多关节移动机械臂系统的快速终端滑模控制

为了实现多关节移动机械臂系统在机械摩擦和模型误差等干扰下的精确控制,提出了快速终端滑模控制方法。首先建立了移动机械臂系统动力学和运动学模型,然后设计了运动环控制律,并将移动机械臂系统的运动指令转换为动力指令,最后针对动力环设计了快速终端滑模控制律,并通过自适应神经网络进行干扰估计,实现了对多关节移动机械臂系统的精确控制。仿真实验结果表明,提出的方法具有更好的快速性和准确性,移动平台的最大跟踪误差仅为0.8 cm,关节末端的最大跟踪误差仅为0.3 cm,干扰估计的最大误差为0.2 N·m,控制效果和精度均得到了明显的提升。

采用模糊小波网络的移动机械臂反步鲁棒控制

针对考虑不确定性和电机动态的移动机械臂控制问题,采用模糊小波网络设计了反步鲁棒控制方法。首先建立了移动机械臂和电机的模型,然后设计了自适应观测器作为辅助系统,来准确估计系统状态,同时引入模糊小波网络在线逼近系统不确定性;最后在状态估计的基础上提出了反步鲁棒控制律,实现包容不确定性的移动机械臂系统鲁棒控制。MATLAB仿真结果表明:设计的反步鲁棒控制方法具有更快的响应速度和更高的控制精度,在0.45s内即可稳定准确地跟踪控制信号,对轮式平台位移和关节角度的跟踪误差仅为0.05m和0.5°,实现了包容不确定性的高精度控制。

移动机械臂系统在仓储领域中的应用研究

我国处于发展上升期的电商行业,催动了仓储领域的持续发展和进步,由于当前仓储工作中面临着较为严峻的因商品类型繁多带来的分拣及运输工作难度提升形势,为此,仓储领域也一直在利用互联网以及智能化技术来实现自身的智能化及信息化发展目标,移动机械臂系统的应用就是一个很好的证明。故此,文章就仓储领域内移动机械臂系统的实践应用及其需要解决的问题展开了研究探讨。

基于RBF神经网络的多移动机械臂同步控制

以多固定基机械臂同步控制为基础,应用RBF神经网络方法,并结合领导者-追随者(主从控制)通信拓扑方法,针对存在不确定性的多移动机械臂系统,设计出一种新的分布式主从同步控制器,并使得控制器的适应性得以提高。从动移动机械臂和领导移动机械臂之间的同步误差由主从式通信拓扑的网络结构来定义。本研究对从动移动机械臂的建模误差等不确定性进行了逼近和补偿,并对领导移动机械臂的控制力矩进行了估计,RBF神经网络的权值根据自适应律在线进行更新。通过Lyapunov方法验证了所设计控制算法的稳定性,最后通过Matlab仿真验证了其可行性。