基于T-S模糊补偿的六轴机械臂的滑模鲁棒控制

通过一种简单的模糊滑模控制以达到机械臂跟踪的最佳运动轨迹.所提方法的核心是通过线性化反馈方法,将机械臂动力学的已知部分去除,然后用经典的滑模控制克服系统的不确定性,之后应用T-S模糊模型,将经典的滑模控制器转化为规则十分简单的模糊滑模控制器.仿真分析表明,在不确定性存在的情况下,所提出的控制律全局渐近稳定.最后,通过六轴机械臂的Matlab/Adams联合仿真,验证了模型的准确性,并且通过与经典滑模控制比较得出了在结构化和非结构化的不确定性存在条件下该控制方案的优越性.     

基于RBF的TCP网络自适应滑模控制

针对TCP网络的拥塞控制问题,提出了一种基于RBF神经网络的自适应滑模控制算法.为了简化滑模控制器的设计,将系统的各个不确定参数和非线性补偿整合成一个总的不确定.考虑到网络系统的不确定性上界很难获得,使用RBF神经网络对系统不确定的上界进行自适应学习.将RBF神经网络的输出作为不确定上界的补偿,从而消除了系统的不确定带...     

基于动力学模型分块逼近的水下机械臂RBF滑模控制算法研究

本文利用切片理论与Morison方程计算了双关节水下机械臂在水中运动时受到的附加质量力、水阻力和水体流动对机械臂产生的冲击力,在传统机械臂动力学模型的基础上建立了完整的双关节水下机械臂动力学模型.基于推导的水下机械臂动力学模型提出了一种RBF滑模控制策略,采用多个RBF神经网络对水下机械臂动力学模型中的不确定项进行分块...     

六自由度机械臂无模型自适应滑模控制

针对强耦合、非线性的六自由度机械臂系统难以建立精确数学模型的问题,提出了一种无模型自适应滑模控制方案。以无模型自适应方法与滑模变结构控制相结合,利用全格式动态线性化方法,将机械臂非线性模型转换为离散的动态线性时变模型,采用各关节的输入力矩和输出角速度来设计控制器,并引入滑模控制保证其收敛性。通过六自由度机械臂的Sim Mechanics模型进行了仿真实验,结果表明,相比于现有的无模型自适应方案,即使在没有建立六自由度机械臂精确数学模型的情况下,所设计的控制方案能实现各关节对理想速度更加迅速的响应和更加精准的跟踪,从而验证了所提出的无模型自适应滑模控制方案的可行性和有效性。     

基于非线性动力学模型补偿的水下机械臂自适应滑模控制

为满足特大型水利水电工程中的大直径超长距离引水隧洞定期检测的重大需求,智能化水下机器人系统成为当前的研究热点。为提高水下机械臂建模的准确性与控制能力的精准性,该文首先提出一种融合Newton-Euler方程、 Morison方程与非线性摩擦力的水下机械臂动力学模型建模及参数辨识方法,并在补偿已辨识模型的基础上,设计了一种利用径向基函数(radial basis function, RBF)神经网络补偿系统未建模与建模误差的自适应滑模控制方法。通过仿真,该文证明了该方法比传统比例积分微分(proportional integral differential, PID)控制和一般RBF网络自适应滑模控制具有更高的控制精度。     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

PMSM伺服系统的RBF网络自适应滑模控制

针对位置伺服系统的非线性、外干扰及参数摄动的不确定性,通过引入RBF神经网络对未知干扰和不确定性进行自学习,提高伺服系统的鲁棒性.为了分析伺服系统的不确定性,将系统模型划分为名义模型和不确定模型两部分.其中,名义模型采用状态反馈方法进行控制,不确定部分采用RBF网络作为滑模动态补偿器进行控制,解决了伺服系统不确定性上界难以测量的问题,降低了抖振.仿真结果验证了该设计方案的有效性.     

基于动态滑模控制的移动机械臂输出跟踪控制

为实现移动机械臂的输出跟踪控制,设计了一种动态滑模控制器．文中首先给出了包括驱动电机动态特性的移动机械臂简化动态模型,然后通过微分同胚和非线性输入变换将系统分解为4个低阶子系统,并给出了用于移动机械臂输出跟踪的动态滑模控制器的设计方法．仿真结果表明,所设计的动态滑模控制器不仅能很好地跟踪给定轨迹,而且能有效地削弱滑模控制系统的抖振．     

采用非线性干扰观测器的机械臂补偿型滑模控制

针对机械臂系统中存在的内外复合不确定性干扰问题,提出一种非线性干扰观测器补偿型滑模控制策略.在非线性干扰观测器设计过程中,引入辅助函数,避免加速度反馈测量项;同时实现对复合不确定性干扰的准确估计,用以补偿系统的控制输入,克服系统的"抖振"现象.在滑模控制策略方面,基于传统方法对惯性矩阵项进行调整的基础上,引入跟踪误差对模型离心力和哥氏力项进行调整,提高系统鲁棒性和稳定性.结果表明:两者结合能够最大限度地降低系统不确定性及外界干扰对机械臂控制性能的影响,在抑制抖振的同时增强系统的鲁棒性,提高轨迹跟踪精度.     

