伸缩因子优化机械臂轨迹跟踪控制的误差分析

提出了一种通过伸缩因子在线调节论域来优化机械臂轨迹跟踪控制的变论域模糊控制方法。首先设计了一种与关节角度偏差和偏差变化率动态加权相关的比例-指数混合型伸缩因子;然后,运用时间最优轨迹规划算法获取机械臂笛卡尔空间的期望关节轨迹;最后,基于所设计的变论域模糊控制器实现了一种三关节机械臂轨迹跟踪控制仿真,并分析了轨迹跟踪误差。仿真结果表明:所设计的基于比例-指数混合型伸缩因子的变论域模糊控制器应用于机械臂轨迹跟踪的控制效果良好,具有响应速度快、无超调、稳态误差小的优点。

轨迹跟踪的混合编码遗传优化模糊PID控制策略

为进一步提高模糊PID(FPID)控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种基于特征参数的混合编码遗传算法优化关节机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器的方法。提出了运用特征参数表征隶属函数和模糊规则等主要设计参数的方法,给出了特征参数与设计参数混合编码的遗传算法编码方法,显著简化了控制器设计过程,缩短了染色体编码长度。设计了基于混合编码方法的模糊PID控制器遗传优化算法,将所设计的遗传算法优化模糊PID控制器的方法应用于六关节机器人轨迹跟踪控制,仿真结果表明:基于混合编码策略的遗传算法均具有更优的寻优效率和寻优结果,本文提出的混合编码遗传算法优化后的机器人轨迹跟踪模糊PID(GAhybrid-FPID)控制器具有更好的轨迹跟踪控制效果,笛卡尔空间轨迹跟踪偏差比未经遗传算法优化的模糊PID(FPID)控制器、经直接编码的遗传算法优化后的模糊PID(GAdirect-FPID)控制器分别小16.6%和9.3%。

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法。首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊规则的优化调整;最后,分别采用多目标PSO算法和改进多目标PSO算法优化轨迹跟踪模糊PID控制器获得了2个优化目标的向量集合,并对比分析了优化结果。实验结果表明,所设计的改进多目标PSO算法具有更优的非支配解集,验证了该算法优化机器人轨迹跟踪模糊PID控制器的有效性和优越性。