双摆桥式起重机抗扰防摆跟踪控制

针对双摆桥式起重机系统的控制问题提出了一种自适应鲁棒防摆跟踪控制方法。在起重机本身存在着参数不确定性以及复杂的难建模动态的情况下,该方法可对这些未知的干扰因素进行在线估计,并实现有效的防摆与良好的轨迹跟踪。所提方法在L_(1)自适应控制框架下对具有欠驱动特性的双摆桥式起重机系统展开分析,构造了辅助变量将系统模型进行等效变换,并在该模型中引入集总干扰项以处理未建模动态(模型误差)的影响。结合观测器、滤波器、与更新律的设计,所提方法能够在理论上保证跟踪误差有界可调节,即可通过增大调节因子减小跟踪误差。一系列仿真与硬件试验结果验证了所提方法的有效性。

一种双摆效应桥式起重机光滑鲁棒控制方法

在现代工业领域,起重机被广泛用于大体积负载的运输工作。在许多实际应用场景中,由于吊钩的质量无法忽略不计,整个起重机系统往往呈现出复杂的双摆效应,这一特性增强了起重机系统的复杂性、非线性与欠驱动特性。因此,针对具有双摆效应的起重机系统,提出了一种新型的鲁棒控制策略,实现了台车的精确定位,并有效地消除了负载与吊钩的两级摆动。具体而言,首先对原系统模型进行近似线性化处理,得到了可以准确描述双摆起重机特性的近似化模型。在此基础上,提出了一种基于超螺旋的光滑鲁棒控制算法,并通过严格的理论分析证明了闭环系统的稳定性。将所提方法应用于双摆起重机硬件实验平台,实验结果验证了所提控制器的优良性能。

采用扰动估计的气动人工肌肉系统非线性控制

气动人工肌肉系统凭借其材质轻便、输出力大及柔顺性好等优势,其运动控制研究近年来逐渐成为热点问题.然而,气动人工肌肉(PAM)系统所固有的特性(如迟滞、蠕变、非线性时变等),为其控制方法设计与实现带来了挑战.考虑到实际工作过程中,系统往往遭受未知干扰的影响,本文针对气动人工肌肉系统,提出了一种基于干扰估计的非线性控制策略,可在系统存在持续不确定干扰的情况下,在线进行扰动抑制,实现精确的跟踪控制.具体而言,本文先通过模型变换,将系统不确定性、未建模动态、外部扰动等处理成集总扰动的形式.随后,结合自适应更新律及正则化最小二乘算法,在线估计未知系统参数及扰动;在精确扰动代数估计的基础上,通过所提基于干扰估计的非线性控制器,消除未知扰动对系统造成的影响,并确保跟踪误差收敛至零.此外,经稳定性分析证明了跟踪误差的渐近收敛性.最后,通过硬件实验验证了本文方法的有效性及鲁棒性.

深海起重机系统的实时轨迹规划方法

近年来,随着海洋资源的不断开发与海洋工程的全球化推进,深海起重机得到了广泛应用,其控制问题也引起研究人员的极大关注.在深海作业环境中,由于吊运过程受到水流作用力的影响,负载摆动幅度增大,系统状态量间非线性耦合关系增强,使系统控制难度加大.为此,本文针对深海起重机系统提出了一种实时轨迹规划方法.具体而言,通过分析系统动力学特性和状态变量之间复杂的耦合关系,提出了一种实时规划轨迹的方法,并从理论上证明了该方法可在使台车准确快速到达指定位置的同时,有效抑制负载摆动.最后,一系列仿真结果证明了所提方法的良好性能.

2005年德国机械制造业营业额有望突破1500亿欧元

2004年，德国机械制造业产销比2003年增长5％，达1360亿欧元，这是4年来的最高增幅。德国机械和设备协会称，德国机械制造业2005年将继续保持增长势头，估计增长率为3％，营业额有望突破1500亿欧元大关。

气动人工肌肉驱动的机器人控制方法研究现状概述

随着机器人技术的飞速发展,传统执行器(如电机、液压驱动等)结构繁冗、体积庞大,越来越难以满足新一代智能机器人对轻质化与柔顺性的需求,具有更高柔顺性、更强安全性的气动人工肌肉日益受到广大学者的关注.气动人工肌肉结构简单、材料轻便、生物适应性好,在医疗康复、航空航天、水下作业、抢险救灾等领域均具有良好的适应性,可方便地用于驱动机器人完成多项复杂任务.然而,气动人工肌肉与生俱来的迟滞、高度非线性、蠕变等特性,为其驱动的柔性机器人精准智能控制带来了挑战.鉴于此,首先对气动人工肌肉的工作原理、优势缺陷、建模与应用现状等进行简要介绍;然后基于气动肌肉的主流模型,对近年来单、多气动人工肌肉驱动的机器人运动控制方法研究现状与最新进展进行重点阐述;最后根据当今研究现状与尚未解决的难题,简要分析气动人工肌肉驱动的机器人未来发展趋势.

考虑状态约束的五自由度塔式吊车多目标最优轨迹规划

为了提高塔式吊车的实际工作效率,往往需要在驱动旋臂和台车的同时改变绳长,以同步实现负载的运输与起落吊运.然而,目前针对变绳长塔式吊车控制问题的研究非常有限,依然处于起步阶段.对于变绳长塔式吊车而言,如何在保证系统良好暂态性能的基础上,减少运输时间、降低系统能耗,并同时实现综合最优是一个亟待解决的实际问题.为此,本文提出了一种考虑状态约束的五自由度塔式吊车多目标最优轨迹规划方法,首次实现了运输时间和系统能耗的Pareto最优,并可从理论上保证状态变量及其对应速度满足物理约束.具体而言,本文通过微分平坦输出信号构造和B样条曲线设计,实现了目标轨迹的定位和防摆性能,并利用改进的非支配近邻免疫算法(nondominated neighbor immune algorithm,NNIA)解决了多目标优化问题.最后,通过多组实际实验验证了所提方法的有效性.