一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

一种带负载工业机器人动力学模型辨识方法

针对带负载工况下六自由度关节型工业机器人动力学模型的辨识问题，提出了一种带负载机器动力学模型的参数辨识方法。在获 得机器人本体动力学模型的前提下，用Newton Euler法建立负载动力学模型进行补偿，设计激励轨迹获取负载贡献的力矩，然后用加权最小二乘法辨识出负载模型中未知参数。最后对得到的带负载完整机器人动力学模型进行验证与分析，结果表明通过辨识得到的预测力矩与测量力矩有较好的跟随性，所提出的辨识方法具有一定的工程参考价值。     

带滑移铰空间机械臂惯性轨迹跟踪的反馈控制

利用多体动力学方法对浮动基带滑移铰车间机械臂的运动学，动力学作了分析，首先，根据系统结构几何关系并结合系统对总质心的动量矩守恒关系，导出其末端抓手动速度与关节铰速度之间的广义Ｊａｃｏｂｉａｎ关系，然后，利用系统动力学方程及运动的广义Ｊａｃｏｉａｎ关系，研究了载体位置，姿态不受控情况下，共末端抓手跟踪惯性空间期望轨迹的反馈控制规律。研究结果表明，在系统动力学参数及动力学模型精确确定，跟踪误差及需要的     

无人机栖落机动的一种离线鲁棒预测控制算法

针对固定翼无人机栖落机动过程的纵向运动,研究了一种在线计算量小的栖落机动鲁棒预测控制方法。首先将飞行器栖落机动动力学模型沿参考轨迹建立分段线性切换系统模型。考虑外部风扰动,进一步建立张量积模型。然后,利用渐近稳定的椭圆不变集的概念,采用"离线设计、在线综合"的方法设计了在线计算量较小的栖落轨迹跟踪控制律;结合鲁棒预测控制和切换系统全局稳定分析方法分析了系统稳定性。最后,对外部风扰动下的固定翼无人机栖落机动过程进行了仿真。仿真结果表明所设计的跟踪控制器在线计算量小并具有良好的控制效果。     

采用ABC算法的关节机器人动力学参数辨识

实验辨识机器人动力学参数是获取基于模型的控制器参数的主要方式。针对一般方法仅能辨识线性动力学模型从而辨识精度不高的问题,提出采用人工蜂群(Artificial bee colony,ABC)算法辨识机器人动力学模型。通过Newton-Euler法建立关节型机器人的刚体动力学模型,并用低速动态特性更佳的非线性摩擦模型描述关节间摩擦特性,代替传统的库仑-黏性摩擦模型。优化辨识实验所用的激励轨迹,采集实验数据进行必要的预处理后,采用ABC算法辨识机器人动力学参数。结果表明,ABC算法能够精确辨识动力学参数,基于辨识结果的预测力矩抑制了误差峰值的出现。应用辨识结果设计基于模型的前馈控制器,实验结果表明基于模型的控制器能够提高轨迹跟踪精度。     

基于未知状态估计器和改进跟踪微分器的柔性关节预设性能反演控制（英文）

为解决由模型不确定性和外部未知干扰导致的柔性关节系统控制偏差问题，提出一种基于未知状态估计器和跟踪微分器的预设性能反演控制方法。设计一种基于低通滤波器的未知状态估计器，该估计器仅依赖于模型的名义值即可估计集总扰动。构造了一种新的有限时间收敛预设性能函数，并基于该函数设计反演控制器，用于在保证闭环系统所有信号有界的情况下，使关节跟踪误差在约定时间内收敛到预定的任意小区域。为避免反演控制器的微分爆炸问题，设计基于改进Sigmoid函数的跟踪微分器来估计虚拟控制律的微分信号。仿真结果表明，在未建模动态和外部未知干扰的影响下，所提方法能够保证关节跟踪误差在有限时间内收敛到任意给定范围，有效提高了柔性关节的瞬态和稳态性能。     

失效卫星捕获的实时规划控制方法

针对高轨失效卫星维修、离轨等航天任务,借鉴自然界生物的运动控制策略,利用计算仿真完成各种工况下的失效卫星接近轨迹规划,然后设计深度神经网络学习轨迹得到的最优轨迹,提高了对各种卫星失效飞行情况下的接近轨迹实时规划和跟踪控制。在失效卫星姿态运动发生突变时,通过分段重规划,仍能保证快速重规划出期望轨迹,保证对失效卫星的成功捕获。仿真结果表明,设计的实时规划控制方法可以有效控制服务星对失效卫星进行接近捕获。     

