基于迭代学习和神经网络的机械臂变长度误差跟踪

本文考察了在任意初始状态下不确定性机械臂的轨迹跟踪问题。首先,根据预设期望轨迹、随机变量概率分布函数和虚拟误差变量,建立误差动力学系统。其次,运用虚拟控制信号和迭代学习分别补偿没有运行的区间和处理随机变化的迭代长度。然后,通过自适应神经网络逼近机械臂的不确定性和外部干扰,并通过复合能量函数证明了跟踪算法的可行性。最后,通过一个仿真例子表明了本文算法的有效性。

基于HJI的移动机器人轨迹跟踪控制

考虑一类受外界干扰的移动机器人的轨迹跟踪控制问题,基于哈密顿-雅可比不等式(HJI)设计了前馈控制和反馈控制相结合的复合控制算法。针对移动机器人的运动学模型,利用反步法设计了运动学辅助速度控制率。针对移动机器人的动力学模型,考虑其外部扰动,基于模型设计了前馈控制器,然后将动力学误差模型改写成HJI所适用的非线性形式,基于HJI设计了反馈控制器。在此基础上,进一步利用Lyapunov稳定性理论证明了运动学控制系统的稳定性,利用HJI理论证明了动力学控制系统的稳定性。最后,仿真结果表明存在外界不确定干扰的情况下,控制算法能够使跟踪误差快速收敛,系统具有良好的抗扰性。