可重构机械臂构型自适应模糊滑模控制

针对可重构机械臂存在构型自适应及不确定性补偿等问题,提出了基于模糊逻辑的自适应增益滑模控制方法。首先设计了滑模控制器补偿动力学系统的模型不确定项及外部扰动项;其次考虑到恒定增益降低抖振的局限性,设计了模糊控制器自适应调整滑模增益;基于李雅普诺夫方法对所提出的构型自适应控制律的稳定性进行了证明;最后以可重构机械臂RPR和RRPR两种典型构型为例,分别进行恒定增益滑模控制和模糊自适应增益滑模控制对比研究,结果表明所提方法不仅能适应机械臂构型的改变,而且能有效补偿系统的不确定性及降低系统的抖振。此外,在其它控制参数不变的条件下,通过对构型自适应参数P的多组数据仿真分析,验证了优化区间内的构型自适应参数P值能进一步提高系统控制性能。

可重构机械臂构型自适应控制研究

针对可重构机械臂系统存在的不确定性及不同构型下的轨迹跟踪问题,提出了径向基函数(Radial Basis Function,RBF)神经网络鲁棒自适应补偿控制算法。设计了RBF神经网络补偿控制器自适应逼近补偿系统存在的未知项;为减小控制器逼近误差及适应构型变化时的鲁棒性,在控制律中引入了鲁棒项;基于李雅普诺夫(Lyapunov)稳定性理论设计了构型自适应调节律和鲁棒项并证明了闭环控制系统的稳定性。最后,以两种典型的可重构机械臂构型进行研究,结果表明所提算法能够适应系统构型的改变,同时有效地补偿系统存在的不确定性。