基于神经网络补偿控制的PID双闭环球杆位置控制

针对球杆系统的位置控制难题,利用ADAMS软件建立球杆系统的三维虚拟样机模型,由此确定球杆系统的动力学模型,提出一种基于神经网络补偿控制的PID双闭环球杆位置控制方案,基于ADAMS/Controls与Matlab/Simulink进行了球杆位置控制的联合仿真。仿真结果表明:位置定值控制与方波信号跟踪控制时,PID双闭环-神经网络补偿控制较PID双闭环控制的稳态精度分别由0.06 m、0.08 m提高到0.002 m、0.003 m,正弦信号跟踪时,跟踪误差由0.15 m减小到0.05 m,PID双闭环-神经网络补偿控制具有更好的动态性能和较高的稳态控制精度。

空间机器人的增广自适应神经网络补偿控制

研究了具有外部扰动空间机器人系统的补偿控制问题。首先,给出了漂浮基空间机器人系统的动力学方程。进而借助于增广变量思想,针对系统存在有未知惯性参数及外部扰动的复杂情况,先后设计了空间机器人系统关节运动、末端爪手运动的增广自适应神经网络补偿控制方案。所提控制方案无需对载体的位置、线性速度和线性加速度进行实时地测量与反馈;且较比传统自适应控制方法,又不要求动力学方程满足关于系统惯性参数的线性函数关系,因此有效避免了对系统回归矩阵进行繁琐提取的麻烦。仿真运算,验证了上述控制方法的有效性。

基于模糊神经网络补偿控制器的H型平台同步控制

直线电机驱动的H型数控平台系统在加工零件时,负载扰动、外部干扰和两电机安装的差异与机械耦合会影响单轴的跟踪精度且会产生同步误差。针对此问题,本文首先用拉格朗日方法给H型平台建模,然后提出一种改进的非奇异终端滑模控制(NTSMC)来进行位置控制器的设计,在不失滑模控制鲁棒性的情况下,有效地削弱了该控制所产生的抖振问题,提高了单轴的跟踪精度。在两轴间采用Sugeno型模糊神经网络(SFNN)补偿控制器来动态补偿H型平台的同步误差。通过模糊神经网络以任意精度逼近非线性系统的能力使同步误差在有限时间内趋近于零,以满足H型平台数控系统的高精度加工要求。仿真结果表明,所设计的控制系统能够有效提高系统的同步控制精度和鲁棒性。

气动肌腱驱动的拮抗式仿生关节位置/刚度控制

仿生关节是四足仿生机器人实现灵活跳跃、奔跑等高速复杂运动的基本要素。针对现有气动肌腱驱动的仿生关节难以实现设定刚度下的高精度位置控制问题,提出一种基于模糊神经网络补偿控制的拮抗式仿生关节位置/刚度控制新方法。建立关节位置/刚度解算模型,根据关节驱动力矩及设定刚度计算气动肌腱的理论充气压力;建立关节输出刚度计算模型,根据关节输出位置及气动肌腱的实际充气压力计算仿生关节的实际输出刚度;采用由模糊神经网络补偿控制器、PID控制器和模糊神经网络辨识器构成的模糊神经网络补偿控制结构实现对仿生关节的高精度位置控制。以FESTO公司MAS型气动肌腱驱动的拮抗式仿生关节为控制对象,进行关节位置/刚度控制的试验研究,对比PID控制和模糊神经网络补偿控制的位置控制精度,探究仿生关节刚度的动态响应。试验结果表明:模糊神经网络补偿控制方法的位置控制精度显著优于PID控制方法,位置控制精度由3°提高到0.6°;同时两种控制方法均能较好地跟随关节设定刚度,刚度跟踪精度均在1 N?m/rad内。

气动肌腱驱动的关节位置和刚度控制仿真

针对现有气动肌腱驱动的关节难以实现位置和刚度的高精度控制问题,提出一种基于神经网络补偿控制的关节位置和刚度控制新方法。建立关节系统数学模型及关节位置和刚度解算模型实现关节位置和刚度的同步控制;采用神经网络补偿控制结构实现对关节位置和刚度的高精度控制。以FESTO公司MAS型气动肌腱驱动的关节为控制对象,进行关节位置和刚度控制的仿真研究,对比传统PID控制和神经网络补偿控制的控制精度。仿真结果表明神经网络补偿控制方法的关节位置和刚度控制精度均显著优于传统PID控制方法,正弦波、方波位置控制精度分别由0.75°,2.72°提高到0.01°,0.99°,恒定、正弦、阶梯刚度控制精度分别由0.25,1.53,1.19 Nm/rad提高到0.03,0.08,0.12 Nm/rad。