对移动对象运动参量的准确估计和检测,由此指导移动对象轨迹的准确预测,提高预测精度。仿真结果表明,采用该算法进行移动对象的运动参量估计和轨迹预测的精度较高,自适应性能较强,稳健性较好,相关的指标性能优于传统方法。