基于模糊小波神经网络的四旋翼飞行器鲁棒自适应控制

针对四旋翼飞行器的飞行控制问题,提出了一种基于模糊小波神经网络的鲁棒自适应滑模控制方法。首先利用牛顿-欧拉方程得到四旋翼飞行器的动力学模型,然后用模糊小波神经网络在线逼近系统中的外部扰动和未建模不确定动力学特性,最后提出鲁棒自适应滑模控制算法,通过Lyapunov稳定性理论证明了整个飞行控制系统的稳定性。仿真和实验结果验证了所提出控制方法对外界干扰和模型的不确定性具有较好的鲁棒性和自适应性。     

遥操作机器人神经网络Smith预估控制(英文)

针对遥操作机器人通讯通道中存在的时延 ,提出了一种神经网络 Smith预估控制方法。控制系统适合于时延不变但未知的情况。控制系统包括主控制器和从系统两部分。从系统采用动态神经网络辨识机器人的动态模型 ,神经网络权重在线学习 ,用神经网络的输出对非线性系统进行局部非线性补偿 ,将非线性系统线性化。主系统针对线性化的从系统 ,采用 Smith预估控制解决时延问题并保证系统的性能品质。通过李雅普诺夫稳定理论保证了时延控制系统的稳定性。对两关节机器人的仿真结果说明了该方法的有效性。     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度，即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出，并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

多机械手混合位置/力协调学习控制的研究(英文)

研究了多机械手抓持一刚性物体的协调控制。考虑多机械手系统的动态模型不确定性,导出了物体位置的误差方程和内力的误差方程,给出了多机械手的混合位置/力协调学习控制策略,并对学习控制的收敛性进行了讨论。文中提出的控制策略在每次迭代学习后,通过修正系统的控制输入来改善系统的性能。最后,通过两个平面机械手抓持一物体的仿真实验证明了该方法的有效性     

VARIABLE STRUCTURE MODEL－FOLLOWING ADAPTIVE CONTROL DESIGN FOR ROBOT MANIPULATORS

ＶＡＲＩＡＢＬＥＳＴＲＵＣＴＵＲＥＭＯＤＥＬ－ＦＯＬＬＯＷＩＮＧＡＤＡＰＴＩＶＥＣＯＮＴＲＯＬＤＥＳＩＧＮＦＯＲＲＯＢＯＴＭＡＮＩＰＵＬＡＴＯＲＳＺｈａｏＤｏｎｇｂｉａｏ；ＺｈｕＪｉａｎｙｉｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎ...     

基于鲁棒自适应控制策略的混合型步进电机低速伺服控制性能

针对混合型步进电机低速运行状态下脉动转矩较大的特点,应用鲁棒自适应控制策略来设计其低速伺服控制器,以实现高精度的跟踪控制性能.首先,根据混合型步进电机转矩形成的机理,揭示了其固有的脉动转矩对低速运动控制产生不利影响的动力学特征,并将它归结为两种结构不确定性,便于控制器的设计;其次,采取标准的自适应控制及其鲁棒化设计思想,借助于μ-修整策略来实现相应的控制律,确保脉动转矩的最大化补偿及伺服系统低速跟踪控制满足高性能的要求;最后对所建立的低速跟踪控制系统的性能进行了试验评估,并与作者前期的工作进行了比较,试验结果验证了其有效性与可行性.     

基于奇异摄动与神经网络的柔性臂控制

运用拉格朗日法建立了臂杆柔性的机械臂的动力学方程。为解决柔性臂末端位置的跟踪及克服柔性臂在运动中的振动问题。运用奇异摄动法将系统分解成快、慢两个子系统，设计混合控制器。通过设计神经网络控制器线性化慢系统。使其轨迹跟踪期望值。用线性状态反馈配置极点稳定快系统，抑制振动。一个单杆柔性机械臂的仿真算例表明，本文的控制方法保证了柔性臂刚性运动的精确跟踪，同时消除了弹性振动，避免了零动力学不稳定问题。     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

常用平面五杆机构计算机辅助运动分析数学模型的研究

对于平面五杆双自由度机构，通过对其输入及输出构件进行不同配置，提出了平面铰链五杆机构和单滑块五杆机的常用类型及其尺度约束，建立了机构杆组运动分析数学模型，并据此编制了机构运动分析软件，由实例看出，该数学模型可有效地应用于常用平面五杆机构的运动分析和计算。     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。