多机械臂系统无模型自适应神经网络同步控制

针对模型未知的多机械臂系统,利用多个独立的RBF神经网络,对每个子机械臂系统进行逼近,基于图论原理定义了每个子系统之间的同步耦合关系,结合滑模控制方法设计出一种机械臂无模型自适应同步控制器。通过神经网络权值的不断在线迭代过程,随机械臂工作任务的变化可以实现对其动力学模型的实时逼近,摆脱了数学模型的限制,扩大了控制器的应用范围,在初始误差较大的情况下也可以保证对期望轨迹实现快速跟踪,并且系统在载荷发生改变等不确定的情况下依然能够实现同步,提高了控制器的鲁棒性。最后通过Lyapunov稳定性分析和Matlab仿真对所设计的同步控制器进行了验证。     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.     

SCARA型机械臂的智能神经网络控制研究

在传统机械臂动态控制基础上,将RBF神经网络与模糊逻辑控制相结合,提出一种新的智能控制方法——RBF模糊神经网络控制方法。该方法使用两个子网络分别对关节1和关节2实施控制,最后通过协调级网络来消除和减小两个关节之间的耦合作用。以仿真实验结果说明该网络结构简单明确,计算更加有效,并通过适时地修正网络参数,在线调整了模糊隶属函数的中心值和宽度,所设计的控制器能快速、稳定地跟踪到期望轨迹。     

基于模糊RBF神经网络整定的航空发动机多变量解耦控制

为解决航空发动机控制变量之间的强耦合性,构造了基于模糊RBF神经网络整定的航空发动机多变量解耦控制系统.设计了基于模糊RBF神经网络的多变量解耦控制器,在线调整PID控制器的参数并根据Delta学习规则对网络权值进行修正以达到最佳控制;针对某型航空发动机含未建模动态和噪声等随机干扰的非线性模型进行了多变量解耦控制系统仿真.结果表明:系统具有满意的动态性能和解耦特性,该方法不需要知道发动机的精确数学模型,对航空发动机的非线性和不确定性具有较强的自适应能力.     

基于操作空间的机械臂自适应模糊鲁棒控制

为提高动力学模型不确定的机械臂系统的跟踪精度, 提出了一种基于操作空间的自适应模糊的鲁棒轨迹跟踪控制方法。考虑存在未知的外部扰动和其他未建模动态, 引入GL(General Linear)矩阵及其乘法算子,利用模糊系统逼近任意非线性函数的能力对机械臂动力学进行前馈补偿, 通过鲁棒控制项抑制建模误差和有界扰动。该方法无需求解机械臂在操作空间的动力学模型。根据Lyapunov 稳定性理论证明了系统的稳定性,并通过仿真实验验证了所设计控制器能达到较好的轨迹跟踪效果。     

基于RBF网络的机械手迭代学习控制器

针对迭代学习控制用于机械手轨迹跟踪时存在的收敛速度慢的问题,提出了一种基于RBF网络的迭代学习控制器,利用先前跟踪不同期望轨迹所得的经验构造新的初始控制量以加快收敛速度.将给定的期望跟踪轨迹分解成多个查询点,然后用RBF网络对每个查询点周围最邻近的k个数据点进行拟合以建立系统的逆动力学特性估计,进而预测相应于查询点的初始控制输入.为验证所提方法的有效性,对一平面双连杆机械手进行了仿真研究.     

RBF网络干扰补偿的跷跷板系统解耦滑模控制研究

针对典型的不稳定、高阶次、多变量、强耦合、非线性的跷跷板系统,考虑环境对跷跷板的作用,提出了一种RBF网络干扰补偿解耦滑模控制(RBF-SMC)算法.通过解耦算法对模型进行解耦,并使用RBF神经网络对模型受到的干扰和不确定项自适应逼近补偿,使系统在较小的切换增益下实现较大干扰下的跷跷板平衡控制.在Matlab和Matl...     

输电线路带电作业机器人机械手RBF神经网络控制

针对完全依靠人工带电拧紧高压输电线路耐张跳线引流板螺栓作业效率低、劳动强度大、高空高压危险设计了一种双臂、双机械手的螺栓紧固带电作业机器人.在整个作业过程中着重对螺栓拧紧的关键问题进行了理论分析,建立了螺栓拧紧过程控制的RBF神经网络模型.将机器人的螺栓拧紧过程抽象为神经网络的非线性逼近控制问题,提出了基于RBF神经网络的机器人螺栓拧紧状态监测控制方法.最后带电作业试验结果显示经过该控制方法机器人拧紧的螺栓联接可靠性增强,验证了所提出方法具有较强的工程实用性,同时进一步提高了作业效率、作业安全性及作业可操作性.     

基于模糊RBF神经元网络的冷连轧板形板厚多变量控制

针对板带材轧制是一个复杂的非线性过程,板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点,提出了一种基于模糊RBF神经元网络的冷连轧板形板厚多变量综合控制系统.仿真结果证明了此AFC-AGC控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制.     

基于RBF神经网络模型的单力臂机器人控制

针对单力臂机械手的控制,提出了一种基于RBF神经网络模型的控制方法;RBF神经网络即径向基函数,它本身是具有单隐层的三层前馈网络,从输入空间到输出空间的映射呈现非线性,但是从隐含层空间到输出空间的映射却呈现线性,又由于RBF网络它采用高斯基函数作为作用函数,它的输出与部分调参数有关,在输入空间的有限范围内不为零,是一种...     

磁控开关型故障限流器RBF神经网络自适应偏置电流控制

基于新型磁控开关型故障限流器偏置电流控制系统复杂的非线性时变特性,提出一种基于径向基函数神经网络的限流器偏置电流自适应控制系统,采用2个RBF神经网络来分别构成自适应控制网络和辨识网络,实现了偏置电流的实时控制.试验证明,利用该偏置电流控制系统,限流器的响应速度和限流效果可以得到保证.